Schlussbericht GAIA-X 4 PLC AAD - Production, after sales und PLC - Across automated driving; Teilvorhaben: Informationsmodellierung für die Domänen Produktion und Supply Chain, Digitale Zwillinge

Abstract

Im Projekt Gaia-X 4 PLC-AAD wurden wesentliche Fortschritte in der Entwicklung, Validierung und Integration virtueller Sensorik sowie semantischer Datenmodelle erzielt. Im technischen Schwerpunktbereich wurden Anforderungen an LiDAR- und Radarsensoren analysiert und ein physikalisch konsistentes Sensormodell entwickelt, das insbesondere Witterungseinflüsse wie Regen, Nebel und Sonneneinstrahlung realistisch abbildet. Ein umfangreicher Messaufbau ermöglichte die Erfassung „zeitkorrelierter Wetter- und LiDAR-Daten“ über mehr als ein Jahr, wodurch ein großer Datensatz zur Validierung entstand. Parallel wurde ein datengetriebenes Radarmodell auf Basis des Continental ARS548 aufgebaut und durch mehrere stationäre und mobile Sensorsysteme unterstützt. Im Bereich der Produktions- und Lieferkettenprozesse wurden Ontologien zur semantischen Datenintegration entwickelt und in das Gaia-X-Ökosystem integriert. Für den Use Case Sensor Production entstand ein Digitaler Zwilling zur Anomaliedetektion kritischer Prozessschritte, während für den Use Case Bullwhip-Effekt eine systematische Literaturrecherche durchgeführt und relevante Informationsmodelle analysiert wurden. Die Ergebnisse zeigen die erfolgreiche Umsetzung der geplanten Arbeitspakete und bestätigen die technische Anschlussfähigkeit für zukünftige Entwicklungen im Gaia-X-Kontext. The Gaia-X 4 PLC-AAD project achieved significant progress in the development, validation, and integration of virtual sensor technologies as well as semantic data models. The technical work focused on analyzing requirements for LiDAR and radar sensors and developing a physically consistent sensor model capable of realistically representing environmental influences such as rain, fog, and sunlight. A comprehensive measurement setup enabled the collection of “time-correlated weather and LiDAR data” over more than one year, resulting in a substantial dataset for model validation. In parallel, a data-driven radar model based on the Continental ARS548 was developed and supported through multiple stationary and mobile sensor systems. In the domain of production and supply chain processes, ontologies for semantic data integration were developed and integrated into the Gaia-X ecosystem. For the Sensor Production use case, a Digital Twin was created to support anomaly detection in critical manufacturing steps, while the Bullwhip Effect use case involved a systematic literature review and the analysis of relevant information models. The results demonstrate the successful implementation of the planned work packages and confirm the technical readiness for future developments within the Gaia-X framework.