Sensorbasierte Situations- und Zustandsbewertung
Im Forschungsschwerpunkt "Sensorbasierte Situations- und Zustandsbewertung" entwickeln wir lernende Verfahren zur Verarbeitung und Analyse transienter Sensordaten im industriellen Umfeld. Unser Ziel ist es, neueste Deep-Learning-Technologien zu nutzen, um komplexe, dynamische Systeme effizient zu überwachen, Anomalien zu erkennen und Vorhersagen zu treffen.
Von der Situationsbewertung bis zur Vorhersage
Die Analyse von Sensordaten eröffnet ein breites Spektrum von Einsatzmöglichkeiten: von der Anomalieerkennung und Fehlerklassifikation über die Entwicklung von Soft-Sensoren bis hin zur Vorhersage zukünftiger Ereignisse. Wir nutzen sie für die Überwachung und Qualitätskontrolle von Produktionsprozessen, die Vorhersage von Wartungsszenarien oder die Prognose kritischer Ereignisse, wie Maschinenausfälle oder Hochwasserereignisse.
Handhabung komplexer multimodaler Daten
Industrielle Sensordaten sind komplex und mehrdimensional. Wir nutzen und erweitern modernste Modellarchitekturen wie Transformer-Netzwerke, um diese Daten zu analysieren. Unser Fokus liegt auf dem automatisierten Lernen von bestmöglichen Repräsentationen von Sensordaten (Representation Learning) und der Bewältigung realer Herausforderungen, wie geringe Datenmengen, komplexe zeitliche Muster und hochfrequente Datenströme.
Laufende Forschungsprojekte:
