Interpretable Prescriptive Maintenance using Artificial Intelligence

Programme 2021 - 2027 Interreg VI-A Austria-Czechia

Date of latest update: 2026-04-24

Description

Description (CS):

IPMAI zavádí novou strategii údržby strojů s převodovkami založenou na umělé inteligenci. Cílem evropské politiky je podpořit vedoucí postavení evropského průmyslu v celosvětovém měřítku. Umělá inteligence přitom hraje ústřední roli, neboť významně přispívá k efektivnímu a udržitelnému průmyslu a výrobě (viz Green Deal). Rozšiřování efektivního a udržitelného průmyslu a výroby představuje také základní kámen hornorakouské hospodářské a výzkumné strategie #upperVision2030 a inovační strategie České republiky 2019-2030, a tedy ústřední lokalizační a konkurenční faktor Rakouska a České republiky. Stejně jako předchozí projekt PredMAIn (15 měsíců) se tedy i projekt IPMAI (36 měsíců) zabývá tématem umělé inteligence specificky se zaměřením na malé a střední podniky, avšak s jiným a rozšířeným cílem. To je důležité, protože průmysl a společnost se v důsledku nedávného vývoje v oblasti umělé inteligence (dále AI – artificia intelligence) nacházejí v období převratných změn. Nové systémy AI, jako je ChatGPT (USA) a Aleph Alpha (Evropa), to jasně ukazují. Zejména pro průmysl v programové oblasti (většinou malé a střední podniky) má AI obrovský potenciál. Zpřístupnění výhod AI se ziskem malým a středním podnikům je proto motivací IPMAI. Pouze pokud budou MSP v programovém regionu schopny AI správně využívat, lze zaručit, že výše zmíněná lokalizační a konkurenční výhoda bude zachována. Zatímco v jiných regionech světa, např. v Číně, se pěstuje poměrně neomezené využívání AI, Evropa zavedla nedávno přijatým zákonem o AI první zákon o AI na světě. Ústřední roli v něm hraje důvěryhodnost systémů AI. Pokud budou lidé, např. obsluha strojů, rozumět výsledkům systémů AI, jako jsou předpovědi očekávaných chyb stroje apod, budou schopní je akceptovat . Zásadním krokem k této důvěryhodnosti je vysvětlení výsledků systémů AI lidem - "vysvětlitelná AI". A právě zde přichází na řadu projekt IPMAI. Inovace Cílem projektu IPMAI je výrazně zjednodušit údržbu prostřednictvím vysvětlitelné AI pro všechna průmyslová výrobní zařízení s převodovkami. Díky IPMAI bude možné využívat AI nejen k určování údržby, ale také k optimalizaci provozu. Vezmeme-li jako příklad COBOTS (průmyslové roboty, které se používají zejména pro spolupráci s lidmi převážně na výrobních linkách. Mohou vykonávat úkoly zahrnující vysokou přesnost, rychlost zpracování nebo zatížení, které nemůže provádět lidská obsluha. Přístup IPMAI je obecně použitelný díky vysvětlením generovaným umělou inteligencí, která jsou inovativní 1) z hlediska přijetí uživatelem a 2) díky použití převodovky jako obecného indikátoru opotřebení. Pro lepší pochopení této novinky: stroje se skládají z mnoha součástí ovládaných převodovkou. Až dosud musely být všechny tyto komponenty sledovány odděleně. Inovace IPMAI spočívá v tom, že nyní je třeba sledovat pouze převodovku, aby bylo možné identifikovat případnou potřebu údržby ostatních částí stroje ovládaných touto převodovkou (např. vysoké tření poháněné součásti v důsledku špatného mazání). Tím se snižuje počet nákladných oprav a prodlužuje se životnost strojů. Výrobci převodovek a výrobních strojů s těmito převodovkami se nacházejí v programové oblasti. Velký počet vyjádření zájmu ze strany těchto společností (především malých a středních podniků) potvrzuje význam této inovace v programové oblasti. Nový systém údržby výrobních strojů s převodovkami rovněž poskytuje vysvětlení pro jejich optimální využití a usnadňuje tak technikům a obsluze strojů manipulaci se systémem údržby. Těmito vysvětlivkami (například o procesech opotřebení a prognózách zbývající doby provozu stroje) se IPMAI odlišuje od předchozího projektu PredMAIn a rozšiřuje jej. Zvyšuje tak přijatelnost nových typů systémů umělé inteligence a umožňuje, aby tuto práci vykonával i personál s pouze průměrným vzděláním. To zmírňuje problém nedostatku kvalifikovaných pracovníků a přispívá tak k zajištění umístění malých a středních podniků v programovém regionu. Realizace a konsorcium Pro IPMAI bylo sestaveno konsorcium ze všech šesti regionů programové oblasti, které spojuje všechny potřebné kompetence. Kromě toho je zajištěno, že zjištění a výše uvedené změny související s AI v průmyslu a společnosti jsou šířeny ve všech regionech programového území Interreg AT-CZ. Toto šíření zajišťuje klastrová organizace Biz-up. Zahájení projektu: 01.01.2024

Description (EN):

IPMAI introduces a new artificial intelligence (AI)-based maintenance strategy for machines with gearboxes. European policy aims to drive the global leadership of European industry. AI plays a central role in this, as it contributes significantly to efficient and sustainable industry and production (see Green Deal). The expansion of efficient and sustainable industry and production also represents a cornerstone in the Upper Austrian economic and research strategy #upperVision2030 and the innovation strategy of the Czech Republic 2019-2030, and thus a central location and competitive factor for Austria and the Czech Republic. Like the predecessor project PredMAIn (15 months), the IPMAI project (36 months) therefore takes up the topic of AI specifically in the focus of SMEs, but with a different and expanded objective. This is important because industry and society are in a period of upheaval due to recent AI developments. Novel AI systems such as ChatGPT (USA) and Aleph Alpha (Europe) make this clear. Especially for industry in the programme area (mostly SMEs), AI holds enormous potential. Making the advantages of AI profitably accessible to SMEs is therefore IPMAI's motivation. Only if SMEs in the programme region are able to use AI properly can it be guaranteed that the above-mentioned locational and competitive advantage can be maintained. While other regions of the world, e.g. China, cultivate a relatively unrestricted use of AI, Europe has introduced the world's first AI law with the recently passed AI Act. Central to this is the trustworthiness of AI systems. If people, e.g. machine operators, understand the results of AI systems, such as predictions about expected machine errors etc., they will also find acceptance. An essential step towards this trustworthiness is to explain the results of AI systems to people - "explainable AI". And this is exactly where the IPMAI project comes in. Innovation The goal of IPMAI is to significantly simplify maintenance through explainable AI for all industrial production facilities with gearboxes. With IPMAI, it will be possible to use AI not only to determine maintenance, but also to optimise operations. Taking COBOTS as an example (industrial robots that are used especially to work with humans mostly on production lines. They can perform tasks that involve high precision, processing speeds or loads that cannot be done by human operators. IPMAI's approach is of general applicability because of its AI-generated explanations innovative 1) in terms of user acceptance and 2) because of the use of the gearbox as a general wear indicator. To better understand this novelty: machines consist of a multitude of components operated by a gearbox. Until now, all these components had to be monitored separately. The innovation of IPMAI is that now only the gearbox needs to be looked at to identify any maintenance needs on other machine parts operated by that gearbox (such as high friction of a driven component due to poor lubrication). This reduces costly repairs and increases the product life cycle of machines. Gearbox manufacturers and manufacturers of production machines with such gearboxes are located in the programme area. A large number of expressions of interest from these companies (primarily SMEs) confirms the importance of this innovation in the programme area. The novel maintenance system for production machines with gearboxes also provides explanations for their optimal use and thus facilitates the handling of the maintenance system by technicians and machine operators. With these explanations (for example about wear processes and forecasts of remaining machine running times), IPMAI distinguishes itself from the predecessor project PredMAIn and expands on it. This increases the acceptance of new types of AI systems and makes it possible for this work to be carried out by personnel with only average training. This alleviates the problem of a lack of skilled workers and thus contributes to securing the location of SMEs in the programme region. Implementation and consortium For IPMAI, a consortium was put together from all six regions of the programme area, combining all the necessary competences. Furthermore, it is ensured that the findings and the aforementioned AI-related changes in industry and society are disseminated in all regions of the Interreg AT-CZ programme area. The cluster organisation Biz-up ensures this dissemination. Project start: 01.01.2024

Description (DE):

IPMAI führt eine neue, künstliche Intelligenz (KI) gestützte, Wartungsstrategie für Maschinen mit Getrieben ein. Die europäische Politik hat es sich zum Ziel gesetzt, die globale Vorreiterrolle der europäischen Industrie voranzutreiben. KI spielt dabei eine zentrale Rolle, da sie maßgeblich zur effizienten und nachhaltigen Industrie und Produktion beiträgt (siehe Green Deal). Der Ausbau der effizienten und nachhaltigen Industrie und Produktion stellt auch einen Grundpfeiler in der OÖ Wirtschaft- und Forschungsstrategie #upperVision2030 und der Innovationsstrategie der Tschechischen Republik 2019-2030, und damit einen zentralen Standort- und Wettbewerbsfaktor für Österreich und Tschechien dar. Wie das Vorgängerprojekt PredMAIn (15 Monate) greift das Projekt IPMAI (36 Monate) daher das Thema der KI speziell im Fokus von KMU auf, jedoch mit einer anderen und ausgeweiteten Zielsetzung. Das ist wichtig, weil sich Industrie und Gesellschaft aufgrund jüngster KI-Entwicklungen in einer Umbruchphase befinden. Neuartige KI-Systeme wie ChatGPT (USA) und Aleph Alpha (Europa) machen dies deutlich. Speziell für die Industrie im Programmraum (Großteil KMU) birgt KI enormes Potential. Die Vorteile von KI gewinnbringend für KMU zugänglich zu machen, ist daher die Motivation von IPMAI. Nur dann, wenn KMU in der Programmregion KI richtig einsetzen können, ist gewährleistet, dass der o.a. Standort- und Wettbewerbsvorteil gehalten werden kann. Während andere Weltregionen, z.B. China, einen relativ unbeschränkten Einsatz von KI pflegen, hat Europa mit dem kürzlich verabschiedeten AI Act das weltweit erste KI-Gesetz auf den Weg gebracht. Zentral darin ist die Vertrauenswürdigkeit von KI-Systemen. Wenn Menschen, z.B. Maschinenbediener, die Ergebnisse von KI-Systemen, etwa Vorhersagen über zu erwartende Maschinenfehler etc. verstehen, werden diese auch Akzeptanz finden. Ein wesentlicher Schritt zu dieser Vertrauenswürdigkeit ist es, Menschen die Ergebnisse von KI-Systemen zu erklären – „erklärbare KI“. Und genau hier setzt das Projekt IPMAI an. Innovation Ziel von IPMAI ist es, Instandhaltung durch erklärbare KI für alle industriellen Produktionsanlagen mit Getrieben signifikant zu vereinfachen. Mit IPMAI wird es möglich, KI nicht nur zur Wartungsbestimmung, sondern auch zur Optimierung des Betriebs zu nutzen. Am Beispiel von COBOTS (Industrieroboter, die besonders zur Zusammenarbeit mit Menschen meistens bei Produktionslinien eingesetzt werden. Sie können Aufgaben erfüllen, die hohe Präzision, Verarbeitungsgeschwindigkeiten oder Lasten involvieren, die von menschlichen Bedienern nicht geleistet werden können. Der Ansatz von IPMAI ist wegen seiner KI-erzeugten Erläuterungen innovativ 1) im Sinne von Benutzerakzeptanz und 2) wegen der Benutzung des Getriebes als generellen Verschleißindikator von allgemeiner Anwendbarkeit. Zum besseren Verständnis dieser Neuheit: Maschinen bestehen aus einer Vielzahl an von einem Getriebe betriebenen Komponenten. Bislang mussten all diese Komponenten eigens überwacht werden. Die Innovation von IPMAI besteht darin, dass nunmehr lediglich das Getriebe betrachtet werden muss, um etwaige Wartungsnotwendigkeiten an anderen durch dieses Getriebe betriebene Maschinenteile zu identifizieren (etwa hohe Reibung eines angetriebenen Bauteils durch schlechte Schmierung). Damit werden kostenintensive Reparaturen verringert und der Produktlebenszyklus von Maschinen gesteigert. Im Programmgebiet sind Getriebehersteller und Hersteller von Produktionsmaschinen mit solchen Getrieben ansässig. Eine große Anzahl an Interessensbekundungen durch diese Unternehmen (vorrangig KMU) bestätigt die Wichtigkeit dieser Innovation im Programmgebiet. Das neuartige Wartungssystem für Produktionsmaschinen mit Getrieben liefert auch Erklärungen für deren optimalen Einsatz und erleichtert damit die Handhabung des Wartungssystems durch Techniker und Maschinenbediener. Mit diesen Erklärungen (etwa über Verschleißvorgänge und Prognosen verbleibender Maschinenlaufzeiten) grenzt sich IPMAI vom Vorgängerprojekt PredMAIn ab und erweitert dieses. Damit wird die Akzeptanz von neuartigen KI-Systemen gesteigert und ermöglicht, dass diese Arbeiten auch von nur durchschnittlich geschultem Personal durchgeführt werden können. Dies lindert das Problem des Fachkräftemangels und trägt somit zur Standortsicherung von KMU in der Programmregion bei. Implementierung und Konsortium Für IPMAI wurde ein Konsortium aus allen sechs Regionen des Programmgebietes zusammengestellt, das alle notwendigen Kompetenzen vereint. Weiters wird sichergestellt, dass die Erkenntnisse und die eingangs erwähnten KI-bedingten Umbrüche in Industrie und Gesellschaft in allen Regionen des Interreg AT-CZ Programmgebietes verbreitet werden. Die Clusterorganisation Biz-up gewährleistet diese Verbreitung. Projektstart: 01.01.2024

Actual Achievements (CS):

V aktuálním monitorovacím období bylo dosaženo významného pokroku ve všech pracovních balíčcích. Projektový tým složený z partnerských organizací z Rakouska a České republiky intenzivně spolupracoval na vytvoření základů definovaných v žádosti o projekt, které směřují k vývoji platformy podporované umělou inteligencí pro prediktivní údržbu a automatizovanou vizuální inspekci. Byla dokončena definice uživatelských scénářů i specifikace požadavků. V rámci společných workshopů a bilaterálních jednání partneři vypracovali konkrétní aplikační případy, mimo jiné v oblastech monitorování strojírenských komponent, inspekce povrchových vad a prediktivní analýzy senzorových a obrazových dat. Požadavky byly detailně zdokumentovány a prioritizovány, čímž vznikl spolehlivý základ pro další technickou realizaci. Současně byly provedeny algoritmické a technické přípravné práce. Výzkumní partneři jako SCCH, FHOÖ a JU analyzovali existující AI metody relevantní pro prediktivní údržbu a automatizovanou vizuální inspekci. První průzkumné studie identifikovaly vhodné postupy pro detekci anomálií, klasifikaci a shlukovou analýzu. Zároveň CDP přispěl svou expertízou v oblasti validace a ekonomického hodnocení tím, že do diskusí vnesl první metodické základy pro budoucí FMEA a orientaci na přístup TCO. Tyto výsledky tvoří základ pro vývoj prvních demonstrátorů a hodnoticích postupů v následujících fázích projektu. Paralelně partneři jako INTEMAC, CPJ a AC2T zahájili systematický sběr reálných výrobních a obrazových dat. Byly připraveny laboratorní testy a uskutečněny první měřicí série, které mají poskytnout tréninkové datové sady pro AI modely a stanovit požadavky na kvalitu dat. Přeshraniční vědecko-průmyslová spolupráce byla dále posílena. Vědecké know-how v oblastech strojového učení, počítačového vidění, monitorování stavu, stejně jako v oblasti validace a ekonomického hodnocení, bylo úspěšně propojeno s praktickými požadavky strojírenství a výrobní praxe. Tento přenos znalostí a technologií přináší zvláštní přínos malým a středním podnikům zapojeným do konsorcia. V oblasti projektového řízení byly zavedeny efektivní koordinační a komunikační struktury. Pod vedením hlavního partnera SCCH se konaly pravidelné konsorciální a odborné schůzky. Bylo tak zajištěno, že všechny partnerské organizace byly průběžně informovány o aktuálním stavu, otevřených otázkách a nadcházejících krocích. Kromě toho byl implementován společný systém pro správu dokumentace a dat. Byly rovněž realizovány první aktivity v oblasti diseminace a publicity. Partneři zveřejnili informace o projektu na svých webových stránkách. Byly připraveny příspěvky na vědecké konference a uspořádány první interní i externí workshopy, které zvýšily viditelnost projektu v regionu i mimo něj. Přeshraniční spolupráce přinesla všem zapojeným partnerům značnou přidanou hodnotu. Díky intenzivní výměně vědeckých, ekonomických a praktických kompetencí byla urychlena identifikace relevantních metod i vývoj společných řešení. Kombinace algoritmické expertízy, přístupů k validaci a ekonomickému hodnocení spolu s aplikačně orientovaným know-how v oblasti strojírenství a výroby umožňuje komplexně řešit složité problematiky. Projekt rovněž posiluje inovační kapacitu zapojených regionů, protože malé a střední podniky profitují z nejnovějších AI technologií a jejich praktických oblastí použití. To jim pomáhá dlouhodobě zajišťovat jejich konkurenceschopnost. Závěrem lze konstatovat, že v aktuálním monitorovacím období byly úspěšně definovány uživatelské scénáře a specifikace požadavků, byly provedeny první algoritmické analýzy, zahájena akvizice dat a zpřístupněny úvodní datové sady. Dále byly zavedeny efektivní struktury projektového řízení a komunikace a realizovány první kroky v oblasti diseminace a publicity

Actual Achievements (EN):

In the current reporting period, significant progress was achieved across all work packages. The project team, consisting of partner organizations from Austria and the Czech Republic, worked intensively to establish the foundations defined in the proposal for the development of an AI-supported platform for Predictive Maintenance and Automated Visual Inspection. The definition of use cases and the specification of requirements were completed. In joint workshops and bilateral meetings, the partner organizations developed concrete application cases, including machinery component monitoring, surface defect inspection, and predictive analysis of sensor and image data. The requirements were documented in detail and prioritized, thus providing a solid basis for further technical implementation. In addition, algorithmic and technical preparatory work was carried out. Research partners such as SCCH, FHOÖ, and JU analyzed existing AI methods relevant to Predictive Maintenance and Automated Visual Inspection. Initial exploratory studies identified suitable approaches for anomaly detection, classification, and clustering. At the same time, CDP contributed its expertise in validation and economic assessment by introducing initial methodological foundations for a future FMEA and aligning a TCO approach within the discussions. These results form the basis for the development of the first demonstrators and assessment procedures in the upcoming project phases. In parallel, partner organizations such as INTEMAC, CPJ, and AC2T began the structured collection of real production and image data. Laboratory tests were prepared, and the first measurement series were carried out to create training datasets for AI models and to define requirements for data quality. Cross-border scientific and industrial collaboration was further strengthened. Scientific expertise in machine learning, computer vision, condition monitoring, as well as validation and economic assessment, was successfully combined with the practical requirements of mechanical engineering and manufacturing practice. This knowledge and technology transfer is particularly beneficial for the small and medium-sized enterprises within the project consortium. In the area of project management, efficient coordination and communication structures were established. Under the leadership of the lead partner SCCH, regular consortium and technical meetings were held. This ensured that all partner organizations were continuously informed about the current status, open issues, and upcoming tasks. Furthermore, a joint system for documentation and data management was implemented. Finally, the first dissemination and public outreach activities were carried out. Project partners published information about the project on their respective websites. In addition, contributions for scientific conferences were prepared, and the first internal and external workshops were organized to increase the visibility of the project in the region and beyond. The cross-border cooperation created significant added value for all participating partner organizations. In particular, the intensive exchange of scientific, economic, and practical expertise enabled the rapid identification of relevant methods and the development of joint solutions. The combination of algorithmic know-how, validation and economic approaches, and application-oriented expertise in mechanical engineering and manufacturing allows complex challenges to be addressed comprehensively. Furthermore, the project strengthens the innovative capacity of the participating regions, as small and medium-sized enterprises benefit from the latest AI technologies and their practical applications. This supports them in safeguarding their long-term competitiveness. In conclusion, during the current reporting period, the use cases and requirement specifications were successfully defined, the first algorithmic analyses were completed, data acquisition was initiated, and initial datasets became available. In addition, efficient project management and communication structures were established, and the first steps in dissemination and public outreach were implemented.

Actual Achievements (DE):

In der aktuellen Berichtsperiode konnten wichtige Fortschritte in allen Arbeitspaketen erzielt werden. Das Projektteam bestehend aus Partnerorganisationen aus Österreich und Tschechien arbeitete intensiv zusammen, um die im Antrag definierten Grundlagen für die Entwicklung einer AI-gestützten Plattform zur Predictive Maintenance und Automated Visual Inspection zu legen. Die Definition der Use Cases sowie die Anforderungsspezifikation wurden abgeschlossen. In gemeinsamen Workshops und bilateralen Abstimmungen haben die Partnerorganisationen konkrete Anwendungsfälle erarbeitet, unter anderem in den Bereichen Maschinenbau-Komponentenüberwachung, Oberflächenfehlerinspektion sowie prädiktive Analyse von Sensor- und Bilddaten. Die Anforderungen wurden detailliert dokumentiert und priorisiert. Somit liegt eine belastbare Arbeitsgrundlage für die weitere technische Umsetzung vor. Darüber hinaus wurden algorithmische und technische Vorarbeiten durchgeführt. Forschungspartner wie SCCH, FHOÖ und JU analysierten bestehende AI-Methoden, die für Predictive Maintenance und Automated Visual Inspection relevant sind. Erste Explorationsstudien identifizierten geeignete Verfahren für Anomaliedetektion, Klassifikation und Clustering. Parallel dazu brachte CDP seine Expertise in der Validierung und wirtschaftlichen Betrachtung ein, indem erste methodische Grundlagen für eine spätere FMEA und die Ausrichtung eines TCO-Ansatzes in die Diskussion eingebracht wurden. Diese Ergebnisse bilden die Basis für die Entwicklung erster Demonstratoren und Bewertungsverfahren in den kommenden Projektphasen. Parallel dazu begannen Partnerorganisationen wie INTEMAC, CPJ und AC2T mit der strukturierten Sammlung realer Produktions- und Bilddaten. Zudem wurden Labortests vorbereitet und erste Messreihen durchgeführt, um Trainingsdatensätze für AI-Modelle zu erstellen und die Anforderungen an die Datenqualität zu definieren. Die grenzüberschreitende wissenschaftlich-industrielle Zusammenarbeit wurde weiter gestärkt. Es gelang, die wissenschaftliche Expertise in den Bereichen Machine Learning, Computer Vision, Condition Monitoring sowie Validierung und Wirtschaftlichkeitsbewertung mit den praktischen Anforderungen des Maschinenbaus und der Fertigungspraxis zu verbinden. Dieser Wissens- und Technologietransfer kommt insbesondere kleinen und mittleren Unternehmen im Projektkonsortium zugute. Im Bereich des Projektmanagements wurden effiziente Koordinations- und Kommunikationsstrukturen etabliert. Unter Leitung des Leadpartners SCCH fanden regelmäßige Konsortial- und Fachmeetings statt. Dadurch wurde sichergestellt, dass alle Partnerorganisationen jederzeit über den aktuellen Stand, offene Punkte und nächste Arbeitsschritte informiert waren. Darüber hinaus wurde ein gemeinsames System für das Dokumentations- und Datenmanagement implementiert. Schließlich wurden erste Disseminations- und Öffentlichkeitsarbeitsaktivitäten umgesetzt. Die Projektpartner veröffentlichten Informationen über das Projekt auf ihren jeweiligen Webseiten. Zudem wurden Beiträge für wissenschaftliche Konferenzen vorbereitet sowie erste interne und externe Workshops organisiert, um die Sichtbarkeit des Projekts in der Region und darüber hinaus zu erhöhen. Die grenzüberschreitende Kooperation brachte für alle beteiligten Partnerorganisationen einen erheblichen Mehrwert. Insbesondere konnte durch den intensiven Austausch wissenschaftlicher, wirtschaftlicher und praktischer Kompetenzen eine zügige Identifikation relevanter Methoden sowie die Entwicklung gemeinsamer Lösungsansätze erreicht werden. Die Kombination von algorithmischem Fachwissen, Validierungs- und Wirtschaftlichkeitsansätzen sowie anwendungsorientierter Maschinenbau- und Fertigungskompetenz ermöglicht es, die komplexen Problemstellungen umfassend zu adressieren. Darüber hinaus stärkt das Projekt die Innovationskraft der beteiligten Regionen, da kleine und mittlere Unternehmen von den neuesten AI-Technologien und deren praktischen Anwendungsfeldern profitieren. Dies unterstützt sie dabei, ihre Wettbewerbsfähigkeit langfristig abzusichern. Abschließend lässt sich festhalten, dass in der aktuellen Berichtsperiode die Use Cases und Anforderungsspezifikationen erfolgreich definiert wurden, erste algorithmische Analysen vorliegen, die Datenakquisition gestartet wurde und initiale Datensätze verfügbar sind. Zudem wurden effiziente Projektmanagement- und Kommunikationsstrukturen etabliert und erste Schritte im Bereich Dissemination und Öffentlichkeitsarbeit umgesetzt. Platzhalterbericht für die Inkludierung des PP3 in die entsprechende Berichtsperiode.

Project outputs: Forschungseinrichtungen AP3(DE)
Výzkumné instituce AP3(CS)
Softwareprototyp einer erklärten Wartungsstrategie mit Empfehlungen(DE)
Softwarový prototyp deklarované strategie údržby s doporučeními(CS)
Konference IPMAI(CS)
IPMAI Konferenzen(DE)

Thematic information

ICT and digital society Clustering and economic cooperation SME and entrepreneurship

Priority: (VI-A_A-CZ_1) Research and Innovation

Priority specific objective: RSO1.1. Developing and enhancing research and innovation capacities and the uptake of advanced technologies

Priority policy objective (Interreg specific objective): PO1 A more competitive and smarter Europe by promoting innovative and smart economic transformation and regional ICT connectivity

Type of intervention: 028 Technology transfer and cooperation between enterprises, research centres and higher education sector

Partners (11)

Lead Partner: Software Competence Center Hagenberg GmbH

Partner’s ID if not PIC: FN184145B

Department: Data Analysis Systems

Address: Softwarepark, 4232 Hagenberg, Austria

Department address: Softwarepark, 4232 Hagenberg, Austria

Legal status: private

Organisation type: Higher education and research organisations

Website: http://www.scch.at

Total budget: EUR 384 435.20

Partner’s programme co-financing: EUR 307 548.16

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 76 887.04

dataPartner s.r.o.

Name: dataPartner s.r.o.

Partner’s ID if not PIC: 25178636/CZ25178636

Address: Senovážné nám., 37001 Budweis, Czech Republic

Legal status: private

Organisation type: SME

Website: http://www.datapartner.cz

Total budget: EUR 18 204.48

Partner’s programme co-financing: EUR 14 563.58

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 3 640.90

Business Upper Austria - OÖ Wirtschaftsagentur GmbH

Name: Business Upper Austria - OÖ Wirtschaftsagentur GmbH

Department: Klastry a sítě / Klastr Mechatronika Síť pro podniky z oblasti strojírenství a strojních zařízení, výroby zařízení a přístrojů, dodavatele technologií a komponentů, výzkumné a vývojové pracoviště a vzdělávací instituce.

Partner’s ID if not PIC: ATU 37311609

Address: Hafenstraße, 4020 Linz, Austria

Department address: Hafenstraße, 4020 Linz, Austria

Legal status: public

Organisation type: Business support organisation

Website: http://www.biz-up.at

Total budget: EUR 45 360.00

Partner’s programme co-financing: EUR 36 288.00

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 9 072.00

CDP Center for Digital Production GmbH

Name: CDP Center for Digital Production GmbH

Department: Area 4: Data Integration and Analytics for Digital Production

Partner’s ID if not PIC: ATU72573119

Address: Seestadtstraße , 1220 Wien, Austria

Department address: Seestadtstraße , 1220 Wien, Austria

Legal status: private

Organisation type: Higher education and research organisations

Website: https://acdp.at/

Total budget: EUR 267 400.00

Partner’s programme co-financing: EUR 213 920.00

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 53 480.00

Intemac Solutions, s.r.o.

Name: Intemac Solutions, s.r.o.

Partner’s ID if not PIC: 02277387

Address: Blanenská , 664 34 Kuřim, Czech Republic

Legal status: private

Organisation type: Higher education and research organisations

Website: http://www.intemac.cz

Total budget: EUR 280 456.10

Partner’s programme co-financing: EUR 224 364.88

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 56 091.22

Vysoká škola polytechnická Jihlava

Name: Vysoká škola polytechnická Jihlava

Department: Katedra technických studií

Partner’s ID if not PIC: 71226401/CZ71226401

Address: Tolstého , 586 01 Jihlava, Czech Republic

Department address: Tolstého , 586 01 Jihlava, Czech Republic

Legal status: public

Organisation type: Higher education and research organisations

Website: https://www.vspj.cz/

Total budget: EUR 149 594.76

Partner’s programme co-financing: EUR 119 675.80

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 29 918.96

Jihočeská univerzita v Českých Budějovicích

Name: Jihočeská univerzita v Českých Budějovicích

Department: Naturwissenschaftliche Fakultät, Abteilung für Informatik

Partner’s ID if not PIC: CZ60076658

Address: Branišovská , 37005 České Budějovice , Czech Republic

Department address: Branišovská, 37005 České Budějovice, Czech Republic

Legal status: public

Organisation type: Higher education and research organisations

Website: http://www.jcu.cz

Total budget: EUR 177 428.16

Partner’s programme co-financing: EUR 141 942.52

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 35 485.64

AC2T research GmbH

Name: AC2T research GmbH

Department: Tribologie

Partner’s ID if not PIC: ATU55519004

Address: Viktor-Kaplan-Straße, 2700 Wiener Neustadt, Austria

Department address: Viktor-Kaplan-Straße, 2700 Wiener Neustadt, Austria

Legal status: private

Organisation type: Higher education and research organisations

Website: https://www.ac2t.at

Total budget: EUR 196 333.20

Partner’s programme co-financing: EUR 157 066.56

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 39 266.64

FH OÖ Forschungs & Entwicklungs GmbH

Name: FH OÖ Forschungs & Entwicklungs GmbH

Department: Heuristic and Evolutionary Algorithms Laboratory (HEAL)

Partner’s ID if not PIC: ATU57300236

Address: Roseggerstraße, 4600 Wels, Austria

Department address: Softwarepark, 4232 Hagenberg, Austria

Legal status: public

Organisation type: Higher education and research organisations

Website: https://forschung.fh-ooe.at/

Total budget: EUR 196 056.00

Partner’s programme co-financing: EUR 156 844.80

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 39 211.20

Business Upper Austria – OÖ Wirtschaftsagentur GmbH

Name: Business Upper Austria – OÖ Wirtschaftsagentur GmbH

Partner’s ID if not PIC: ATU 37311609

Address: Hafenstraße, 4020 Linz, Austria

Department address: Hafenstraße, 4020 Linz, Austria

Legal status: public

Organisation type: Business support organisation

Website: http://www.biz-up.at

Total budget: EUR 45 360.00

Partner’s programme co-financing: EUR 36 288.00

Partner’s programme co-financing rate: 80.00%

Partner contribution: EUR 9 072.00

IPN Intelligent Predictive Networks GmbH

Name: IPN Intelligent Predictive Networks GmbH

Department: Projektplanung & -management

Partner’s ID if not PIC: ATU 69604948

Address: Storchengasse , 1150 Wien, Austria

Department address: Storchengasse , 1150 Wien, Austria

Legal status: private

Organisation type: SME

Website (not verified): https://www.predictive.at/

Partners map

Partners and Projects info

dataPartner s.r.o.

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

Business Upper Austria - OÖ Wirtschaftsagentur GmbH

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

CDP Center for Digital Production GmbH

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

Intemac Solutions, s.r.o.

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

College of Polytechnics in Jihlava

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

University of South Bohemia

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

AC2T research GmbH

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

FH OÖ Forschungs & Entwicklungs GmbH

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

Software Competence Center Hagenberg GmbH

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

Business Upper Austria – Upper Austrian government’s location agency

Interpretable Prescriptive Maintenance using Artificial Intelligence

Partners and Projects info

IPN Intelligent Predictive Networks GmbH

Interpretable Prescriptive Maintenance using Artificial Intelligence

Lead partner

Project partner

Summary

Project name (CS): Interpretable Prescriptive Maintenance using Artificial Intelligence

Project name (EN): Interpretable Prescriptive Maintenance using Artificial Intelligence

Project name (DE): Interpretable Prescriptive Maintenance using Artificial Intelligence

Project acronym: IPMAI

Project ID: ATCZ00060

Project start date: 2024-01-01

Project end date: 2026-12-31

Project status: ongoing

Relevant linked projects:

Projekt 'PredMAIn' (Interreg AT-CZ 279) (CS), Projekt 'PredMAIn' (Interreg AT-CZ 279) (DE) | Výsledkem předchozího projektu PredMAIn jsou na jedné straně zjištění o konkrétní situaci v oblasti poptávky po prediktivní údržbě (PdM) malých a středních podniků v regionu projektu. Největšími překážkami investic do PdM jsou zejména: (i.) nedostatek kvalifikovaných pracovníků a know-how a (ii.) nedostatek dostatečných informačních údajů. Schopnost IPMAI cíleně řešit tuto velmi specifickou situaci s výše popsaným přístupem k ziskovosti a univerzální použitelností pro MSP tvoří dobrý základní předpoklad pro úspěšnou regionální hospodářskou podporu prostřednictvím IPMAI.
Existuje také velká synergie se stávajícími národními a mezinárodními projekty partnerů projektu. AC2T využívá infrastrukturu a znalosti vytvořené zejména v rámci projektů XTribology a InTribology v rámci projektu Comet K2. V současné době existuje velká synergie s projektem InTribology, jehož cílem jsou opatření pro údržbu založená na datech v mnoha kooperacích. Velký potenciál pro tyto projekty je zde spatřován ve znalostech vytvořených v IPMAI. (CS), Die Ergebnisse des Vorgängerprojekts PredMAIn sind einerseits die Erkenntnisse über die konkrete Bedarfslage für Vorausschauende Instandhaltung (PdM) von KMU in der Projektregion. Speziell die größten Hürden bei der Investition in PdM sind hier zu nennen: (i.) Mangel an Fachkräften und Knowhow, sowie (ii.) Mangel an ausreichend informativem Datenvorrat. Die Möglichkeit mit IPMAI auf diese ganz spezifische Situation gezielt mit dem oben beschriebenen Ansatz zur Profitabilität und universellen Einsetzbarkeit für KMU einzugehen, bildet eine gute Grundvoraussetzung für die erfolgreiche regionale wirtschaftliche Unterstützung durch IPMAI.
Es bestehen auch große Synergien zu bestehenden nationalen und internationalen Projekten der Projektpartner. AC2T nutzt Infrastruktur und Wissen, das hauptsächlich aus den Comet K2 Projekten XTribology und InTribology generiert wurde. Aktuell ist eine große Synergie mit InTribology gegeben, das in vielen Kooperationen auf Daten-basierte Instandhaltungsmaßnahmen abzielt. Hier wird großes Potential aus den in IPMAI generiertem Wissen für die Projekte gesehen. (DE), Projekt KI-Net (DE), Projekt KI-Net (CS) | KI-Net: Building blocks for AI-based optimisations in industrial manufacturing, 2020-2022, financující orgán: Interreg Rakousko-Bavorsko (AB292). Tento projekt je rovněž koordinován vedoucím partnerem SCCH. Projekt rozvíjí přeshraniční kompetenční síť, která zkoumá a vyvíjí základní stavební bloky pro optimalizace založené na umělé inteligenci v průmyslové výrobě. To by mělo malým a středním podnikům usnadnit přístup k cílenému využití AI v procesech výroby a údržby. V rámci projektu bude jasně zpracováno, které komponenty/metody AI jsou nejvhodnější pro které úlohy průmyslové výroby. Komponenty/metody AI zahrnují modelování s podporou AI, procesy systémového inženýrství, analýzu dat a metody optimalizace a učení, jakož i aplikační příručku pro využití AI ve výrobě. (CS), Bausteine für KI-basierte Optimierungen in der industriellen Fertigung, 2020-2022, Fördergeber: Interreg Österreich-Bayern (AB292). Dieses Projekt wird ebenfalls von Leadpartner SCCH koordiniert. Das Projekt entwickelt ein grenzübergreifendes Kompetenznetzwerk, das grundlegende Bausteine für KI-basierte Optimierungen in der industriellen Fertigung untersucht, erforscht und entwickelt. Dadurch soll für KMUs der Zugang zum gezielten Einsatz von KI in Produktions- und Instandhaltungs-Prozessen erleichtert werden. Es soll im Projekt klar herausgearbeitet werden, welche KI-Bausteine/Methoden für welche industriellen Fertigungsaufgaben die passendsten sind. Zu den KI-Bausteinen/Methoden zählen KI-gestützte Modellbildung Systems-Engineering Prozesse, Datenanalyse- sowie Optimierungs- & Lernverfahren sowie ein Anwendungsleitfaden für den Einsatz von KI in der Fertigung. (DE), Projekt InTribologie (CS), Projekt In Tribology (DE) | 2020-2024, financující subjekt: FFG, středisko COMET. Vedle "klasických" tribologických stěžejních bodů, jako je výzkum materiálů a maziv, je ústředním tématem výzkumu InTribology digitalizace. Ta umožňuje efektivně a přesně rekonstruovat výrobní procesy, aby bylo možné přizpůsobit aktuální tribologické podmínky také při údržbě. Konkrétně se vyvíjejí nové metody umělé inteligence, které umožňují včas odhalit opotřebení strojů na základě zbytků v mazivech, aby se předešlo poruchám strojů a naplánovala se údržba. Vyvinuté metody jsou přenositelné a mohou sloužit jako základní stavební kameny pro tento projekt. (CS), 2020-2024, Fördergeber: FFG, COMET-Zentrum. Neben „klassischen“ tribologischen Schwerpunkten wie Werkstoff- und Schmierstoffforschung ist in InTribology Digitalisierung ein zentrales Forschungsthema. So kann eine effiziente und akkurate Nachstellung von Produktionsprozessen erfolgen, um auch die Instandhaltung an die aktuellen tribologischen Gegebenheiten anzupassen. Konkret werden neue KI-Methoden entwickelt, um den Verschleiß von Maschinen anhand von Rückständen in Schmierstoffen rechtzeitig erkenne zu können, um Maschinenausfälle zu vermeiden und Wartungen zu planen. Die entwickelten Methoden sind übertragbar und können als Basisbausteine für das vorliegende Projekt dienen. (DE), Projekt Testbed Exchange (CS), Projekt Testbed Exchange (DE) | Projekt Testbed Exchange (číslo projektu Interreg ATCZ281, 2021-2022) si kladl za cíl nastartovat užší spolupráci mezi odbornými pracovišti v ČR a Rakousku v oblasti Industry 4.0. Tato pracoviště, tzv. testbedy již nyní poskytují technologické zázemí, i know-how nejen při standartním vzdělávání studentů, ale také pro experimentální výzkum, vývoj a spolupráci s aplikační sférou. Cílem projektu bylo odborné i personální propojení těchto pracovišť a vybudování profesních a partnerských vztahů, které v budoucnu umožní spolupráci v oblasti vědy či aplikačních projektů. Nedílnou součástí projektu je též vzdělávání laické i odborné veřejnosti, které proběhlo prostřednictvím série několika on-line diskusí na vybraná témata. (CS), Das Projekt Testbed Exchange (Projektnummer Interreg ATCZ281, 2021-2022) zielte darauf ab, eine engere Zusammenarbeit zwischen professionellen Arbeitsplätzen in der Tschechischen Republik und Österreich auf dem Gebiet der Industrie 4.0 zu starten. Diese Arbeitsplätze, die sogenannten Testbeds, bieten bereits technologischen Hintergrund und Know-how nicht nur für die Standardausbildung von Studenten, sondern auch für experimentelle Forschung, Entwicklung und Zusammenarbeit mit dem Anwendungsbereich. Ziel des Projektes war es, diese Arbeitsplätze fachlich und persönlich zu vernetzen und fachliche und partnerschaftliche Beziehungen aufzubauen, die eine zukünftige Zusammenarbeit im Bereich der Wissenschaft oder bei Anwendungsprojekten ermöglichen. Ein integraler Bestandteil des Projekts ist auch die Bildung der allgemeinen und fachlichen Öffentlichkeit, die durch eine Reihe von mehreren Online-Diskussionen zu ausgewählten Themen stattfand.
(DE), Projekt Řiditelná úchopová mechanika (CS), Projekt Controllable Grip Mechanics (DE) | Projekt Řiditelná úchopová mechanika (GAČR 23-04676J, česko-korejský bilaterální projekt 2023-2024) usiluje o rozšíření znalostí úchopové mechaniky, založené na 3D-tištěných elektroaktivních materiálech a pneumaticky roztažitelných strukturách typu origami/kirigami, pro aplikace v robotice, biomedicíně a kosmickém průmyslu. Obě koncepce se navzájem porovnávají. Projekt cílí na řešení otevřených vědeckých otázek v oblasti poddajné robotiky zejména: zda elektroaktivní materiály vyrobené 3D tiskem jsou vhodné pro řízenou deformaci; jaké kontaktní síly lze očekávat s ohledem na elektrickou excitaci; jaké jsou rozsahy řiditelných deformací; zda je možné řízení mechaniky otisku v reálném času. Projekt propojuje fyzikální a numerické modelování vybuzených deformací; měření a identifikaci parametrů konstitutivních modelů elektromechanické vazby; návrh prediktivního řízení s podrobnými i redukovanými numerickými predikcemi. Získané teoretické znalosti a výstupy ze simulací jsou použity pro experimentální ověření na plánovaném testovacím stanovišti dvoučelisťové elektricky řízené mechaniky se snímáním kontaktních sil. (CS), Das Projekt Controllable Grip Mechanics (GAČR 23-04676J, tschechisch-koreanisches bilaterales Projekt 2023-2024) zielt darauf ab, das Wissen über die Griffmechanik auf der Grundlage von 3D-gedruckten elektroaktiven Materialien und pneumatisch dehnbaren Origami-/Kirigami-Strukturen für Anwendungen in der Robotik, Biomedizin und Raumfahrt zu erweitern. Die beiden Konzepte werden miteinander verglichen. Das Projekt zielt darauf ab, offene wissenschaftliche Fragen im Bereich der nachgiebigen Robotik zu klären, insbesondere: ob elektroaktive Materialien, die durch 3D-Druck hergestellt werden, für eine kontrollierte Verformung geeignet sind; welche Kontaktkräfte bei elektrischer Erregung zu erwarten sind; welche Bereiche kontrollierbarer Verformungen es gibt; ob eine Echtzeitkontrolle der Fingermechanik möglich ist. Das Projekt kombiniert physikalische und numerische Modellierung der angeregten Verformungen; Messung und Parameteridentifizierung konstitutiver elektromechanischer Kopplungsmodelle; Entwurf einer prädiktiven Steuerung mit detaillierten und reduzierten numerischen Vorhersagen. Die erworbenen theoretischen Kenntnisse und Simulationsergebnisse werden zur experimentellen Validierung an einem geplanten Prüfstand für elektrisch gesteuerte Zweielement-Mechanik mit Kontaktkrafterfassung verwendet. (DE), Multifunkční smykadla s velkým výsuvem a koncepcí box-in-box (CS), Multifunktionale Kufen mit großem Auszug und Box-in-Box-Konzept (DE) | Projekt „Multifunkční smykadla s velkým výsuvem a koncepcí box-in-box“ (program TA – Podpora aplikovaného výzkumu a experimentálního vývoje „ALFA“, poskytovatel podpory TAČR, č. projektu: TA04011624). Cílem projektu byl vývoj nové řady multifunkčních smykadel pro frézovací, soustružnické a vyvrtávací operace s velkým výsuvem 3 – 5 m a přípravou pro vestavěnou výsuvnou pinolu s dalším výsuvem 1 m. Smykadlo bylo navrženo pro svislé a vodorovné umístění na strojích v koncepci box-in-box a bylo vybaveno souvisle řízenou osou „C“. Vývoj smykadla byl proveden s ohledem na optimalizaci strukturálních vlastností, zvýšení tlumení pasivními a aktivními prostředky a minimalizaci statických úhlových chyb svěšením smykadla a minimalizaci teplotních chyb. Smykadlo s velkým výsuvem umožnilo významně rozšířit technologické aplikace velkých strojů TOS KUŘIM – OS, a.s. a přispělo k dosažení vyšší efektivity výroby nadrozměrných složitých obrobků. (CS), Das Projekt "Multifunktionale Kufen mit großem Auszug und Box-in-Box-Konzept" (TA - Unterstützung für angewandte Forschung und experimentelle Entwicklung "ALFA"-Programm, TAČR Support Provider, Projekt Nr.: TA04011624). Ziel des Projekts war die Entwicklung einer neuen Reihe von multifunktionalen Skids für Fräs-, Dreh- und Bohrarbeiten mit einer großen Verlängerung von 3-5 m und die Vorbereitung für einen eingebauten Verlängerungspinol mit einer zusätzlichen Verlängerung von 1 m. Der Schlitten wurde für die vertikale und horizontale Aufstellung auf Maschinen in einem Box-in-Box-Konzept konzipiert und mit einer stufenlos gesteuerten "C"-Achse ausgestattet. Bei der Entwicklung des Skids wurde darauf geachtet, die strukturellen Eigenschaften zu optimieren, die Dämpfung durch passive und aktive Maßnahmen zu erhöhen und die statischen Winkelfehler durch das Absenken des Skids zu minimieren sowie die thermischen Fehler zu verringern. Der Schlitten mit einer großen Verlängerung ermöglichte es, die technologischen Anwendungen der Großmaschinen von TOS KUŘIM - OS, a.s. erheblich zu erweitern und trug dazu bei, eine höhere Effizienz bei der Herstellung übergroßer komplexer Werkstücke zu erreichen. (DE), Projekt Teplo (CS), Projekt Teplo (DE) | Projekt Teplo (program FW - TREND, poskytovatel podpory TAČR, č. projektu: FW03010366). Hlavním cílem projektu bylo aplikovat metody umělé inteligence pro sestavení digitálního dvojčete stroje. Za tímto účelem byly zkoumány nejnovější matematické přístupy k predikci odchylky obráběcího stroje, v souladu s konceptem Průmysl 4.0. Kompenzace probíhala na základě matematického modelu stroje a jeho okolí. Model představoval digitální dvojče kyberfyzického systému stroj-okolí. Data pro vytvoření matematického modelu byla získávána experimentálním způsobem v průběhu provozu stroje. Díky tomuto byl stroj schopen během obráběcího procesu zvyšovat svou schopnost predikovat aktuální hodnotu odchylky v obráběcím prostoru. Cílem projektu bylo snížit změnu geometrické odchylky stroje 2-4 násobně oproti stroji bez
kompenzace teplotních dilatací. Výzkum probíhal na stroji MCFV 1260i. (CS), Projekt Teplo (FW - TREND Programm, TAČR Support Provider, Projekt Nr.: FW03010366). Das Hauptziel des Projekts war die Anwendung von Methoden der künstlichen Intelligenz, um einen digitalen Zwilling der Maschine zu erstellen. Zu diesem Zweck wurden die neuesten mathematischen Ansätze zur Vorhersage von Werkzeugmaschinenabweichungen untersucht, im Einklang mit dem Konzept der Industrie 4.0. Die Kompensation wurde auf der Grundlage eines mathematischen Modells der Maschine und ihrer Umgebung durchgeführt. Das Modell stellte den digitalen Zwilling des cyber-physischen Maschinen-Umwelt-Systems dar. Die Daten für die Erstellung des mathematischen Modells wurden experimentell während des Betriebs der Maschine gewonnen. Im Ergebnis konnte die Maschine ihre Fähigkeit zur Vorhersage des tatsächlichen Wertes der Abweichung im Bearbeitungsraum während des Bearbeitungsprozesses verbessern. Ziel des Projekts war es, die Änderung der geometrischen Abweichung der Maschine um den Faktor 2-4 im Vergleich zu einer Maschine ohne
Temperaturdilatationen zu kompensieren. Die Untersuchung wurde auf einer MCFV 1260i Maschine durchgeführt. (DE), Výzkumné partnerství: optimalizace procesů při výrobě v chemickém průmyslu pomocí umělé inteligence (CS), Prozessoptimierung in der chemischen Industrie durch künstliche Intelligenz (DE) | INTER-EXCELLENCE II, INTER-ACTION - LUABA22, bilaterales Projekt Tschechische Republik-Bayern, Anbieter MŠMT. Projekt-ID LUABA22069, 01.07.2022 - 31.12.2024, das Projekt befasst sich mit dem Einsatz von Methoden der künstlichen Intelligenz, die für chemisch-technologische Prozesse geeignet sind, bei denen es sinnvoll ist, analysierbare und erklärbare maschinelle Lernalgorithmen einzusetzen. Das Hauptziel des Projekts ist es, die Grundlage für eine Forschungszusammenarbeit in einem größeren Konsortium europäischer Partner zu schaffen. Derzeit besteht das Konsortium aus 5 europäischen Ländern, darunter die Tschechische Republik und Österreich. (DE), INTER-EXCELLENCE II, INTER-ACTION – LUABA22, bilaterální projekt ČR-BAVORSKO, poskytovatel MŠMT. projekt ID LUABA22069, 01/07/2022 - 31/12/2024, projekt řeší využití metod umělé inteligence vhodné pro chemicko-technologické procesy, kde je vhodné používat analyzovatelné a vysvětlitelné algoritmy strojového učení. Hlavním účelem projektu je pak položit základ výzkumné spolupráce v širším konsorciu evropských partnerů. V současné době se konsorcium skládá z 5ti evropských zemí včetně České Republiky a Rakouska. (CS), Projekt "Smart Factory Lab" (EFRE/IWB 2014-2020) (DE), Projekt "Smart Factory Lab" (EFRE/IWB 2014-2020) (CS) | Cílem projektu ERDF Smart Factory Lab (doba trvání 01/2016 - 12/2021) bylo zřídit síťovou technologickou laboratoř pro vývoj a testování inovativních technologií, metod a konceptů pro inteligentní výrobu v průběhu životního cyklu výrobku. V Institutu pro inteligentní výrobu Hornorakouské vysoké školy aplikovaných věd se zaměřili na výzkumná témata prediktivní údržby, včetně integrace technologií smíšené reality do procesu údržby, a generativní výroby s využitím procesů práškových trysek a souvisejících nových obchodních modelů. Partner projektu PP2 FH OOE (výzkumná skupina HEAL) se zaměřil na vývoj a praktickou aplikaci interpretovatelných metod pro implementaci prediktivní údržby v kontextu Průmyslu 4.0. Klíčové úspěchy projektu, které lze využít i pro aktuální, související projekt:
- Vývoj a publikace algoritmů založených na umělé inteligenci pro detekci chybného chování systému (viz např. [1]).
- Implementace a zveřejnění metod jako softwaru s otevřeným zdrojovým kódem.
- Realizace různých případů použití prediktivní údržby s hornorakouskými a dolnorakouskými společnostmi, např. společnostmi Lisec Austria GmbH, Internorm International GmbH, Scheuch GmbH atd.
Projekt byl spolufinancován z prostředků Evropského fondu pro regionální rozvoj (ERDF) a z programu financování Investice do růstu a zaměstnanosti 2020 (IWB) spolkové země Horní Rakousko.
[1] Zenisek, J., Holzinger, F., & Affenzeller, M. (2019). Detekce driftu konceptu na základě strojového učení pro prediktivní údržbu. Computers & Industrial Engineering, 137, 106031. (CS), Ziel des EFRE Projekts Smart Factory Lab (Laufzeit 01/2016 - 12/2021) war der Aufbau eines standortübergreifenden vernetzten Technologie-Labors zur Entwicklung und Erprobung innovativer Technologien, Methoden und Konzepte für Intelligente Produktion entlang des Produktlebenszyklus. Am Institut für Intelligente Produktion der FH OÖ lag der Fokus auf den Forschungsthemen Predictive Maintenance inklusive der Einbindung von Mixed Reality Technologien in den Instandhaltungsprozess und Generative Fertigung mittels Pulverdüsenverfahren und damit in Verbindung stehende neue Geschäftsmodelle. Der Projektpartner PP2 FH OOE (Forschungsgruppe HEAL) konzentrierte sich im Rahmen dieses Projekts auf die Entwicklung und praktische Anwendung interpretationsfähiger Methoden zur Implementierung von Predictive Maintenance im Umfeld von Industrie 4.0. Wesentliche Erfolge des Projekts, die auch für das gegenständliche, themenverwandte Projekt nutzbar sind:
- Entwicklung und Veröffentlichung von KI-basierten Algorithmen zur Erkennung von fehlerhaftem Systemverhalten (siehe z.B. [1])
- Implementierung und Veröffentlichung der Methoden als Open Source Software
- Umsetzung diverser Predictive Maintenance Use Cases mit ober- und niederösterreichischen Unternehmen, z.B. Lisec Austria GmbH, Internorm International GmbH, Scheuch GmbH, etc.
Das Projekt wurde aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) und des Förderprogramms Investition in Wachstum und Beschäftigung 2020 (IWB) des Landes Oberösterreich kofinanziert.
[1] Zenisek, J., Holzinger, F., & Affenzeller, M. (2019). Machine learning based concept drift detection for predictive maintenance. Computers & Industrial Engineering, 137, 106031. (DE), Projekt "Secure Prescriptive Analytics" (FTI / #upperVISION2030) (DE), Projekt "Secure Prescriptive Analytics" (FTI / #upperVISION2030) (CS) | Projekt RTI SPA - Secure Prescriptive Analytics (doba trvání: 01/2022 - 12/2025) se zabývá vývojem čtvrté úrovně analýzy založené na datech: 1. popisné. 2. diagnostická, 3. prediktivní, 4. preskriptivní. Na rozdíl od prediktivní analytiky ("Co se stane?") je cílem preskriptivní analytiky vytvářet na základě předpovědi návrhy opatření, aby bylo možné přesně čelit (nežádoucím), předpovídaným stavům (např. očekávané poruše stroje) (tj. "Co s tím dělat?"). Aby bylo možné vyvinout nejen přesná, ale i důvěryhodná opatření, je v projektu SPA kladen zvláštní důraz na aspekt interpretovatelné a data chránící UI. Aby bylo možné dosáhnout čtvrté analytické úrovně, je vyvíjen nový metodologický koncept, který spojuje několik dílčích disciplín v oblasti digitálních, na datech založených metod - včetně strojového učení zachovávajícího soukromí, interpretovatelného strojového učení, heuristické optimalizace, simulace a digitálního dvojčete. V rámci projektu SPA se vyvíjejí především metodické základy, které jsou za nízkou cenu zpřístupněny jako software s otevřeným zdrojovým kódem. Kromě toho se vyvíjejí vzorové případy použití (např. optimalizace výrobního plánu, odolnost energetické sítě atd.) a zkoumají se další aplikační potenciály. V souladu s tím je také deklarovaným cílem projektu zpřístupnit vyvinutý obsah dalším, podobným projektům, a tím dále ověřit vývoj: Projekt IPMAI tak může těžit z metodické základny vývoje SPA, která byla mezitím vytvořena. Naopak zvláštní případy užití z oblasti přenosové techniky IPMAI představují další testy pro ověření a vedení vývoje SPA. (CS), Das FTI-Projekt SPA - Secure Prescriptive Analytics (Laufzeit: 01/2022 - 12/2025) beschäftigt sich mit der Entwicklung der vierten Stufe der datenbasierten Analytik: 1. deskriptiv. 2. diagnostisch, 3. prädiktiv, 4. präskriptiv. Im Unterschied zur prädiktiven Analytik ("Was wird passieren?"), hat die präskriptive Analytik zum Ziel auf der Prädiktion aufbauende Handlungsvorschläge zu generieren, um (ungewollten), prädizierten Zuständen (z.B. ein erwarteter Machinenausfall) akkurat begegnen zu können (i.e. "Was soll dagegen getan werden?"). Um nicht nur präzise, sondern auch vertrauenswürdige Maßnahmen entwickeln zu können, liegt ein besonderer Fokus im Projekt SPA auf dem Aspekt interpretierbarer und datenschützender KI. Um die vierte analytische Stufe zu erreichen, wird ein neues methodisches Konzept zur Zusammenführung mehrerer Teildisziplinen im Bereich digitaler, datenbasierter Methoden - u.a. Privacy Preserving Machine Learning, Interpretable Machine Learning, Heuristische Optimierung, Simulation und Digital Twin - entwickelt. Im Projekt SPA werden vornehmlich die methodischen Grundlagen entwickelt und als Open Source Software niederschwellig bereitgestellt. Darüber hinaus werden exemplarische Use Cases entwickelt (z.B. Produktionsplanoptimierung, Energienetzresilienz etc.) und weitere Anwendungspotentiale ausgelotet. Dementsprechend ist es auch erklärtes Projektziel die erarbeiteten Inhalte für andere, ähnlich gelagerte Projekte zur Verfügung zu stellen und somit die Entwicklungen weiter zu validieren: Das gegenständliche Projekt IPMAI kann somit von der zwischenzeitlich erarbeiteten, methodischen Entwicklungsbasis von SPA profitierten. Umgekehrt, repräsentieren die speziellen Use Cases aus dem Bereich Getriebetechnologie von IPMAI zusätzliche Tests für die Validierung und Lenkung der SPA-Entwicklungen. (DE)

Total budget/expenditure: EUR 1 715 267.90

Total EU funding (amount): EUR 1 372 214.30

Total EU funding (co-financing rate): 80.00%

Co-financing sources:

ERDF: Amount, EUR 1 372 214.30. Co-financing rate, 80.00%.

Investments, deliverables, policy contributions

(bullets are inserted automatically and may be incorrectly placed)

Deliverables:

Konstruktion und Montage der Mess- und Prüfstation: Stand Cobot
Projektování a sestavení měřícího a testovacího stanoviště: Stand Cobot
Projektování a sestavení měřícího a testovacího stanoviště: Stand Koubů
Entwurf und Montage der Mess- und Prüfstation: Stand Gelenke
Modellversuche
Modelové testy
Dvojice hodnotících zařízení
Auswertung Zahnradpaare
Generování syntetických dat
Erzeugung synthetischer Daten
Erzeugung synthetischer Anomalien
Generování syntetických anomálií
Informační materiály
Informationsmaterialien
Ukotvení projektu na webových stránkách
Projektverankung auf Webseiten
Konala se 1. konference IPMAI
1. IPMAI Konferenz durchgeführt
Posting auf Social Media
Zveřejňování příspěvků na sociálních sítích
Extrakce příznaků
Merkmalsextraktion
Modul vysvětlitelnosti a předpisů s využitím příznaků
Modul "Erklärbarkeit und Verschreibungen" mit Merkmalen
Realizace vysvětlitelnosti
Realisierung der Erklärbarkeit
Präskriptionen
Předpisy
Demonstrační varianta provedení
Demonstrationsversion
Příspěvky na sociálních sítích
Postings auf Social Media
2. konference IPMAI
2. IPMAI Konferenz
Model TCO (celkové náklady na vlastnictví)
TCO-Modell (Total Cost of Ownership)
Hodnocení nákladů TCO
TCO Kostenauswertung
FMEA (PAN+CEN-Wissens-Graph)
FMEA (PAN+CEN-Knowledge-Graph)
Exemplarische Fehler-Ursachen-Analyse
Příkladná analýza příčin závad
Šíření výsledků
Ergebnisverbreitung
Validierung in Form von Unternehmensgesprächen
Ověřování formou rozhovorů s firmami

Contribution to wider strategies and policies:

EUStrategyDanubeRegion Třetí tematický pilíř strategie EU pro Podunají je věnován budování prosperity v Podunají.
Priorita 7 tohoto pilíře je zaměřena na rozvoj znalostní společnosti prostřednictvím výzkumu, vzdělávání a informačních technologií. Přeshraniční spolupráce plánovaná v tomto projektu a šíření výsledků prostřednictvím vědeckých publikací jsou jádrem cílů pro posílení spolupráce mezi univerzitami, výzkumnými institucemi a malými a středními podniky (MSP) a zvýšení povědomí a zviditelnění vědy a inovací.
Priorita 8 - Podpora konkurenceschopnosti podniků, která rovněž patří do tohoto pilíře, je v tomto projektu rovněž přímo řešena. Jasným cílem této priority je rozšíření spolupráce a výměny znalostí mezi malými a středními podniky, vědeckou komunitou a veřejným sektorem. Toho bude dosaženo jednak prostřednictvím projektového partnerství, šíření vědeckých poznatků, plánované práce s veřejností a interakce s podniky popsané v WP3. Údržba založená na umělé inteligenci jako jádro projektu sleduje právě cíl definovaný v této prioritě, a to podpořit podniky, aby posílily inovační a digitální kapacity malých a středních podniků, jakož i cíl zvýšit uplatnění technologií umělé inteligence v malých a středních podnicích v regionu.
Other Strategie RTI 2030 - Strategie spolkové vlády pro výzkum, technologie a inovace: Cílem Strategie RTI 2030 rakouské spolkové vlády je posílit postavení Rakouska na mezinárodním poli. Strategie definuje výzkum, technologie a inovace jako elementární předpoklad udržitelného růstu a větší odolnosti celého hospodářského systému, neboť podniky s intenzivním výzkumem a vývojem nejenže vytvářejí více pracovních míst, ale jsou také odolnější vůči krizím a úspěšnější.
Definice strategie považuje roztříštěnost špičkového výzkumu v Rakousku a institucionální roztříštěnost vědních oborů za charakteristický rys vyvíjejícího se výzkumného prostředí, kterému je třeba čelit zvýšenou spoluprací. Kromě toho by strategie měla věnovat zvláštní pozornost posílení a rozšíření aplikovaného výzkumu jako překlenovací funkce mezi základním výzkumem a potřebami průmyslu a společnosti. Tomuto vymezení odpovídá stávající spolupráce z minulých a současných projektů projektových partnerů, která má být v tomto projektu dále prohloubena, stejně jako výběr partnerů podél inovačního řetězce.
Zvláštní zmínku si zaslouží příspěvek k oblasti činnosti 2 - zaměření na efektivitu a excelenci. Aplikovaný výzkum a jeho dopad na hospodářství jsou zde definovány jako ústřední bod. Patří sem digitalizace ekonomiky, posílení otevřeného a technologicky neutrálního podnikového výzkumu, spolupráce mezi vědou a podniky a transfer znalostí a technologií a zlepšení inovační kapacity a produkce malých a středních podniků, což jsou stěžejní témata projektu.
Other "Innovationsstrategie der Tschechischen Republik 2019-2030" - das Projekt wird zur Umsetzung der "Innovationsstrategie der Tschechischen Republik 2019-2030" beitragen, insbesondere zur Priorität "Das Land der Digitalisierung: digitaler Staat, Produktion und Dienstleistungen". Das strategische Ziel der Tschechischen Republik ist es, die Wettbewerbsfähigkeit in der globalen Wirtschaft zu stärken, indem moderne Technologien in die Produktion eingeführt werden, einschließlich Digitalisierung, Automatisierung, Robotisierung und andere. Die Zielgruppen sind vor allem KMU und kleine mittelständische Unternehmen. Ein Teil der Unterstützung ist auch für große mittelständische Unternehmen bestimmt. Das IPMAI-Projekt wird den Prozess der Verbesserung der Qualität der vorausschauenden Wartung von Cobots (= kollaborative Roboter) erleichtern, die einen großen Nutzen bei der Automatisierung von Prozessen haben, die für herkömmliche Automatisierungsmethoden unzugänglich sind. Ein wichtiger Aspekt von Cobots ist ihre Lebensdauer und der damit verbundene finanzielle Ertrag. Um eine möglichst lange Lebensdauer zu erreichen, muss sichergestellt werden, dass der Roboter unter optimalen Bedingungen arbeitet. Eines der Ziele des IPMAI-Projekts ist die Entwicklung einer Anwendung, mit der sich die Überlastung mechanischer Teile von Cobots einfach und kostengünstig feststellen lässt. Der Grund dafür ist, dass Cobots sehr teuer sind und der Kauf eines Cobots eine viel größere finanzielle Herausforderung darstellt als die routinemäßige Wartung eines vorhandenen. Die Tschechische Republik ist bestrebt, die Verlagerung der Cobot-Wartung ins außereuropäische Ausland (z. B. nach Asien), in die USA und in andere Länder zu verhindern. Aus diesem Grund ist es sehr wichtig, den Bereich der vorausschauenden Wartung zu unterstützen, damit Cobots in Mitteleuropa (z. B. in der Tschechischen Republik, Österreich, Deutschland) und nicht in Übersee oder in anderen Ländern der Welt gewartet werden müssen.
Other Die Umsetzung der Wirtschaft- und Forschungsstrategie OÖ #upperVision2030 hat zum Ziel, Oberösterreich als Wirtschafts-, Industrie- und Forschungsstandort zu sichern und die internationale Wettbewerbsfähigkeit zu erhalten. Schlüsselkonzepte dazu sind Smart Specialisation und die rasche Überführung von Forschungsergebnissen in die wirtschaftliche Anwendung, um Oberösterreich an die Spitze technologischer Weiterentwicklungen zu bringen. Diese rasche Überführung der Ergebnisse in die Unternehmen, ist Ziel des vorliegenden Projektes, und trifft die Kernkompetenz der beteiligten angewandten Forschungszentren.
Das Erzeugen von Wissen und die Wertschöpfung durch die Nutzung von Daten als erstes Ziel des Handlungsfeldes Digitale Transformation ist der Kern von KI-basierter Instandhaltung und durch den Ansatz der Erklärbarkeit der KI wird auch der Bereich Human-Centered Artificial Intelligence adressiert.
Die Ergebnisse des Projektes stärken ebenso das Handlungsfeld für effiziente und nachhaltige Produktion, insbesondere Ziel 2 zur Erhöhung der Effizienz, da eine optimale Instandhaltung Ressourcen schont und Ausschuss vermindert.
Other "Regionální inovační strategie Jihomoravského kraje 2021–2027" - v rámci Jihomoravského kraje přispěje projekt IPMAI k implementaci této strategie v následujícím strategickém cíli: č. 7) #brnoregion jako laboratoř budoucnosti, a to především díky plánovanému unikátnímu výzkumu, který přinese výsledky a užitek regionálním malým a středním podnikům. Jihomoravský kraj je jedním z prvních krajů v České republice, který kladl velký důraz na inovace v době porevoluční (po roce 1989). Je akcentován velký důraz na konkurenceschopnost firem, na zavádění moderních technologií do výroby, na zavádění robotizace. Jak již název strategického cíle říká, cílovou skupinou by měly být primárně SMEs. Mnoho firem se bude v budoucnu potýkat s problémem údržby stávajících kobotů (= kolaborativních kobotů), neboť stále více firem v Jihomoravském kraji (avšak i v jiných krajích České Republiky) nasazuje koboty do své výroby. Projekt IPMAI napomůže procesu zkvalitňování prediktivní údržby kobotů, které mají hlavní využití při automatizaci procesů, které jsou nepřístupné pro konvenční způsoby automatizace. Důležitým aspektem u kobotů je jejich životnost a s ní spojená finanční návratnost. Abychom byli schopni dosáhnout co nejdelší životnosti, je třeba se ujistit, že robot operuje v optimálních podmínkách. Projekt IPMAI si jako jeden z výstupů stanovil vyvinout aplikaci k jednoduchému a levnému odhalení přetížení mechanických částí kobotů. Koboty jsou totiž velmi drahé a nákup zcela nového kobotu je finančně pro firmy mnohem náročnější, než rutinní údržba stávajícího kobotu.
Other Strategie digitalizace Dolní Rakousko
Ta předpokládá rozvoj ve třech směrech (digitální fitness; digitální infrastruktura; digitální řešení) v rámci 8 oblastí činnosti. Zde přispíváme s IPMAI zejména k "Digitálním řešením", které Dolní Rakousko definuje takto: "Tímto směrem se dosáhne toho, aby podniky, zejména malé a střední podniky a začínající podniky, vyvíjely nové, na zákazníka orientované služby a produkty a také aby se veřejná správa v Dolním Rakousku nadále silně angažovala v digitální transformaci a šla příkladem ve své vlastní organizaci s cílem vytvářet přidanou hodnotu pro společnost.
vytvářet přidanou hodnotu pro společnost". Toho bude dosaženo ve třech oblastech činnosti: Síťové platformy; Data; Digitalizace ve veřejné správě. Zde projekt přispívá zejména k "platformám pro vytváření sítí", které jsou rovněž základním kamenem programu Interreg. Děje se tak prostřednictvím komplexního konsorcia v aktivním kontaktu s místními malými a středními podniky a plánovaných informačních akcí, které umožňují snadné seznámení s tématem. Jádrem IPMAI je také oblast činnosti "data". Propojením strojových dat a tréninkových algoritmů vzniká univerzálně použitelný nástroj pro malé a střední podniky v programovém regionu, který lze snadno aplikovat i v jejich firmách. Shrnuto: Dolní Rakousko si ve své strategii digitalizace klade za cíl připravit podniky na budoucí výzvy ve výrobě. Program PredMAIn dobře zapadá do dolnorakouské strategie výzkumu a vývoje díky svému síťovému charakteru s místními malými a středními podniky a přeshraničnímu partnerství v oblasti výzkumu a vývoje.
Other FTI Strategie Niederösterreich 2027
Die FTI Offensive in Niederösterreich sieht die Fortführung und Stärkung von Forschung deutlich vor. Dies soll auf den drei Grundprinzipien "Kooperationen stärken und ausbauen"; "Partizipation ermöglichen" und " Effizienz und Transparenz steigern" aufbauen. Hier trägt IPMAI zu den ersten beiden Grundprinzipien bei: das Interreg-Programm ist wesentlich für die Stärkung von Kooperationen, wo auch wir dazu beitragen. Neben der Vernetzung der Forschungspartner wird auch starker Fokus auf die Dissemination von Erkenntnissen an KMU und die Öffentlichkeit gelegt, was im Kern "Partizipation ermöglichen" der FTI Strategie liegt.
Other Akční plán EU pro rovnost žen a mužů
S cílem posílit rovné zacházení se ženami je toto zohledněno ve všech aspektech projektu. Týká se to jak využívání lidských zdrojů, tak dostupnosti výsledků výzkumu, které jsou bez omezení zpřístupněny všem etnickým skupinám a pohlavím. Tento projekt rovněž přispívá k nadšení žen pro technické profese (MINT) prostřednictvím cílených výzev k předkládání návrhů a žádostí (např. prostřednictvím programů FFG Innovatorinnen a FEMtech).
Other Zelená dohoda EU
Evropská zelená dohoda umožňuje zamezit vzniku skleníkových plynů a šetřit zdroje. IPMAI přispívá k oběma cílům: provoz převodovek v optimálním tribologickém rozsahu umožňuje jejich energeticky nejúčinnější využití. Zamezení nepříznivým třecím podmínkám, způsobeným například opotřebením, rovněž zvyšuje energetickou účinnost a snižuje emise skleníkových plynů z výrobních strojů. Větší efekt se projevuje v šetření zdrojů surovin, kterého se dosahuje co nejdelším provozem převodovek. Prediktivní údržba umožňuje provozovat převodovky až do skutečného konce jejich životnosti a zabraňuje jejich předčasné výměně, jak je tomu v případě běžných plánů údržby. Prostřednictvím IPMAI je tento způsob údržby zpřístupněn malým a středním podnikům nízkoprahovým způsobem, čímž se zvyšuje environmentální efekt díky většímu využívání.
Other Národní výzkumná a inovační strategie pro inteligentní specializaci České republiky 2021 – 2027
Prioritní strategie Kraje Vysočina:
- Poradenské služby pro zavádění nových technologických trendů do výroby a provozu
- Rozvoj prostředí pro špičkový výzkum (infrastrukturní, přístrojové a materiální)
- Zpřístupnění přístrojového vybavení výzkumných institucí pro potřeby externích uživatelů
- Rozvoj aktivit v oblasti digitalizace a Průmyslu 4.0 (např. příprava a realizace projektů přeshraniční spolupráce – Přeshraniční přenos znalostí v oblasti Průmysl 4.0, zvyšování kvalifikace v problematice Průmyslu 4.0 a souvisejících trendech ve firmách a na středních či vysokých školách, aj.)
- Opatření na podporu kybernetické bezpečnosti a rozvoje umělé inteligence
Tato témata jsou v projektu IPMAI zahrnuta a budou partnerům regionu nabízena formou konzultací a služeb. Pomocí výstupů projektu IPMAI budou zajištěny znalosti údržby strojů založených na základě AI a zpřístupněny malým a středním podnikům, čímž se zvyšuje environmentální efekt díky většímu využívání a konkurenceschopnosti malých a středním podnikům regionu.
Other Předkládaný projekt je v souladu s cíli Prioritní osy 1: Smart region a konkurenceschopná regionální ekonomika Programu rozvoje Jihočeského kraje 2021-2027. Projekt naplňuje strategický cíl č. 1.2: Regionální konkurenceschopnost a podpora podnikatelských aktivit Předmětem tohoto strategického cíle stejně jako tohoto projektu je zlepšení regionální konkurenceschopnosti malých a středních podniků v regionu se zaměřením na perspektivní odvětví s vysokou přidanou hodnotou.
Tento strategický cíl se dále zaměřuje na podporu začínajících firem „start-upů“ s významným prorůstovým potenciálem, jejichž růst chce Jihočeský kraj stimulovat prostřednictvím vybudovaných infrastruktur a zprostředkovaných expertních služeb.
Other Das IPMAI-Projekt unterstützt die Ziele der Strategie "Wien 2030 - Wirtschaft und Innovation" unter anderem in folgenden Bereichen:
ZIEL 3.3: Forschung und Unternehmen finden in Wien optimale Voraussetzungen für die rasche Umsetzung neuer digitaler Geschäftsmodelle in "Wiener Qualität" zu marktfähigen Produkten und Dienstleistungen.
Das Projekt schafft optimale Voraussetzungen für die Umsetzung neuer digitaler Geschäftsmodelle in "Wiener Qualität" zu marktfähigen Produkten und Dienstleistungen. Es bietet den Unternehmen eine Brücke zwischen dem physischen und dem virtuellen System und ermöglicht ein umfassendes Verständnis der Produktionsprozesse durch den Einsatz der Knowledge-Graph-Technologie. Dadurch können innovative digitale Geschäftsmodelle entwickelt werden, insbesondere in den Bereichen Qualitätssicherung und Wartung.
ZIEL 4.2: Die konsequente Ökologisierung von Produktionsprozessen und Produkten aus Wien setzt globale Maßstäbe und wird so zu einer exportfähigen Standortqualität.
Das IPMAI-Projekt legt einen Schwerpunkt auf die Kostenoptimierung und Ökologisierung von Produktionsprozessen. Durch die Verwendung der Knowledge-Graph-Technologie können Treiber der Ressourcennutzung identifiziert werden, um gezielte Maßnahmen zur Reduzierung der Ressourcenverschwendung zu ergreifen. Zudem trägt die Entwicklung einer kostensparenden Wartungsstrategie für Maschinen mit Getrieben zur Schaffung globaler Maßstäbe in der Ökologisierung von Produkten und Produktionsprozessen bei.

Programme Common Output Indicator:

RCO 116 - Jointly developed solutions, Measurement unit:
RCO 081 - Participations in joint actions across borders, Measurement unit:
RCO 007 - Research organisations participating in joint research projects, Measurement unit:

Delivered output indicator(s):

(RCO81) Účast na společných přeshraničních akcích: 29.0

Programme Common Result Indicator:

RCR 104 - Solutions taken up or up-scaled by organisations, Measurement unit:
RCR 008 - Publications from supported projects, Measurement unit:
RCR 085 - Participations in joint actions across borders after project completion, Measurement unit:

Delivered result indicator(s):

(RCO07) An gemeinsamen Forschungsprojekten teilnehmende Forschungseinrichtungen: 4.0
(RCR08) Aus unterstützten Projekten hervorgegangene Publikationen: 2.0

Project part of European Union Macro-Regional or Sea Basin Strategy: EUSDR

Information regarding the data in keep.eu on the programme financing this project

Financing programme

2021 - 2027 Interreg VI-A Austria-Czechia

Latest month of project-partner-call data publication

2026-04

No. of projects in keep.eu / Total no. of projects (% of projects in keep.eu)

51 / 51 (100%)

No. of project partnerships in keep.eu / Total no. of project partnerships (% of project partnerships in keep.eu)

209 / 209 (100%)

Notes on the data

The project-partner-call data published includes two possible inconsistencies related to the two following partnerships: 1. Partnership FMP/KPF ATCZ p-t-p 21-27 The total budget across all partners in this partnership is 7,929,613.70, which is higher than the overall project budget of 1,585,922.70. 2. Partnership FMP/KPF AT-CZ KCR 2021-27 The total budget across all partners in this partnership is 2,687,500.00, while the overall project budget is only 537,500.00

Languages

Contact Form

Interpretable Prescriptive Maintenance using Artificial Intelligence

Description

Thematic information

Partners (11)

Partners map

Summary

Investments, deliverables, policy contributions

Information regarding the data in keep.eu on the programme financing this project

Disclaimer