Maschinelles Lernen und Big Data Analysen

Maschinelles Lernen

Von der Sensorauswahl über die Steuerungsintegration bis zum Monitoring mit mobilen Endgeräten – Wir begleiten Sie kompetent und zielorientiert bei Ihrem anwendungsbezogenen Entwicklungsbedarf.

Bild Ziegelbeispiel

Optische Klassifizierung von Recyclingstoffen

Aufgrund des Fachkräftemangels und dem damit einhergehenden Automatisierungsdruck in der Industrie wird es immer wichtiger, Aufgaben, die klassischerweise von Menschen verrichtet werden, an digitale Systeme zu delegieren. Mit Methoden der künstlichen Intelligenz, die einen großen Werkzeugkasten von statistischen und numerischen Verfahren beinhaltet, ist es möglich, Algorithmen zu trainieren, die komplexe Aufgaben zuverlässig und schnell lösen. In der Qualitätskontrolle und bei Sortieraufgaben finden diese Methoden bereits Anwendung.

Big Data Analysen

Falls Sie sich in Ihren Projekten mit einer großen Datenflut konfrontiert sehen, begleiten wir gerne Ihr Vorhaben und überführen Ihre Problemstellung in konkrete Datenerhebungs- und Analyseschritte, die Sie in die Lage versetzen, Ihr Systemverständnis grundlegend zu verbessern.

Bild Technologiekette eines Betonwerks

Beispiel: Lernende Betonfabrik

In Produktionsprozessen fallen mitunter große Datenmengen an, zum Beispiel Maschinen-, Stoff- oder Umgebungsparameter wie auch Mensch-Maschinen Interaktionen. Diese Informationen zusammenzuführen, sie zu analysieren und darauf aufbauend Modelle und Vorhersagen zu generieren, kann helfen komplexe Zusammenhänge aufzuzeigen, zu verstehen und strategische Entscheidungen zu treffen. Eine beispielhafte Fragestellung wäre, wie sich das Zusammenwirken einzelner Parameter in der Betonproduktion auf die Betonsteinqualität auswirkt. Darauf aufbauend lassen sich Vorhersagen treffen, mit denen man möglicherweise den Ausschuss verringern, oder auch Rezepturen optimieren kann. Ebenso lässt sich analysieren welche Erzeuger und Speicher bei regionalen Energienetzen benötigt werden, um die Versorgungssicherheit bei gleichzeitig hoher ökologischer und ökonomischer Effizienz zu gewährleisten.