Fraunhofer-Institut für Produktionstechnologie IPT
The EPIC Centre of Excellence
Kompetenzzentrum »EPIC« vernetzt Partner zum Thema Produktionsinformatik und cyberphysische Produktion.
Kompetenzzentrum »EPIC«
Die Industrie 4.0 kombiniert stärker denn je die Informations- und Kommunikationstechnologien mit der Produktion. Das Hauptziel des Projektes EPIC ist es, ein Kompetenzzentrum als international führende Forschungseinrichtung in den Bereichen Produktionsinformatik, Management und Steuerung zu etablieren, das durch Exzellenz in Forschung, Entwicklung und Innovation gekennzeichnet ist.
EPIC – Centre of Excellence in Production Informatics and Control
Das Forschungsprojekt EPIC soll die sogenannte cyberphysische Produktion stärken, indem es Partner vernetzt und Kooperationen stärkt. Die großen Herausforderungen dieser neuen technologischen Ära, bei der Informations- und Kommunikationstechnologien die Produktion grundlegend verändern und revolutionieren, werden durch die Konzentration der multidisziplinären, teilweise überlappenden, teilweise komplementären Kompetenzen der EPIC-Partner aus Ungarn, Deutschland und Österreich beantwortet.
Wir unterstützen das Projekt unter anderem bei der Auswahl und Ausgestaltung der Forschungsschwerpunkte im Verlauf des gesamten Projekts. Zu diesem Zweck entwickeln wir eine Technologiestrategie, die die Nutzbarkeit der Forschungsergebnisse in der Industrie sicherstellt. Zudem erarbeitet das Fraunhofer IPT Rahmenbedingungen und Regeln für das Qualitäts-, Change- und Risikomanagement, die einen reibungslosen Ablauf in den Forschungsprojekten des Kompetenzzentrums gewährleisten sollen. Darüber hinaus unterstützt das Fraunhofer IPT mit seiner Expertise aus der langjährigen Zugehörigkeit zu verschiedensten Forschungsnetzwerken die Zusammenarbeit des Kompetenzzentrums mit der Industrie.
Daten und Fakten
Das EPIC-Konsortium besteht aus einer Kooperation des Instituts für Informatik und Steuerung der ungarischen Akademie der Wissenschaften (MTA SZTAKI), zwei Fakultäten der Budapester Universität für Technologie und Wirtschaft (BME) und vier Institutionen der Fraunhofer-Gesellschaft (Fraunhofer IPA, IPK, IPT und Fraunhofer Austria) unter der Koordination des ungarischen Forschungs-, Entwicklungs- und Innovationsbüro (NKFIH), als zuständige Behörde für Forschung, Technik und Innovation.
Die EU-Förderung aus dem Rahmenprogramm HORIZON 2020 beträgt ca. 10,8 Mio €. Das Gesamtbudget des Projekts beläuft sich auf ca. 21,7 Mio € bei einer Projektlaufzeit von sieben Jahren.
Publikationen aus diesem Projekt
| Jahr Year | Titel/Autor:in Title/Author | Publikationstyp Publication Type |
|---|---|---|
| 2023 | On the importance of domain expertise in feature engineering for predictive product quality in production Mende, Hendrik; Frye, Maik; Vogel, Paul-Alexander; Kiroriwal, Saksham; Schmitt, Robert H.; Bergs, Thomas |
Zeitschriftenaufsatz Journal Article |
| 2023 | Capabilities of the Intelligent Manufacturing Enterprise Schuh, Günther; Scheuer, Thomas; Padovano, Riley Colleen |
Zeitschriftenaufsatz Journal Article |
| 2023 | Multi-target regression and cross-validation for non-isothermal glass molding experiments with small sample sizes Mende, Hendrik; Kiroriwal, Saksham; Pfrommer, Julius; Schmitt, Robert H.; Beyerer, Jürgen |
Konferenzbeitrag Conference Paper |
| 2023 | Financial aspects of a trust-based resource sharing platform Szaller, Ádám; Fries, Christian; Kádár, Botond |
Zeitschriftenaufsatz Journal Article |
| 2023 | Concept for the Evaluation and Prioritization of Machine Learning Use Cases in Industrial Production Schuh, Günther; Cassel, Leonard; Uedelhoven, Marc |
Konferenzbeitrag Conference Paper |
| 2022 | Guideline for Deployment of Machine Learning Models for Predictive Quality in Production Heymann, Henrik; Kies, Alexander D.; Frye, Maik; Schmitt, Robert H.; Boza, Andrés |
Zeitschriftenaufsatz Journal Article |
| 2022 | Customer-Induced Planning Deviations within Order Management Fries, Christian; Bauernhansl, Thomas |
Zeitschriftenaufsatz Journal Article |
| 2022 | Defining the Intelligent Manufacturing Enterprise Schuh, Günther; Scheuer, Thomas; Padovano, Riley Colleen |
Zeitschriftenaufsatz Journal Article |
| 2022 | Maturity Model for AI in Smart Production Planning and Control System Colangelo, Eduardo; Fries, Christian; Hinrichsen, Theresa-Franziska; Szaller, Ádám; Nick, Gabor |
Zeitschriftenaufsatz Journal Article |
| 2022 | Increasing Labor Productivity in Intelligent Manufacturing Enterprises: An Approach to Identify Relevant Capability Bundles Schuh, Günther; Scheuer, Thomas |
Konferenzbeitrag Conference Paper |
| 2022 | Simulation-based Learning of the Peg-in-Hole Process Using Robot-Skills Lämmle, Arik; Tenbrock, Philipp; Balint, Balazs Andras; Nägele, Frank; Kraus, Werner; Vancza, Jozsef; Huber, Marco |
Konferenzbeitrag Conference Paper |
| 2022 | Impact of Customer Order Change Dimensions on Order Management Fries, Christian; Szaller, Ádám; Bauernhansl, Thomas; Schuh, Günther |
Konferenzbeitrag Conference Paper |
| 2022 | Impact of COVID-19 on production Geisert, Claudio; Baumgarten, Jeannette |
Studie Study |
| 2021 | Expert System for the Machine Learning Pipeline in Manufacturing Frye, Maik; Krauß, Jonathan; Schmitt, Robert H. |
Zeitschriftenaufsatz Journal Article |
| 2021 | Production rescheduling through product quality prediction Frye, Maik; Gyulai, Dávid; Bergmann, Júlia; Schmitt, Robert H. |
Zeitschriftenaufsatz Journal Article |
| 2021 | A two-step digitalization level assessment approach for manufacturing companies Schuh, Günther; Scheuer, Thomas; Nick, Gábor; Szaller, Ádám; Várgedő, Tamás |
Zeitschriftenaufsatz Journal Article |
| 2021 | Benchmarking of Data Preprocessing Methods for Machine Learning-Applications in Production Frye, Maik; Mohren, Johannes; Schmitt, Robert |
Zeitschriftenaufsatz Journal Article |
| 2020 | Case study on technological applications for production planning and control in the context of industry 4.0 Schuh, Günther; Scholz, Patrick |
Konferenzbeitrag Conference Paper |
| 2020 | Structured Data Preparation Pipeline for Machine Learning-Applications in Production Frye, Maik; Schmitt, Robert Heinrich |
Konferenzbeitrag Conference Paper |
| 2020 | Condition monitoring concept for industrial Robots Uhlmann, Eckart; Polte, Julian; Geisert, Claudio |
Konferenzbeitrag Conference Paper |
| 2019 | Quality Improvement of Milling Processes Using Machine Learning-Algorithms Frye, Maik; Schmitt, Robert H. |
Konferenzbeitrag Conference Paper |
| 2019 | Roadmapping towards industrial digitalization based on an Industry 4.0 maturity model for manufacturing enterprises Schumacher, Andreas; Nemeth, Tanja; Sihn, Wilfried |
Zeitschriftenaufsatz Journal Article |
| 2019 | Adaptive scheduling through machine learning-based process parameter prediction Frye, Maik; Gyulai, David; Bergmann, Julia; Schmitt, Robert H. |
Zeitschriftenaufsatz Journal Article |
| 2019 | A hybrid simulation tool to improve the energy efficiency in production environment Zhou, Beiyan; Frye, Maik; Sander, Christian; Schmitt, Robert H. |
Konferenzbeitrag Conference Paper |
| 2018 | The four-step approach for the creation of the HR Concept for the EPIC Centre of Excellence in Production Informatics and Control (EPIC CoE) Hecklau, Fabian; Orth, Ronald; Kidschun, Florian; Nick, Gabor |
Konferenzbeitrag Conference Paper |
| 2018 | Expanding production perspectives by collaborating learning factories - Perceived needs and possibilities Kemény, Zsolt; Beregi, Richard; Nacsa, János; Glawar, Robert; Sihn, Wilfried |
Zeitschriftenaufsatz Journal Article |
| 2018 | Corporate Governance: The Evaluation Based Approach to the Governance and Business Models of the EPIC Centre of Excellence in Production Informatics and Control (EPIC Coe) Monostori, Laszlo; Kadar, Botond; Nick, Gabor; Pfeiffer, Andras; Vargedo, Tamas; Hecklau, Fabian |
Konferenzbeitrag Conference Paper |
| 2018 | EPIC - Kompetenzschmiede im Donauraum Glawar, Robert; Kemeny, Zsolt |
Zeitschriftenaufsatz Journal Article |
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica
This list has been generated from the publication platform Fraunhofer-Publica