Forschungsvereinigungen müssen für die Antragstellung im Rahmen der IGF autorisiert sein. Noch nicht autorisierte Forschungsvereinigungen können einen Antrag auf Autorisierung im Förderprogramm Industrielle Gemeinschaftsforschung (IGF) stellen, wenn die Kriterien gemäß der Anlage Förderrichtline erfüllt sind.
Die Industrielle Gemeinschaftsforschung (IGF) ist ein europaweit einzigartiges, themenoffenes und vorwettbewerbliches Förderprogramm des Bundesministeriums für Wirtschaft und Energie (BMWE), das kleinen und mittleren Unternehmen (KMU) einen einfachen Zugang zu praxisorientierter Forschung ermöglicht.
Eine Kurzdarstellung veranschaulicht den Prozess von der Idee bis zur Veröffentlichung des Forschungsergebnisses.
Hier finden Sie eine Übersicht aller IGF-Forschungsvereinigungen.
IGF bewegt: Erhalten Sie in Bild und Ton Einblicke in die IGF.
Mit den Mitteln der IGF werden im transnationalen Netzwerk CORNET auch Projekte gemeinsam mit internationalen Kooperationspartnern durchgeführt ...
Im Rahmen des IGF-Kongresses wurde das IGF-Projekt des Jahres 2025 gewählt. Unter 23 Einreichungen hat der Wissenschaftliche Rat der IGF drei Finalisten nominiert. Das Gewinner-Team wurde durch das Publikum gewählt.
Ein kleiner Ausschnitt der bisher rund 12000 geförderten Projekte bietet einen Einblick in die Vielfalt der Forschungsthemen.
Die Projektdatenbank der Industriellen Gemeinschaftsforschung (IGF) umfasst rund 12000 abgeschlossene und laufende IGF-Vorhaben seit dem Jahr 1995 und wird regelmäßig aktualisiert.
Hier finden Sie Veranstaltungen mit Bezug zu IGF-Forschungsvorhaben.
Forschung für den Mittelstand - Die IGF-Projektdatenbank
Die Projektdatenbank der Industriellen Gemeinschaftsforschung (IGF) umfasst rund 12000 abgeschlossene und laufende IGF-Vorhaben seit dem Jahr 1995 und wird regelmäßig aktualisiert.
Suchen Sie nach einem exakten Begriff, setzen Sie diesen bitte in Anführungszeichen.
Möchten Sie sich einige Vorhaben als Auswahlliste abspeichern, können Sie diese mithilfe des Kästchens markieren und als PDF anzeigen lassen.
Die Suchergebnisliste zeigt alle Vorhaben in einem PDF-Dokument an.
Weitere Filter finden Sie in der erweiterten Suche.
Ein adaptiv-iteratives Business-Intelligence-System zur Störungs-diagnose und -prognose in Produktions- und Logistikprozessen auf Basis von Lean-Datenerfassung und Sprachassistenz
Laufzeit:01.05.2019 - 30.04.2022
Vorhaben-Nr. 20705 N
Forschungsvereinigung:
Forschungseinrichtungen:
-
Technische Universität Dresden Institut für Technische Logistik und Arbeitssysteme Professur für Technische Logistik
-
Technische Universität Dresden Professur für Wirtschaftsinformatik
-
Technische Universität Dresden Professur für Wirtschaftsinformatik, insbesondere Business Engineering
Vorhabenbeschreibung:
Kleinere und mittlere Unternehmen (KMU) verfügen in der Produktion häufig noch nicht über eine, ihren Prozessen, Produkten und Produktionssystem entsprechende, Datenerfassungsmethode. Eine stark detaillierte Datenerfassung (hohe Erfassungsauflösung) wird i.d.R. gescheut, da sie meist hohen Aufwand oder hohe Kosten verursacht. Die derzeit in Kauf genommene Alternative erzeugt grob-aggregierte, lückenhafte Datenbestände in denen relevante Soll-Ist-Abweichungen im Prozess häufig nicht erkannt werden. Weiterhin werden erkannte Störungen meist nicht tiefgreifend und systematisch analysiert. Die Lösung dieses Konflikts und Defizits liegt in der bedarfsorientierten Anpassung der Rückmeldeauflösung und -häufigkeit sowie einer gestützten Störungsdiagnose und -prognose. Im Forschungsvorhaben wird daher ein KMU-gerechtes, adaptiv-iteratives Business-Intelligence-System (BIS) entwickelt, welches Problemstellen durch gezielte Datenaufnahmen in der Produktion aufdeckt, analysiert und deren Auftreten im Betrieb und bei neuen Produkten abschätzt. Zugleich werden Verschwendungen aufgrund zu häufiger Rückmeldungen vermieden (Lean-Prinzip). Das BIS soll einen durch künstliche Intelligenz gesteuerten Soll-Ist-Abgleich durchführen und den „Auflösungsgrad der Datenaufnahme“ variabel festlegen, um sich iterativ Problemstellen anzunähern. Mittels Sprachassistenz als Erfassungsmedium erfolgt die Rückmeldung aufwandsarm und parallel zur Haupttätigkeit in der einfachsten Kommunikationsform - der natürlichen Sprache. Auf langfristige Sicht sollen die Methoden des maschinellen Lernens darüber hinaus das BIS befähigen, frühzeitig Abweichungen im Prozessverlauf zu prognostizieren und somit einen störungsarmen Produktionsablauf zu sichern. Um die Projektlaufzeit bestmöglich zu nutzen und zugleich möglichst viele Testiterationen durchzuführen, wird die Systementwicklung durch einen mehrstufigen Entstehungsprozess an das Wasserfallmodell bzw. das Prinzip von Simultaneous Engineering angelehnt.
Ergebniszusammenfassung:
Als Ergebnis wurde ein nutzbarer Demonstrator aufgebaut, der insbesondere für KMUs mit einem hohen manuellen Fertigungscharakter eine einfache Prozess- und Stördatenaufnahme per Spracheingabe bereitstellt. Dabei ist das Datenmodell flexibel gestaltet, sodass das Gesamtsystem in verschiedenen industriellen Domänen eingesetzt werden kann. Mittels Dashboard kann die Prozessaufnahme gesteuert und auch analysiert werden. Dies wird anhand von Störungsdatenaufnahmen systemseitig unterstützt. Dabei wurde auf geringe Software- und Hardwarekosten zur Nutzung des Systems geachtet.
Neben der innerbetrieblichen Nutzung ist es denkbar, dass der Sprachassistenz entlang der gesamten Wertschöpfungskette, aber auch im Bau- oder Medizinwesen zur Datenaufnahme zum Einsatz kommen kann, vorausgesetzt ein geeignetes Datenmodell ist hinterlegt. Durch verschiedene Import- und Exportfunktionen kann der Demonstrator mit bestehenden Firmensystemen zusammenarbeiten, hierbei sind ggf. Software-spezifische Anpassungen vorzunehmen.
Letztendlich wurde auch durch verschiedene Workshops den teilnehmenden KMUs allgemein die Relevanz einer systematischen (digitalen) Prozessdokumentation und eines systematischen Störungsmanagements vermittelt.