AGREED: Automatisierung für flexible und erweiterbare Schalenmontagen mit digitaler Intelligenz
Im Rahmen des Projektes entwickeln wir fortschrittliche Methoden der KI für den digital gestützten Flugzeugschalenbau. Hierdurch sollen sowohl Montageprozesse effizienter, ressourcenschonender und leistungsfähiger werden als auch neue Erkenntnisse zur Verbesserung von KI-Systemen in der Fertigung erlangt werden. Dies untersuchen wir an zwei Anwendungsfällen: der automatisierten Steuerung von Robotern für Fügeaufgaben sowie der KI-gestützten, adaptiven Arbeitsplanung für die teilautomatisierte Montage.
Weitere Informationen finden Sie hier.
AR/VR.nrw
Das Projekt eröffnet zwei Perspektiven für AR/VR-Lösungen. Einerseits wird eine Lösung entwickelt, erprobt und zur Verfügung gestellt, die Lehrende mit geringer IT-Expertise nutzen und mit eigenen, unterschiedlichsten Lehrinhalten füllen können. Andererseits wird die entwickelte Lösung als Open Source verfügbar sein, so dass Forscherinnen und Forscher sowie Entwicklerinnen und Entwickler der Hochschulen in NRW diese für neue Forschungs- und Lehrzwecke weiterentwickeln können.
Weitere Informationen finden Sie hier.
ASIMoW: Analysesystem zum qualitätsmotivierten Inline-Monitoring für Schweißprozesse auf Basis von Methoden künstlicher Intelligenz
Das Ziel des Forschungsvorhabens ist die Entwicklung, Erprobung und Umsetzung von Verfahren des Deep Learning zur Inline-Qualitätsvorhersage in Schweißprozessen sowie die Erforschung und Entwicklung von Continual Learning Verfahren, um die trainierten Modelle über Prozessvarianten hinweg nachhaltig und effizient nutzen zu können. Die Modelle werden in der Lage sein, auf Basis heterogener Daten aus dem Schweißprozess – darunter zählen Stellgrößen und Sensordaten – eine Bewertung des aktuellen Prozesszustandes vorzunehmen und eine quantitative Prädiktion der zu erwartenden Schweißnahtqualität abzuleiten.
Weitere Informationen finden Sie hier.
Bergisch.Smart: KI-basiertes Traffic Management und kooperative digitale Kartenservices
Im Rahmen des Vorhabens erforscht das TMDT die Umsetzung eines innovativen Datenmarkplatzes, welcher es Städten, Unternehmen und Bürgern ermöglicht statische wie auch Echtzeit-Daten zur Verfügung zu stellen bzw. diese zu analysieren. Hierbei greifen wir auf modernste Technologien wie Knowledge Graphs und Deep Learning zurück.
Weitere Informationen finden Sie hier.
Bergisch.Smart: Rethinking Mobility
Im Rahmen des Vorhabens befähigen wir Bürgerinnen und Bürger direkt zu Produzenten von Produkten und Diensten einer modernen Smart City zu werden, indem wir einerseits die technologische Grundstruktur schaffen und andererseits das nötige Fachwissen vermitteln. Hierzu werden im Rahmen des Vorhabens diverse Aktivitäten wie Challenges und Hackathons ausrichten und die Kreativität der lokalen Zivilbevölkerung herausfordern.
Weitere Informationen finden Sie hier.
DIVABRE - Digitales Valley in der Bergischen Region
Das Ziel des Vorhabens ist Entwicklung einer Plattform zur frühzeitigen Vernetzung von Studierenden und den regional ansässigen Unternehmen im bergischen Raum. Auf dieser Plattform erhalten Unternehmen die Möglichkeit, ihre eigenen Data Science Problemstellungen in definierten Challenges bereitzustellen, welche von Studierenden gelöst werden. Sowohl in der Konzeptionierung der Challenges als auch bei der Bewertung der produzierten Ergebnisse unterstützt das TMDT in Zusammenarbeit mit Partnern aus der universitären Forschung (z.B. dem IZMD) durch erfahrenes wissenschaftliches Personal.
Weitere Informationen finden Sie hier.
