Edge Computing & Machine Learning for Real-Time Factory Floor Applications

Partner Call offen bis: November 2019

Beginn: Q4 2019

Zielsetzung

Untersuchungen und Erforschung von Methoden und datenbasierten Algorithmen, für spezifische Problemstellungen in der industriellen Produktion, wie z.B. Methoden zur nicht-invasiven Materialprüfung oder Mulit-Sensor-basierte Erkennung von Anomalien und Störungen unter realen Produktionsbedingungen. Beispiele für diese Herausforderungen sind:

  • Echtzeit-Einschränkungen von geforderten (klassischen) Vorverarbeitungs- und Machine-Learning-Algorithmen
  • Nicht-modellierbare Änderungen bei der Daten-Verteilung (falsche Kalbrierung von Sensoren, Veränderungen der Umgebungsbedingungen, z.B. Lichtverhältnisse, Temperatur, etc.) 
  • Optimierung der Ergebnisse und grundsätzliche Ansätze bei eingeschränkten Testdaten, dynamische Modellanpassungen

Erwartete Ergebnisse

  • Optimierung von Fabriks-/Produktionslinien sowie von KPIs im laufenden Betrieb
  • Vereinfachte Darstellung hoch-komplexer Situa­tionen und Ergeb­nisse für direkte Auswertung durch Produktionspersonal  
  • Entwick­lung robuster Klas­si­fi­zie­rungs­me­thoden für gleichartige und dennoch unter­schied­liche Systeme
  • Erkennung und Sichtbar-Machen neuer/unbe­kannter (Fehler-)Szenarien.