»Kognitive Materialdiagnostik« zur Sicherung von Know-how, Prozessoptimierung und vorausschauenden Instandhaltung

Projekt

© Herbert Aust / Pixabay
Mit künstlicher Intelligenz sollen langjährige Erfahrungen im Bereich von Förderbandsystemen gesichert und für nutzbar gemacht werden.
© PIRO4D / Pixabay
Nutzung von digitalen Zwillingen zur Optimierung von Fahrweisen und Instandhaltungsmaßnahmen von Industrieanlagen.

Die IKTS-Projektgruppe »Kognitive Materialdiagnostik« bearbeitet derzeit drei BMBF-Projekte in Cottbus zum Nutzen der Region.

 

Künstliche Intelligenz zur Sicherung von Know-how zu Förderbandsystemen

Im Projekt »Datenbasierte Services« erfasst das Fraunhofer IKTS das Know-how zu Förderbandsystemen in Lausitzer Tagebauanlagen, damit diese Kompetenzen beim bevorstehenden Kohleausstieg nicht verloren gehen. Mit künstlicher Intelligenz sollen die langjährigen Erfahrungen gesichert, für die Neuausrichtung der betroffenen Unternehmen in der Strukturwandelregion Lausitz gezielt eingesetzt und für andere Unternehmen nutzbar gemacht werden. Partner im Projekt sind ABB AG, LEAG Lausitz Energie Kraftwerke AG sowie EWG Automation GmbH.

 

Digitale Zwillinge für Prozessoptimierung und vorausschauende Instandhaltung

Im Projekt »Digitale Zwillinge für Prozessoptimierung und vorausschauende Instandhaltung« (DIZPROVI) entwickeln IKTS-Forschende gemeinsam mit Partnern ein System zur Planung und Optimierung von Fahrweisen und Instandhaltungsmaßnahmen in Industrieanlagen – auch außerhalb des Kraftwerksbereichs. Am Projekt beteiligt sind ABB AG, LEAG Lausitz Energie Kraftwerke AG, die regionalen Unternehmen CombTec GmbH und EMIS Electrics GmbH sowie die Hochschule Zittau/Görlitz und XRG Simulation GmbH Hamburg.

 

Intelligente Informationsverarbeitung zur Prozessoptimierung und Effizienzsteigerung

Gemeinsam mit der BTU Cottbus-Senftenberg entwickeln IKTS-Forschende im BMBF-Projekt »Intelligente Informationsverarbeitung« (IntelliInfo) mithilfe künstlicher Intelligenz Methoden und Algorithmen für die Modellierung kontinuierlicher Industrieprozesse und die Analyse großer Datenbestände. Mit den Ergebnissen können Prozesse optimiert und die Effizienz gesteigert werden.