Banner-small-daten-industrie

Industrie 4.0

Datenanalysen für die vierte industrielle Revolution, bspw. proaktive Wartung von Produktionsressourcen oder die Identifikation von Anomalien in Prozessen.

Banner-small-daten-healthcare

Medizin

Datengetriebene Aspekte der Medizin werden untersucht, bspw. die bedarfsgerechte Pflege von Patienten oder IT-gesteuerte Medizintechnik.

Banner-small-daten-cities

Smart Infrastructure

Untersuchung datengetriebener Aspekter städtischen Lebens, bspw. der Verkehrssteuerung, der Müllentsorgung oder der Katastrophenbewältigung, bedarfsgesteuerte Optimierung von Verbrauchsmodellen, basierend auf Daten intelligenter Stromzähler.

Aktuelle Projekte

  • Zustandsüberwachung und -vorhersage von Dichtungssystemen

    Flugzeug-Fahrwerke stellen erhebliche Anforderungen an Dichtungssysteme. Daher werden diese in umfangreich instrumentierten Tests hohen Belastungen ausgesetzt. Der Zusammenhang der erfassten Messgrößen und ihre Auswirkung auf das Dichtungssystem soll mit Hilfe von Data-Mining-Verfahren untersucht werden.

    Lesen Sie mehr

  • Optimierung der Produktqualität bei OSRAM Schwabmünchen

    Im Rahmen des Projekts werden Produktionsdaten aus der WolframDrahtproduktion aus dem OSRAM Werk Schwabmünchen auf der SDIL Plattform gespeichert und mithilfe von IBM Tools analysiert. Infolge der Analyse werden Datenmodelle erstellt, die durch bestimmte Prognosen und Regeln die Drahtqualität („Spaltigkeit und Länge) optimieren. Für das Data-Mining wird das Standard-Prozess-Modell CRISP-DM implementiert.

    Lesen Sie mehr

  • Enhancing Traffic Flow Forecasting with Environmental Models

    The main task of the project is traffic flow forecasting for a region traffic network. In this project, traffic flow forecasting with environmental models is proposed. Nowadays, traffic flow forecasting considers mainly information from one sensor or one specific roadway. However, information from neighbor sensors and other sensors in the traffic subnet could be leveraged in order to improve the state-of-the-art forecasting models.

    Lesen Sie mehr

  • Optimierung der Produktionsprozesse bei John Deere

    Hauptziel des Projekts ist die Reduzierung der Nacharbeit und die Vermeidung von Fehlern bei der Fertigung von Traktoren in der John Deere Fabrik in Mannheim. Das wird durch eine Datenanalyse der Fehlerinformationen, der Prüfprotokollen und ihrer Wirkungszusammenhänge realisiert. Infolge der Ergebnisse aus der Datenauswertung können Prognosen und Regeln für die Fertigungsplanung erstellt werden, die das Unternehmen ein Schritt weiter zur Selbstoptimierung bringen.

    Lesen Sie mehr

  • All-Time Parts Prediction (ATP) Demo

    Im Kontext von sogenannten Long-Time-Buy- oder All-Time-Buy-Entscheidungen erstellt ATP eine Prognose bezüglich der Nachfrage nach Serviceteilen (vor allem in der Automobilindustrie). Solche zukünftigen Nachfragen können die nächsten 10-20 Jahre betreffen und sind schwer abzuschätzen, weshalb oft zu viel (ein-)gekauft wird. Daraus folgt, dass nach jahrelanger Lagerung letztlich große Menge verschrottet werden müssen, was hohe Warenbestands- und Lagerkosten verursacht. Diese können durch präzisere Bedarfsprognosen deutlich gesenkt werden. Die ATP-Lösung der IBM wurde genau zu diesem Zweck entwickelt: um mit hoher Genauigkeit die Allzeit-Nachfrage vorherzusagen.

    Lesen Sie mehr