Met4FoF – Metrology for the Factory of the Future

L’«usine du futur» (FoF), en tant qu’environnement de production connecté doté d’un flux autonome d’informations et de décisions, représente la transformation numérique de la fabrication en vue d’accroître l’efficacité et la compétitivité. La transparence, la comparabilité et l'assurance qualité durable nécessitent des données de mesure, des méthodes de traitement et des résultats fiables.

problématique

Une infrastructure métrologique complète comprend des étalonnages traçables, le traitement des incertitudes de mesure et les normes et directives de l'industrie. La numérisation modifie presque tous les aspects de cette infrastructure: Par exemple, les capteurs sont intelligents et les grands réseaux de capteurs sont utilisés avec des algorithmes ML pour prendre des décisions automatisées et contrôler les processus de production. La qualité des données est l’un des principaux besoins industriels de l’«usine du futur», qui fait l’objet du projet Met4FoF. Les méthodes de mesure dans les réseaux de capteurs doivent être étendues et des méthodes ML en temps réel doivent être développées pour permettre l'évaluation de l'incertitude de mesure dans les réseaux de capteurs industriels.

Objectif

Le projet Metrology for the Factory of the Future (Met4FoF) fournit un cadre métrologique pour l'ensemble du cycle de vie des données de mesure dans les applications industrielles: de l'étalonnage de capteurs numériques individuels à la détermination de l'incertitude de mesure liée à l'apprentissage automatique (ML) dans les réseaux de capteurs industriels. La mise en œuvre dans des bancs d'essai réalistes démontre l'applicabilité pratique des procédures et fournit des modèles pour d'autres domaines d'application et l'utilisation future par l'industrie.

Concept de valorisation:

Le travail technique se concentre sur deux défis courants dans la fabrication, l'optimisation des processus et la maintenance prédictive, représentés par trois bancs d'essai spécifiques avec différents types de réseaux de capteurs.
Le banc d'essai ZeMA utilise une série de capteurs qui mesurent différentes tailles pour les essais de fin de ligne et la surveillance de l'état des cylindres électromécaniques. L'incertitude de mesure doit être prise en compte tout au long du flux de données, c'est-à-dire des différents capteurs jusqu'à la sortie de l'analyse des données au moyen de l'apprentissage automatique. Le module méthodologique développé au ZeMA pour l'extraction et la sélection des caractéristiques, ainsi que pour la classification et la validation des données cycliques des capteurs, sera particulièrement étendu dans le cadre du projet à la prise en compte de l'incertitude de mesure pour toutes les méthodes utilisées.

Traitement du projet: Tanja Dorst
Direction du projet: Prof. Dr. Andreas Schütze
Durée: 01.05.2018 – 31.05.2021

This project 17IND12 Met4FoF has received funding from the EMPIR programme co-financed by the Participating States and from the European Union’s Horizon 2020 research and innovation programme.

Catégorie: Détection intelligente multimodale

Autres projets