Maschinelles Lernen ist eine wirkungsvolle Methode, um die Produktion vieler Waren stabiler und wirtschaftlicher zu gestalten. Hauptdefizite von maschinellen Lernverfahren sind das aufwendige Auswählen und Anlernen eines
passenden Modells sowie die fehlende Robustheit aufgrund schlechter Datenqualität oder Overfitting.
Das Forschungsprojekt AutoNoM löst Kernprobleme der automatisierten Analyse von Produktions-und Qualitätsdaten mittels maschinellen Lernens in der Produktion von Vliesstoffen. Ziel ist es, die Produktions-und Qualitätsdaten einer
realen Vliesstoffproduktion mittels maschineller Lernverfahren zum ersten Mal automatisiert zusammenzuführen, zu kurieren, zu konditionieren. Am ITA werden Konzepte erprobt, anhand der generierten Daten und Modelle die Industrie
4.0-Ausbaustufe eines Vliesstoffproduzenten schrittweise zu erhöhen.
Für weitere Informationen kontaktieren Sie Ruben Kins: Ruben Kins | LinkedIn