MaaSiveTwin
MaaSiveTwin hat sich zum Ziel gesetzt, eine digitale Plattform zu entwickeln, um die komplexen Herausforderungen im Zusammenhang mit der Produktion und Logistik kritischer Rohstoffe für den Bereich der sauberen Energien zu behandeln.
Steckbrief
- Beteiligte Departemente Technik und Informatik
- Institut(e) Institut für Intelligente industrielle Systeme (I3S)
- Forschungseinheit(en) I3S / Prozessoptimierung in der Fertigung
- Förderorganisation Europäische Union
- Laufzeit (geplant) 01.04.2024 - 31.03.2028
- Projektleitung Michael Stalder
-
Projektmitarbeitende
Michael Stalder
Jon Kunz
Yanis Lupberger -
Partner
ELEVENES DOO SUBOTICA
ROCK TECH CONSULTING GMBH
Battronics sp.z.o.o (Leading House)
Technische Universität Hamburg
POLYTECHNEIO KRITIS
RTD TALOS LIMITED - Schlüsselwörter Manufacturing as a Service, Discrete Event Simulation, Probabilistic modelling, Critical Raw Materials
Ausgangslage
Die steigende Nachfrage nach kritischen Rohstoffen, die durch neue Technologien wie Batterien und Windkraftanlagen angetrieben wird, macht deutlich, wie dringend es ist, Lieferketten zu optimieren, Ungleichgewichte zwischen Angebot und Nachfrage zu antizipieren und nachhaltige sowie transparente Praktiken sicherzustellen. Das Projekt zielt darauf ab, eine Echtzeit-Überwachungs- und Prognoseplattform zu entwickeln. Mithilfe fortschrittlicher digitaler Werkzeuge und prädiktiver Analysen soll die Plattform Störungen in der Lieferkette, die durch verschiedene Faktoren wie geopolitische Ereignisse und politische Veränderungen verursacht werden, identifizieren und abmildern können. Durch die Förderung von „Manufacturing as a Service“ (MaaS) für die Verarbeitung und Produktion kritischer Rohstoffe will MaaSiveTwin die Effizienz der Lieferkette steigern, Ausfallzeiten minimieren und den Übergang zu einer nachhaltigeren und robusteren Wirtschaft erleichtern, die im Einklang mit EU-Vorschriften und der Energiewende steht.
Vorgehen
Das Projekt umfasst die systematische Erhebung von Daten aus Primärquellen zu Angebot und Nachfrage sowie zu ethischen und Nachhaltigkeitsaspekten, geopolitischen Ereignissen und Zöllen. Diese Daten werden in eine digitale Infrastruktur integriert, welche die automatisierte Erfassung, Speicherung und den Austausch von Daten zwischen den Beteiligten ermöglicht. Auf dieser Grundlage wird im Rahmen des Projekts eine digitale Darstellung der Lieferketten für kritische Rohstoffe entwickelt. Es werden verschiedene Modellierungsansätze angewendet, darunter deterministische, probabilistische und auf maschinellem Lernen basierende Techniken, um Simulationen, Prognosen und Szenarioanalysen zu ermöglichen. In diesem Rahmen ist die BFH für die Entwicklung probabilistischer Modelle auf Basis der diskreten Ereignissimulation verantwortlich. Diese Modelle unterstützen die Analyse von Lieferketten-Dynamiken und helfen dabei, Unsicherheiten einzuschätzen, Risiken zu identifizieren und die Auswirkungen von Störungen auf das Gesamtsystem zu bewerten.
