Hardware in the Loop (HIL)

Echtzeitfähige Modellierung komplexer Systeme und Rapid Prototyping am abteilungseigenen HIL-Simulator

mehr Info

Predictive Maintenance

Optimale Planung der Instandhaltung mit Machine Learning

mehr Info

Prozessanalyse mittels Machine-Learning

Detektion von Abhängigkeiten der Qualitäts- und Performancegrößen von Prozessparametern

mehr Info

Regelkonzepte für Energienetze der Zukunft

Netzübergreifende, modellbasierte Überwachung und Regelung für Planung und Betrieb eines Energieverteilnetzes

mehr Info

Analyse medizinischer Daten

Analysesoftware als integraler Bestandteil eines multifunktionalen klinischen Monitoringsystems

mehr Info

Systemanalyse, Prognose und Regelung

Unser Fokus liegt im Bereich Echtzeitanlagenbetrieb und Antriebstechnik für die Produktion und die Energieerzeugung.

Mit physikalischem Wissen, aber auch basierend auf reinen Messdaten erstellen wir digitale Zwillinge für multiphysikalische, dynamische Systeme. Die in der Realität auftretenden Störungsüberlagerungen von Messdaten können wir bei der datengetriebenen Gewinnung von Informationen durch geeignete mathematische Methoden kompensieren und so das Systemverhalten besser analysieren und prognostizieren.

Der digitale Zwilling bildet die Grundlage für viele Anwendungen:

Wir unterstützen unsere Kunden bei der Konzeptionierung, der Datenanalyse bis zum Betrieb der Analyse-, Prognose- oder Regelungssysteme. Wir setzen neue Konzepte um, z.B. die Nutzung von geringen Latenzen mittels 5G-Kommunikation zur Datenübertragung zwischen Sensoren, Reglern und Aktoren.

Für die Bearbeitung der Fragestellungen greifen wir auf Methoden aus der System- und Kontrolltheorie sowie des Maschinellen Lernens, insbesondere Deep Learning, zurück.

Schwerpunkte

 

Energieerzeugung und -verteilung

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

 

 

Maschinenmonitoring und -regelung

Elektronische, mechanische und mechatronische Systeme, Anlagen und Maschinen

 

Biosensorik und Medizingeräte

Modellierung und Datenanalyse in den Bereichen Systembiologie und Medizintechnik

Drei Fragen an...

Abteilungsleiter Andreas Wirsen im kurzen Gespräch.

»Das Zusammenspiel verschiedenster Methoden«

Infomaterial

Gesammeltes Infomaterial zur Abteilung (Flyer, Poster, Handbücher etc.).

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