Sustainability Tracking and Optimization Tool In Commodity Components

Die Vision von STOTIC ist die Schaffung nachhaltiger und effizienter Produktionsnetzwerke, die durch den Einsatz fortschrittlicher Technologien wie maschinelles Lernen und Deep Learning die Umweltbelastung minimieren und die Ressourcennutzung optimieren.

Elektrische Mikroschalter haben vielfältige Anwendungsmöglichkeiten. Sie sorgen beispielsweise dafür, dass Beatmungsgeräte in Krankenhäusern zuverlässig funktionieren und Windräder bei Überlastung geschützt werden. Ein einzelner Mikroschalter kann aus bis zu 27 Komponenten bestehen, die weltweit in mehreren Schritten innerhalb komplexer Produktionsnetzwerke hergestellt werden. Diese Produktionsnetzwerke sind in der Regel monetär ausgerichtet und berücksichtigen weniger die entstehenden Emissionswerte sowie die Ressourcen- und Energieeffizienz in der Lieferkette.

In diesem Zusammenhang zielt das Projekt STOTIC darauf ab, ein Digital Sustainability Tracking und Optimization Tool zu entwickeln, um standortbezogene Produktionsentscheidungen und Supply-Entscheidungen von Komponenten auf Basis von Nachhaltigkeitsinformationen zu treffen. Mittels maschinellen Lernens und Deep Learning sollen Vorhersagen über die Nachhaltigkeit der Produktionslieferketten getroffen werden. Darüber hinaus soll das KI-gestützte Tool die Anpassung und Konfiguration der Lieferketten ermöglichen.

Im Rahmen von STOTIC ist das TMDT federführend für die Konzeption, Entwicklung und Evaluation der lernenden Verfahren zur Bewertung der Nachhaltigkeit von konfigurierbaren Lieferketten verantwortlich. Das TMDT leistet insbesondere bei der Modellbildung, unter Berücksichtigung moderner Architekturen neuronaler Netze und deren Anwendbarkeit für die Verarbeitung der Nachhaltigkeitsinformationen, einen Hauptbeitrag.

Weitere Informationen erhalten Sie hier (stotic.uni-wuppertal.de) auf der offiziellen STOTIC-Website.