header06
header05
header04
header03
header02
header01
header
header13
header12
header09
header11
header10
header08
header07


DELIGHT

DELIGHT - Entwurf und Bewertung von Leichtbau PV-Modulen für die Integration in Gebäude und Infrastruktur

Das Hauptziel von DELIGHT ist der Entwurf, die Herstellung und die Bewertung von nachhaltigen, leichtgewichtigen PV-Modulen zur leichteren Integration in bestehende Infrastrukturen (Gebäude, Verkehrsinfrastruktur) mit besonderem Augenmerk auf erhöhte Sicherheit und optimierte ästhetische und konstruktive Integration.

Das Erreichen der ehrgeizigen Ziele der Dekarbonisierung der europäischen Wirtschaft erfordert enorme Anstrengungen.
Die Integration der Photovoltaik in die bestehende Infrastruktur ist eine der wichtigsten Säulen zur Erreichung der Ziele für die Stromerzeugung aus erneuerbaren Energiequellen, insbesondere in Ländern mit begrenzten freien Flächen für den Bau von PV-Großanlagen, die entweder dicht besiedelt (Niederlande, Belgien) oder gebirgig (Österreich, Schweiz) sind. Dies erfordert eine gleichzeitige Optimierung von Energieertrag und Kosten, Zuverlässigkeit und Sicherheit der Module, Gewicht, Ästhetik und Kreislauffähigkeit.
DELIGHT bündelt Fachwissen in all diesen Bereichen und wird einzigartige Lösungen für die Integration von Photovoltaik entwickeln, um energieneutrale und positive Gebäude zu ermöglichen.
DELIGHT wird sich auf erhöhte Zuverlässigkeit, Sicherheit, optimierte Ästhetik und konstruktive Integration von PV-Modulen konzentrieren.

Die Hauptziele sind:

  • Reduzierung des Gewichts der PV-Module und des Konstruktionssystems auf ≤ 6 kg/m² (glasfreies Design) und ≤ 7 kg/m² (Frontglasdesign)
  • Erfüllung der Anforderungen an die ästhetische Integration durch die Verwendung neuartiger, farbiger Komponenten und Beschichtungen
  • Optimierung des elektrischen Moduldesigns im Hinblick auf verschattungstolerante Modultopologien, Verbesserung der Leistung, Sicherheit und Zuverlässigkeit bei teilweiser Verschattung (Modulabschaltung; Abtrennung beschädigter Substrate; Reduzierung oder Beseitigung von Hot-Spots)

Ein Querschnittsziel ist es, die Nachhaltigkeit der Leichtbaumodule insgesamt zu erhöhen, indem Standard-Fluorpolymer-Frontfolien (teuer und schwer zu recyceln) durch Lösungen auf der Basis von beschichteten Polyesterfolien ersetzt werden, wobei recyceltes PET für die Wabenstruktur der Rückseitenfolie verwendet wird.
DELIGHT wird die oben genannten neuen Konzepte und Lösungen auf ein ausreichend hohes TRL-Niveau (6-7) bringen, um das Ökodesign zu verbessern und gleichzeitig die Leistung, Qualität und Zuverlässigkeit zu erhalten.
Die Produkte von DELIGHT PV werden vollständig in der EU entwickelt, hergestellt und optimiert, um den europäischen Markt mit hoher Qualität und Vertrauen zu versorgen.


Partner:

AI Tools for Surface Image Processing

Die Forschungsgruppe entwickelt Oberflächeninspektionslösungen speziell für gemusterte/texturierte Produktoberflächen. Das Herzstück: Die am PCCL entwickelten KI bzw. Deep Learning Methoden ermöglichen ein radikal verkürztes Anlernen des Inspektionssystems anhand von nur 5 bis 10 benötigten Gutteilen. Dabei können Defekte auf Oberflächen zuverlässig erkannt werden. Ein händisches Sammeln von Defektbeispielen inklusive der damit verbundenen zeitaufwendigen Defektmarkierung entfällt dabei gänzlich. Die damit automatisch gefundene Defekte, können in einem nachgeschalteten Trainingsschritt dazu verwendet werden, diese in verschiedene Defektklassen einzuteilen.

Die angewandte Forschung der Arbeitsgruppe umfasst:

  • Oberflächeninspektion von texturierten/gemusterten Oberflächen, wie etwa Kunststoffspritzgussteile für Autos, Consumer Elektronik oder Küchengeräte aber auch Textilien.

  • Inspektion von Mehrfachschichtsystemen wie etwa bedruckte Folien mit Decklackschichten.

  • Segmentierung und Klassifizierung von Oberflächenanomalien zur Unterscheidung von erlaubten (I.O.) und nicht erlaubten (N.I.O.) Defekten basierend auf produktspezifischen Grenzwerten (Lastenhefte) wie etwa maximal erlaubte Größe/Länge vordefinierter Defekttypen.

  • Leichte Adaptierbarkeit der Grenzwerte zwischen I.O. und N.I.O. Bauteilen bei Veränderung der Qualitätsanforderungen.

  • Objektive und reproduzierbare Messung der Oberflächenqualität ermöglichen eine zuverlässige Kooperation zwischen Herstellern und OEM-Auftraggebern.

AI based Testing of visual and haptic Surface Properties

In der Fertigungskette vieler Produkte spielt die optische Oberflächeninspektion eine große Rolle. Für Konsumgüter ist der optische Eindruck ein wichtiges Kaufkriterium, und für industrielle Bauteile müssen Oberflächendefekte frühzeitig erkannt werden, da sonst funktionelle Makel die Fertigungskette stören oder unterbrechen können, bzw. der Ausschuss zu unnötig hohen Kosten führt. Das gilt insbesondere für kompliziert geformte 3D-Bauteile und Produktkomponenten.

Da die Oberflächeninspektion von 3D-Bauteilen einen so essentiellen Teil der Qualitätsprüfung darstellt, gibt es eine Vielzahl von Kriterien, die eine automatisierte Oberflächeninspektion erfüllen muss. Einige dieser Kriterien seien im Folgenden genannt:

  • Keine Auslieferung von defekten Bauteilen (kein Defekt-Schlupf).

  • Möglichst geringer Ausschuss von Gutteilen.

  • Die erkannten Defekte müssen zuverlässig in Defektklassen eingeteilt werden. Daraus erschließen sich wertvolle Information über Verbesserungsmöglichkeiten in der Produktionskette.

  • Das Inspektionssystem muss mit konfigurierbaren Schwellwerten (z.B. für die erlaubte Größe von Anomalien) arbeiten können, um den Kundenanforderungen zu entsprechen.

  • Erlaubte Erscheinungsvariationen zwischen Bauteilen müssen zuverlässig von unerlaubten Anomalien (Defekten) unterschieden werden.

  • Das Inspektionssystem muss schnell (mit wenig Daten- und Zeitaufwand) für neue Produkttypen angelernt werden können.

  • Das Inspektionssystem muss eigenständig auf neue erlaubte Erscheinungen in den Oberflächenbildern reagieren können. Solche treten zum Beispiel dann auf, wenn sich Umgebungsbedingungen oder das Werkzeug in der Produktionskette ändert.

Das PCCL Inspektionssystem für 3D-Bauteile erfüllt alle Anforderungen der Industrie-Praxis!

Es kann zudem für unterschiedliche Materialien (Kunststoffe, Metalle, Holz, Transparente Materialien) eingesetzt werden.

Das interdisziplinäre Team der Arbeitsgruppe „AI Tools for surface image processing“ setzt sich aus Physikern, Maschinenbauern, Mathematikern, Werkstoffspezialisten und Sensorik- und Prozessspezialisten zusammen, und forscht und entwickelt in enger Zusammenarbeit mit Partnern aus der produzierenden Industrie.

In den Bereichen Machine Vision, Deep-Learning für Bildverarbeitung und Deep-Reinforcement-Learning (Selbst-lernendes Roboterhandling), und die Umsetzung in 3D-Bauteilprüfern hat sich das PCCL dadurch ein Alleinstellungsmerkmal erarbeitet.

 

PCCL Roboter für die Vollprüfung von 3D-Bauteilen in weniger als 10 Sekunden!

 

 

Produkte und Komponenten mit komplexer 3D-Form. Eine Qualitätsprüfung ist mit dem PCCL-Inspektionssystem möglich.

 

Einen weiteren wesentlichen Schwerpunkt dieser PCCL Arbeitsgruppe stellt der Arbeitsbereich „Vermessung von haptischen Oberflächeneigenschaften“ dar.

Dieser Arbeitsbereich behandelt die Messung bzw. Quantifizierung des Tastsinns. Die Wahrnehmung, die beim Berühren eines Produktes entsteht und die einen entscheidenden Einfluss auf unsere Kaufentscheidungen ausübt, wird auf eine mess- und steuerbare Ebene gebracht. Einfache Regel: ansehen -berühren -beurteilen.

 

 

Wie sich Oberflächen bei Berührung anfühlen sollen und wie man diese „Haptik“ in der Praxis effizient erreichen kann ist Thema  dieses Arbeitsbereichs. Der „Touch-Feel“, bzw.  die haptische Wirkung einer Oberfläche, entsteht bei Berührung aufgrund der Aktivierung spezieller Rezeptoren in der menschlichen Haut und der weiteren Verarbeitung dieser Reize im Gehirn. Die Gesamtheit dieser Parameter wird zu einem haptischen Gesamteindruck zusammengefasst. Wir empfinden diesen Eindruck dann als rau oder glatt, kalt oder warm bzw. bezeichnen die Oberflächen als samtig, ledrig, soft-touch usw. 

 

Ziel der Forschung ist jene Material- und Oberflächenparameter zu identifizieren und messbar zu machen, welche in ihrem komplexen Zusammenspiel den taktilen Eindruck hervorrufen. Diese Kenntnisse können später in der Produktion genutzt werden, um die subjektiven taktilen Produktionsziele durch objektive, messbare Zielwerte zu ersetzen.

 

Dadurch sollen aufwendige Trial & Error-Prozesse in der Entwicklung von Kunststoffen mit dem passenden Touch-Feel reduziert und eine effiziente Produktion ermöglicht werden. Diese Technologie soll darüber hinaus die Entwicklung neuer Materialformulierungen unterstützen, welche bei optimiertem Touch-Feel verbesserte Rezyklierbarkeit oder reduziertes Gewicht aufweisen und somit zur Reduktion der Treibhausemissionen oder Verbesserung der Kreislaufwirtschaft beitragen. Gleichzeitig soll es die Spezifizierung von Produkten bezüglich ihrer taktilen Wirkung ermöglichen und somit häufig verwendete, aber bisher nicht genau definierbare Begriffe wie Soft-Touch auf eine messbare Ebene bringen und dadurch die Kommunikation innerhalb einer Wertschöpfungskette verbessern.

 

Mehr als 15 Jahre Erfahrung der Arbeitsgruppe zeichnet sich sowohl durch mehr als 40 Großprojekte, mehr als 80 wissenschaftliche Publikation und 12 Patente aus, in denen hoch-innovative Methoden der Qualitätsprüfung für die Industrie erarbeitet werden.

Surface Testing, Robot Vision and Artificial Intelligence


 

Kompetenzen und technische Anwendungen

Im PCCL Bereich „Surface Testing, Robot Vision and Artificial Intelligence“ werden Maschine-Vision und Maschine-Learning Lösungen für die Qualitätsoptimierung und die Qualitätskontrolle von verschiedensten Materialoberflächen und 3D-Freifromkomponenten erforscht und entwickelt.

Neue Machine- Learning und Deep-Learning Methoden erlauben eine intelligente, automatisierte Detektion und Klassifikation von Mustern und Unregelmäßigkeiten auch auf großen und kompliziert geformten 3D-Oberflächen.

Eine vollständige Inspektion von 3D-Freiformoberflächen, eine hohe Detektionsgeschwindigkeiten und Ergebnisse nahe an der menschlichen Wahrnehmung sind die drei größten Vorteile der PCCL-Inspektionssysteme. Die vollflächige Inspektion eines 3D-Bauteils benötigt weniger als 10 Sekunden.

Machine Learning wird sowohl zur Detektion von Oberflächendefekten als auch zur Steuerung von Produktionsprozessen verwendet. Informationen über die Oberflächenqualität können in die Fertigungslinie rückgeführt werden, wo intelligente Routinen die Qualität und Effizienz des Produktionsprozesses überwachen und steuern.

Ein weiteres Forschungsfeld dieses PCCL Bereiches ist die Entwicklung von neuen Verfahren zur Detektion und Charakterisierung von haptischen Eigenschaften von Material- und Produktoberflächen.

Wir können die haptischen Eigenschaften von Oberflächen quantifizieren und forschen daran, dieses Know-how mithilfe von Künstlicher Intelligenz ganz gezielt auf Kunststoffoberflächen mit gewünschten haptischen Eigenschaften, z.B. für Autointerieur, einzusetzen.

Die Quantifizierung von topografischen, tribologischen, vibrations- und mechanischen Eigenschaften einer Oberfläche führen am PCCL zu einem vollständigen Bild des taktilen Verhaltens, z.B. von Kunststoffkomponenten und Beschichtungen. Darüber hinaus werden neue Methoden zur Detektion und Analyse von Material- und Oberflächenstrukturen der Mikro- und Nanogrößenordnung für die Industrie entwickelt.

Der Forschungsansatz des Bereichs beinhaltet die Anwendung bekannter, standardisierter Messmethoden wie auch die Entwicklung neuer KI-basierter Auswertemethoden für die erfassten Oberflächendaten. Mit den daraus gewonnenen Erkenntnissen können sowohl Verarbeitungsprozesse gezielt optimiert werden, aber auch Richtlinien für Material- bzw. Bauteilentwicklung abgeleitet werden. 

Ein wichtiger Aspekt der Projektarbeit ist der Transfer von wissenschaftlichen Erkenntnissen in die industrielle Produktion.

Mehr als 40 Großprojekte, 12 Patente und über 80 Publikationen zeugen von einer erfolgreichen Verwertung der Projektergebnisse. Dafür konnten in den letzten Jahren einige renommierte Forschungspreise, wie beispielsweise der „Houska Preis“ und „SFG Fast Forward Award“ gewonnen werden.

Wissenschaftlicher Ansatz

Auf dem Gebiet der intelligenten Oberflächenprüfung gelten die Anforderungen der schnellen Anlernbarkeit der künstlichen Intelligenz und der hohen Zuverlässigkeit der Prüfung.

Um diese Anforderungen des schnellen Anlernens einer KI und gleichzeitig hohe Präzession der Ergebnisse zu erfüllen, wird an neuen State-of-the-Art Methoden in Bereich Machine Vision, Deep-Learning für Bildverarbeitung und Deep-Reinforcement-Learning (z.B. Selbst-lernendes Roboterhandling) geforscht und an deren Umsetzung in der Industrie gearbeitet.

Durch die enge Kooperation mit Industriepartnern liegt der Fokus stets auf den jeweils aktuellen, industrierelevanten Fragestellungen und Anforderungen.

15 Jahre Erfahrung des Forschungs- und Entwicklungs-Teams zeichnen sich sowohl durch wissenschaftliche Beiträge in Form von einer Vielzahl an Publikation aus, als auch durch viele erfolgreich abgeschlossene Industrieprojekte, bei denen grundlegend neue Methoden der Qualitätsprüfung zum Einsatz kommen.

Für die Oberflächenqualitätsprüfung werden neben traditionellen Bildverarbeitungsmethoden (z.B. für Vermessungsaufgaben) vor allem am PCCL entwickelte innovative Deep Learning basierte Methoden eingesetzt. Die Convolutional Neural Networks (CNN) des PCCL zeichnen sich durch die Fähigkeit aus, komplexe Bildinhalte über die einzelnen Schichten zu abstrahieren und selbst schwierige Aufgaben mit höchster Zuverlässigkeit und Präzision zu bewältigen. Für die Inspektion komplexer Oberflächen ist das ein großer Vorteil, da Variationen und erlaubte Abweichung an der Oberfläche sicher von Defekten unterschieden werden können.

Die Forschung fokussiert dabei auf eine schnelle und pixelgenaue Erkennung von Mikrometer kleinen Oberflächenanomalien sowie in einer automatischen Unterscheidung von zulässigen (I.O.) und nicht zulässigen (N.I.O.) Anomalien. Diese basieren auf produktspezifischen Grenzwerten (Lastenhefte) wie etwa die maximale erlaubte Größe und Häufigkeit von bestimmen Defekttypen.

Das Resultat ist eine objektive und reproduzierbare Messung der Oberflächenqualität.

Ein enger Austausch mit Industrie und Gewerbe ist uns wichtig. Wir laden sie herzlich dazu ein mit uns Kontakt aufzunehmen.

Email: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!

IEA-PVPS Task 13

IEA-PVPS Task 13 - Performance, Operation and Reliability of Photovoltaic Systems

Performance and reliability of PV modules and systems are key topics that are attracting more and more attention from various stakeholders every day. Recently, it also comes in combination with the terms of quality and sustainability.

Objectives

The overall objectives of Task 13 are to:

  • Gather the most up-to-date information from each member country on a variety of technical issues related to PV performance and reliability. This will include summaries of different practices from each country, experiences with a variety of PV technologies and system designs.
  • Gather measured data from PV systems from around the world. This data will be used to test and compare data analysis methods for PV degradation, operation & monitoring (O&M), performance and yield estimation, etc.

Task 13 aims at supporting market actors to improve the operation, the reliability and the quality of PV components and systems. Operational data of PV systems in different climate zones compiled within the project will allow conclusions on the reliability and on yield estimations. Furthermore, the qualification and lifetime characteristics of PV components and systems shall be analysed, and technological trends identified.


PCCL participation

Since 2010 Dr. Gernot Oreski is part of Task 13 expert group, since 2014 he is activity leader. The main contributions from PCCL are related to reliability and degradation behavior of PV module materials and PV modules.

Reports with PCCL contributions

Funding

DELIGHT - DEbonding of LightweIGht Hybrid parTs

Ziel dieses Sondierungsprojektes ist es, die Einsatzfähigkeit von Polyurethan-basierten Vitrimeren, welche dynamische kovalente Netzwerke bilden, als „debonding on demand“ Klebstoffe im Automobilbau im Vergleich zu einem konventionellen Klebstoff („Benchmark“) zu validieren. Aufgrund des breiten Anwendungsgebietes für Polyurethan-Klebstoffe im Fahrzeugbau, zeigen vor allem Polyurethan-basierte Vitrimere hohes Innovationspotential. Demensprechend wird für die Auswahl und Synthese des Klebstoffes in diesem Projekt auf aus der Literatur beschriebene Polyurethan-basierte Vitrimere zurückgegriffen. Nach der Synthese wird die Haftung dieser Klebstoffe auf im Fahrzeugbau zum Einsatz kommenden Werkstoffen (z.B. verzinkter Stahl, Aluminium und faserverstärkte Kunststoffe) untersucht, sowie ihr Versagensverhalten charakterisiert. Neben artgleichen Verbindungen wird ein zusätzlicher Fokus auf hybride Klebeverbindungen gelegt. Zusätzlich werden die Klebeverbindungen genormten Umweltsimulationen unterzogen, welche für den Fahrzeugbau relevant sind. Daraus soll Kenntnis über die Beständigkeit des Klebstoffes und das Alterungs- bzw. Korrosionsverhalten der Klebungen unter Einbeziehung der unterschiedlichen Materialkombinationen gewonnen werden. Ein weiterer Fokus soll auf die Charakterisierung der gezielten Lösbarkeit der Klebeverbindungen vor/nach der Auslagerung gelegt werden.

„Verarbeitungstechnologien“ (geleitet von DI Dr. Roman Kerschbaumer)

Das Forschungsfeld der Arbeitsgruppe umfasst ein beträchtliches Spektrum an Verarbeitungstechnologien, startend bei Standardverfahren (z.B. Spritzguß, Extrusion), über Kompoundierung bis hin zu Schäumungstechnologien (physikalisch, chemisch). Darüber hinaus werden innovative Technologien (z.B. additiven Fertigung) für die System- und Funktionsintegration von Polymeren eingesetzt. Wissenschaftliche Arbeiten umfassen das Fließverhalten von Polymeren, die Reduktion des Energieeintrags und die Optimierung des Verarbeitungsprozess zur Erzielung bestmöglicher Bauteileigenschaften. Das Forschungsfeld der Verarbeitungstechnologie umfasst somit:

  • Prozessoptimierung von Spritzgußmaschinen im Bereich der Elastomerverarbeitung

  • System- und Funktionsintegration von Polymerwerkstoffen

  • Korrelation von Verarbeitungsparamerter mit Bauteileigenschaften (z.B. Qualität, mechanisches Verhalten)

     

„Werkstoffkunde und Prüfung“ (geleitet von Dr. Andreas Hausberger und Dr. Roman Kerschbaumer)

Für eine umfangreiche Analyse der Material- sowie Bauteileigenschaften werden unterschiedliche Prüfmethoden der Material- und Oberflächencharakterisierung herangezogen. Diese Methoden umfassen Standardprüfaufbauten (z.B. Zugversuche, DMA, Weiterreißwiederstand), die Bestimmung des Langzeitverhaltens (z.B. Alterung, Kriechen, Relaxation) als auch zyklische Versuche (z.B. Bruchmechanik, Ermüdung) sowie die Charakterisierung bei Geschwindigkeiten bis 20m/s in einem Temperaturbereich von -40°C bis +250°C. Das Forschungsfeld der Werkstoffkunde und Prüfung umfasst somit:

  • Charakterisierung des Material sowie Bauteilverhaltens zum Aufbau von Struktur Eigenschaftsbeziehungen

  • Ermüdung und Bruchmechanik von elastomeren Werkstoffen

  • Langzeitverhalten von Elastomeren

  • Intelligente Elastomerkomposite für die Erzielung von Kopplungseffekten