Systemanalyse, Prognose und Regelung

Wir erforschen und entwickeln KI-gestützte Technologien für den Echtzeitanlagenbetrieb und Antriebstechnik, für eine nachhaltige Produktion (Industrie 4.0), um eine intelligente Energieerzeugung und -verteilung mit einem hohen Anteil an erneuerbaren Erzeugern zu gestalten.

Wir unterstützen Anlagenbetreiber, -Hersteller und Forschungspartner bei der KI-gestützten Erweiterung ihrer -Anlagen zur intelligenten Überwachung und Automatisierung: 

  • Entwicklung und Adaption von echtzeittauglichen Digitalen Zwillingen
  • Entwicklung und Erweiterung von Systemen zum Condition Monitoring und Predictive Maintenance 
  • Entwicklung von intelligenten Steuerungen und Reglern von Komponenten, Antrieben und Anlagen

Hierbei umfasst das Leistungsspektrum die Herleitung, Adaption und Implementierung der Algorithmen bis zur Auswahl und Integration von Hard- und Software im Schaltschrank. Die entwickelten Verfahren führen mittelfristig zu einem nachhaltigen, ressourceneffizienteren Anlagenbetrieb.

Bei der ressourcenoptimierten Anlagenregelung berücksichtigen wir durch die multikriterielle prädiktive Steuerung die verschiedenen produktionsrelevanten Zielgrößen: 

  • Produktqualität
  • Einsatz der verwendeten Rohstoffe
  • Durchsatz
  • Energienutzung, d. h. Minimierung oder Flexibilisierung des Energieeinsatzes 
  • Zustand der Produktionsanlage auf Basis der Prognosemodelle für Anlagenverfügbarkeit

Bei der Entwicklung von digitalen Zwillingen und prädiktiven Reglern greifen wir auf innovative mathematische Methoden aus der Signal- und Datenanalyse, der System- und Kontrolltheorie sowie des maschinellen Lernens zurück. Auf Basis eines großen KI-Werkzeugkoffers von Verfahren und Algorithmen, setzen wir für die individuellen Fragestellungen unserer Kunden die geeignetsten ein.

Schwerpunkte

 

Energieerzeugung und -verteilung

Modellierung, Überwachung und Regelung von Energieerzeugern, Energieverteilnetzen sowie Energieeffizienz von Verbrauchern

 

 

Echtzeit-Anlagenbetrieb und Antriebstechnik

Elektronische, mechanische und mechatronische Systeme, Anlagen und Maschinen

 

Biosensorik und Medizingeräte

Modellierung und Datenanalyse in den Bereichen Systembiologie und Medizintechnik

Methoden

 

Maschinelles Lernen

Lösungsfindung zu unterschiedlichsten industriellen Fragestellungen mittels Methoden des Machine Learning

 

Regelung komplexer Systeme

Regelalgorithmen vom klassischen PID bis zu komplexen verteilten und modellprädiktiven Reglern

 

Modellidentifikation und Zustandsschätzung

Breites Portfolio aus Kalman-Filtern, Monte-Carlo-Methoden, nichtlinearer Optimierung und vielem mehr