Ergebnisse

The "ICNAP Study Report 2023" presents the results of five collaborative research and development studies conducted by the International Center for Networked Adaptive Production (ICNAP) and its industry partners in 2023. They condense current findings, facts, figures, and results from discussion, workshops, research, and development collaborations between researchers and partner companies in the ICNAP community.

Das Projekt umfasste die Sammlung einer Reihe von Anwendungsfällen aus wissenschaftlichen Veröffentlichungen und laufenden wissenschaftlichen und industriellen Projekten, wobei eine zweidimensionale Clusterung auf der Grundlage von Rechenzielen und Forschungsbereichen vorgenommen wurde.

Dieses Projekt untersuchte einen nicht-invasiven Ansatz zur Erkennung von Einzelteilen in der industriellen Produktion mit Hilfe von kamerabasierten Werkzeugen und ortsabhängigen Hash-Algorithmen (LSH).

In diesem Projekt wurde ein Computer-Vision-basiertes System zur Qualitätskontrolle von Pflanzen entwickelt, das eine kontinuierliche und zerstörungsfreie Qualitätsbewertung vor der Ernte für eine effiziente und nachhaltige Indoor-Produktion von pflanzlichen Lebensmitteln ermöglicht.

Ziel des Evolve-Projekts war die Entwicklung einer Softwareanwendung, die Bayes'sche Optimierung für die kundenspezifische Prozessoptimierung in zwei verschiedenen Fällen einsetzt: Ultrakurzpuls-Laserstrukturierung von metallischen Oberflächen und Kultivierung von Pflanzensuspensionszellen in einem Batch-Fermentationsbioreaktor.

In diesem Projekt wurden Ansätze zur Bilddatensynthese für maschinelle Lernsysteme in der Fertigung erforscht und evaluiert. Zwei Anwendungsfälle wurden bearbeitet: Werkzeugklassifizierung und Klassifizierung von Oberflächenstrukturen nach dem Laserpolieren.

Diese Studie zeigt Möglichkeiten für den Einsatz von KI bei der Optimierung von Prozessdesigns auf.

Für viele Prozesse benötigen Unternehmen einen sicheren Transfer über Unternehmensgrenzen hinweg. In diesem Projekt haben wir ein zugelassenes Blockchain-Netzwerk aufgebaut, das eine sichere Übertragung zwischen zwei verschiedenen Unternehmen ermöglicht.

In diesem Projekt wurden aktive und halb-überwachte Lernprinzipien verwendet, um ein effizientes und interaktives Training von Deep-Learning-Systemen zu testen.

Wie kann der Energieverbrauch überwacht und für die Energiemodellierung abgebildet werden?