Methoden der Künstlichen Intelligenz erlauben es, flexibel und präzise auf Fehlerzustände zu reagieren und sind damit das fehlende Puzzlestück für eine Anwendung automatisierter Produktionsansätze sowohl im Weltraum als auch auf der Erde.

Zur Umsetzung dieser Vision werden grundlegende Recovery-Methoden für die In-Orbit Produktion von Kleinsatelliten untersucht. Mittels Methoden der Künstlichen Intelligenz (KI) zur Fehlererkennung und -behebung (Fault Detection, Isolation and Recovery, FDIR) sollen Fehler sowohl auf Komponenten- als auch auf Prozessebene automatisch erkannt und korrigiert werden.

Das Projekt umfasst die drei deutsche Forschungseinrichtungen Technische Universität München, Zentrum für Telematik und die Technische Unversität Darmstadt. Derselbe Verbund hat in den Vorgängerprojekten “AI-In-Orbit-Factory” und “Space Factory 4.0” schon erfolgreich KI- und Industrie 4.0 Methoden für die Vision einer hochflexiblen In-Orbit-Kleinsatellitenproduktion untersucht.

Die Technische Universität München, vertreten durch den Lehrstuhl für Sensorbasierte Robotersysteme und intelligente Assistenzsysteme, entwickelt im Projekt fehlertolerante Methoden zur telerobotischen Montage von CubeSats. Im Fokus stehen dabei die fehlertolerante und adaptive Generierung von Virtual Fixtures (virtuellen Kraftfeldern) sowie deren KI-basierte Korrektur. Weiterhin werden Regelungsansätze untersucht, die diese Methoden für den Einsatz mit den zu erwartenden hohen Latenzen optimieren.

Das Zentrum für Telematik realisiert im Projekt den fehlertoleranten automatisierten Zusammenbau. Mittels einer Roboter- und KI-gestützten autonomen Systemprüfung auf nominales Verhalten sollen Fehler in den Teilsystemen sowie dem fertiggestellten Gesamtsystem frühzeitig erkannt werden. Der Integrationsprozess wird daraufhin adaptiv angepasst und verschiedene geeignete Fehlerkorrektur-Mechanismen einsetzt, um erkannte Fehler direkt noch im Produktionsprozess autonom zu korrigieren.

Die Technische Universität Darmstadt erforscht, vertreten durch das Fachgebiet Product Life Cycle Management, einen fehlertoleranten digitalen Prozesszwilling. Dazu soll ein digitaler Prozesszwilling mit Fehlerdetektions- und Recovery-Fähigkeiten standardisiert werden sowie dessen Interaktion mit den Digitalen Zwillingen der Produktionsressource und des Produkts untersucht werden. Zudem soll die autonome Planung der Prozessreihenfolge weiter flexibilisiert und optimiert werden.

Weblink: https://www.ce.cit.tum.de/rm/research/acor/