Aktuelle Forschungsprojekte im SPOTSeven Lab
Lfd. Nummer | Projekt | Verantwortliche Mitarbeiter/innen | Fördervolumen (gesamt) | Laufzeit |
---|---|---|---|---|
12 | KOARCH | Andreas Fischbach | ca. € 1.500.000 | 2018-2021 |
11 | UTOPIAE | Lorenzo Gentile, Dani Irawan | € 3.876.854,00 | 2017-2021 |
10 | OWOS | Frederik Rehbach | € 323.576,80 | 2017-2020 |
9 | Synergy | Beate Breiderhoff | € 1.016.890,00 | 2016-2019 |
8 | IMProvT | Steffen Moritz | € 590.445,00 | 2015-2018 |
7 | ISAFAN | Christian Jung, Sebastian Krey | € 238.890,00 | 2014-2017 |
Forschungsprojekte des SPOTSeven Labs sortiert nach Laufzeitende
12. KOARCH
Titel: KOARCH – Kognitive Architektur für Cyber-physische Produktionssysteme und Industrie 4.0
Laufzeit: 2018 – 2021
Förderlinie: IngenieurNachwuchs 2016
Fördervolumen: Anteil THK: 1.094.184,00€
Projektpartner:
- Hochschule Ostwestfalen-Lippe (Koordinator)
- TH Köln/Cologne University of Applied Sciences
- Telekom Innovation Laboratories (T-Labs)
- Telexiom AG
- OPITZ CONSULTING Deutschland GmbH
- Bauhaus Universität Weimar
- TU Dortmund
Kurzbeschreibung:
Aufgrund des globalen Wettbewerbs und der steigenden Produktkomplexität ist in den letzten Jahren die Komplexität der Produktionssysteme massiv gewachsen, wobei ein großer Anteil der Entwicklungsanteile gerade im Maschinenbau auf die Software entfiel. Diese Komplexität belastet zunehmend Automatisierer, Systemingenieure und Anlagenbauer. Industrie 4.0, Cyber-physische Systeme (CPS) und intelligente Automatisierungssysteme stellen eine mögliche Lösung für diese zunehmende Belastung dar: Die Hauptidee ist dabei die Verlagerung von menschlichem Expertenwissen in die Automation.
Das Wissen bezieht sich auf Ziele, die durch Aussagesätze beschrieben werden und nicht mehr auf die Beschreibung von Handlungsabläufen zum Erreichen der Ziele. Kurz: Wissen wird deklarativ statt prozedural formuliert.
Dieser neue Ansatz gibt den intelligenten Systemen genügend Handlungsfreiräume zur Umsetzung der deklarativen, d.h. für Adaption und Optimierung. Dies umfasst z.B. Methoden des maschinellen Lernens, Condition-Monitoring- und Diagnose-Algorithmen und Optimierungsverfahren.
Aktuell werden diese neuen Softwareservices von jedem Partner in Industrie 4.0-Ansätzen unabhängig implementiert. Die Schnittstellen sind proprietär, so dass notwendige Daten, Modelle und Ergebnisse nicht ausgetauscht werden können. Dieses Forschungsprojekt erarbeitet Lösungen für die folgenden Forschungsfragen (FF) an:
FF 1: Ist es möglich, eine Referenzarchitektur im Industrie 4.0-Umfeld für die intelligente Automation zu entwickeln, die auch in den stark verteilten und heterogenen Systemen der Automation funktioniert?
FF 2: Wie können Industrie 4.0-kompatible Programme aussehen, die intelligente Softwareservices nutzen? Wie können Ziele deklarativ und geräteunabhängig vorgegeben werden?
FF 3: Wie können Gerätehersteller intelligente Softwareservices anderer Entwickler integrieren? Wie kann ein Gerätehersteller automatisch von der Industrie 4.0 Entwicklung profitieren und neue Softwareservices zukaufen?
FF 4: Inwieweit ist eine Individualisierung der Referenzarchitektur für einzelne Branchen, spezielle Produktionsumfelder, Ländern und Firmen nötig bzw. möglich?
11. UTOPIAE
Titel: UTOPIAE – UNCERTAINTY TREATMENT AND OPTIMISATION IN AEROSPACE ENGINEERING
Laufzeit: 2017 – 2021
Förderlinie: Horizon 2020
Fördervolumen: 3.876.854,00€ (Anteil THK: 498.433,00€)
Projektpartner:
- University of Strathclyde (Scotland, UK) – Coordinator
- ESTECO (Italy)
- INRIA Bordeaux Sud-Ouest (France)
- CIRA, Italian Aerospace Research Center (Italy)
- Politecnico di Milano (Italy)
- Jožef Stefan Institute (Slovenia)
- TH Köln/Cologne University of Applied Sciences (Germany)
- University of Durham (England, UK)
- Ghent University (Belgium)
- Von Karman Institute (Belgium)
- DLR, Institute of Aerodynamics and Flow Technology (Germany)
- National Physical Laboratory (England, UK)
- Alenia Aermacchi S.p.A (Italy)
- Airbus Operations Gmbh (England, UK)
- Stanford University (USA)
Kurzbeschreibung: UTOPIAE is a training and research network funded by the European Commission hrough the H2020 funding scheme. The main objectives of this network are to train, by research and by example, 15 Early Stage Researchers (ESRs) in the field of Uncertainty Quantification (UQ) and Optimization and to impart them the skills to become leading independent researchers and entrepreneurs that will increase the EU innovation capacity. These skills will enable the ESRs to pursue careers in academia and industry. Through individual research projects, each ESR will investigate different facets of UQ and Optimization Under Uncertainty and develop cutting-edge methods and algorithms with particular focus on aerospace applications.
10. OWOS
Titel: OWOS – Open Water, Open Source
Laufzeit: 2017 – 2021
Fördervolumen: 323.576,80€
Förderkennzeichen: 005-1703-0011
Förderlinie: FH Zeit für Forschung, Ministerium für Innovation, Wissenschaft und Forschung des Landes NRW
Projektpartner:
- Opitz Consulting
- Endress+Hauser
- Aggerverband
- Vrije Universiteit Amsterdam
Kurzbeschreibung:
Wie kann bei der Zunahme von Extremwetterlagen die Trinkwasserhygiene sichergestellt werden? Wie können Trinkwasserversorger ihre Prozesse energie- und ressourceneffizient steuern? Wie können Verbraucher vor den Auswirkungen von Umweltkatastrophen geschützt werden?
Das Projekt „OpenWater–OpenSource“ (OWOS) erforscht Lösungen zu diesen gesellschaftlichen Herausforderungen aus den in der Forschungsstrategie „Fortschritt NRW“ genannten Bereichen Klimaschutz, Ressourceneffizienz und Rohstoffe. Obwohl viele der zu entwickelnden Lösungen international anwendbar sind, liegt der Fokus auf der Trinkwasserversorgung der Bundesrepublik Deutschland und insbesondere NRW.
OWOS basiert auf dem Verständnis von Open Innovation. OWOS ermöglicht eine transparente Forschung unter Einbeziehung der wichtigen Stakeholder aus Forschung, Wirtschaft und Gesellschaft. Die Forschung erhält die Möglichkeit, neue Verfahren in einem anwendungsbezogen Kontext zu evaluieren. Die Wirtschaft erhält ein Referenzmodell, um eigene Verfahren zu testen. Für die Gesellschaft entstehen vielfältige Nutzungsmöglichkeiten, angefangen von der Durchführung von Summer Schools, in denen interessierte Schüler sowie Studierende einen Einstieg in ökologisch relevante Fragestellungen erhalten bis hin zu einer verbesserten Abwehr von Gefahren durch Umweltkatastrophen.
Durch ein bestehendes Netzwerk mit Unternehmen aus der Wasserwirtschaft und öffentlichen Verbänden ist sichergestellt, dass die Forschungsergebnisse in der Praxis validiert werden und gesellschaftlich relevante Fragestellungen bearbeitet werden.
9. SYNERGY
Titel: SYNERGY — Synergy for Smart Multi-Objective Optimization
Förderkennzeichen: 692286 (Proposal number)
Laufzeit: 1.2.2016 – 31.1.2019
Fördervolumen: 1.016.890,00 (TH-Anteil: 266.413,00 )
Förderlinie: Horizon 2020 (TWINN-2015-1)
Projektpartner: Prof. Dr.-Ing. Boris Naujoks, Prof. Dr. El-Ghazali Talbi, Dr. Tea Tusar, Prof. Dr.
Nouredine Melab, Prof. Dr. Gregor Papa, Prof. Dr. Bogdan Filipic, Prof. T. Bartz-Beielstein
Projektleitung: Prof. Dr. Peter Korosec (Forschungsinstitut Institut Jozef Stefan in Ljubljana/Slowenien)
Kurzbeschreibung: Die TH Köln und die Universität Lille unterstützen das Josef Stefan Institut in Ljubljana/Slowenien beim Aufbau und der Weiterentwicklung seiner Forschungsstrukturen. Schwerpunkt der Zusammenarbeit sind evolutionäre Algorithmen – mathematische Optimierungsverfahren, deren Funktionsweise an die natürliche Evolution angelehnt ist. Das Projekt SYNERGY wird durch Horizon 2020 gefördert, dem Rahmenprogramm der Europäischen Union für Forschung und Innovation. Geplant sind Expertenbesuche, Personalaustausch, Schulungen vor Ort oder über das Internet, Workshops, Teilnahme an Konferenzen und die Organisation gemeinsamer Aktivitäten wie Sommer- und Winterkurse. Das EU-Förderprogramm Horizon 2020 soll die Forschungs- und Innovationskluft zwischen Mitgliedsstaaten und Regionen in Europa schließen. Dafür soll das in der gesamten Union vorhandene Potenzial für exzellente Forschung und Innovation genutzt werden.
8. IMProvT
Titel: IMProvT — Intelligente Messverfahren zur Prozessoptimierung von Trinkwasserbereitstellung und Verteilung
Förderkennzeichen: 03ET1387A
Laufzeit: 1.12.2015 – 30.11.2018
Fördervolumen: 590.445,00 EUR
Förderlinie: Anwendungsorientierte nichtnukleare FuE im 6. Energieforschungsprogramm der Bundesregierung im Förderbereich: Energieeffizienz in Industrie und Gewerbe, Handel und Dienstleistungen (GHD) des Bundesministeriums für Wirtschaft und Energie
Projektpartner: Prof. Thomas Bartz-Beielstein (TH Köln), Dr. Andreas Korth (DVGW-Technologiezentrum Wasser, Dresden) , Dr. Andreas Nahrstedt (IWW), Dr. Uwe Weiss (Thüringer Fernwasserversorgung), Dr. Matthias Veit (Landeswasserversorgung Stuttgart), Dr. Achim Gahr (Endress+Hauser Conducta), Dr. Dieter Wonka (Aggerverband)
Projektleitung: Prof. Dr. Michael Bongards (TH Köln)
Kurzbeschreibung: Das Projekt IMProvT behandelt die Gewinnung und Nutzung mehrdimensionaler Prozessdaten zur energie- und ressourceneffizienten Optimierung und Prozesssteuerung bei der Trinkwasseraufbereitung. Zentraler Ansatzpunkt ist die Erzeugung kunden- und betriebsoptimierter Informationen sowie die Anpassung der einzelnen Trinkwasserprozessschritte bzw. des Netzmanagements an die aktuelle Situation auf Basis von Computational Intelligence (CI)-Methoden.
Ziel des Projekts IMProvT ist die Anpassung mehrdimensionaler CI-Verfahren im Bereich Trinkwasser. Derartige Verfahren verwenden die Daten von Messnetzwerken (Multi-Parameter-Sensoren) und ermöglichen die Ableitung von Handlungsempfehlungen, die zu einem energieoptimierten Betrieb des Netzes führen. Die Anwendung moderner und zukunftsweisender Analyseverfahren auf die bei der Produktion und Verteilung von Trinkwasser generierten Daten (Big Data) führt zu verbesserten Simulationen und Prognosen. Das Gesamtsystem kann stabilen und energieeffizient betrieben werden.
7. ISAFAN
Titel: ISAFAN: Intelligente Schadenvorhersage an Faserverbundstoff-Bauteilen in industriellen Anwendungen
Förderkennzeichen: FH-STRUKTUR 2014/10 (ISAFAN)
Laufzeit: 1.1.2014 – 31.12.2017
Förderervolumen: 238.890,00 (Förderung durch das MIWF)
Förderlinie: FH STRUKTUR 2014. Ministerium fürInnovation, Wissenschaft und Forschung des Landes Nordrhein-Westfalen
Projektpartner: Prof. Dr. Bartz-Beielstein, Prof. Dr. Blaurock, Prof. Dr. Lake, Prof. Dr. Bongards, Prof. Dr. Herrmann.
Projektleitung, Wissenschaftlicher Mitarbeiter: Prof. Dr. Jochen Blaurock, Jörg Stork, Sebastian Krey
Kurzbeschreibung: Das Forschungsprojekt ISAFAN (Intelligente Schadenvorhersage an Faserverbundkunststoff-Bauteilen in industriellen Anwendungen) der TH Köln arbeitet an der Optimierung von Faserverbundkunststoffen. Es werden neue Methoden zur Online-Überwachung von Faserverbundkunststoffbauteilen entwickelt. Das innovative Forschungsgebiet liegt hierbei nicht ausschließlich in der Messung von Strukturveränderungen, sondern insbesondere in der Entwicklung statistischer Methoden zur Schadenvorhersage. Industrielle Anwendungen ergeben sich im Bereich der Windkraft, der Automobilindustrie und im Flugzeugbau. Ein interdisziplinäres Forscherteam aus vier Instituten der Hochschule entwickelt faserverstärkte Bauteile mit eingebauten Sensoren. Diese liefern permanent Informationen über den Zustand der Werkstücke. Zeitgleich werden in dem Projekt statistische Methoden erarbeitet, die Schadensentwicklungen oder das Versagen von Teilen vorhersagen. Wartungen oder der Austausch von Komponenten können effizient geplant werden. ISAFAN wird durch das Landesprogramm FH Struktur mit 240.000 Euro gefördert und voraussichtlich bis Ende 2017 laufen.
6. SO2-Sensor
Titel: SO2-Sensor: ”Entwicklung multivariater Modellierung und adaptive Online Optimierung für das In-situ Messsystem mit einer SO2-Sonde.“
Teilprojekt im ZIM-Projekt ”Entwicklung eines nanostrukturierten SO2-Sensors mit dynamischer Kalibrierung für komplette In-situ Rauchgas-Messsysteme.“
Förderkennzeichen: KF3145101WM3
Laufzeit: 1.1.2015 – 31.12.2016
Fördervolumen: 168.573,00
Förderlinie: ”Zentrales lnnovationsprogramm Mittelstand (ZlM)“- Kooperationen, Projektform: Kooperationsprojekt (KF)
Projektpartner: ENOTEC GmbH
Projektleitung, Wissenschaftlicher Mitarbeiter: Prof. Dr. Thomas Bartz-Beielstein, Dimitri Gusew, Viktoria Schaale
Kurzbeschreibung: Das SPOTSeven Lab entwickelt ein Modellierungsverfahren zur Signalverarbeitung von Messsonden. Dieses Verfahren verwendet ein multivariates Modell zur Verarbeitung und Kombination verschiedener Messsignale unterschiedlicher Sonden. Dabei sollen Querempfindlichkeiten unterdrückt werden. Zudem soll das Modell frei parametrierbar sein und für den Anwender verständliche Formeln liefern. Neben der Interpretierbarkeit der Ergebnisse ist eine hohe Robustheit wünschenswert. Weiterhin soll ein Optimierungsprozess entwickelt werden, welcher während der Laufzeit der Sonden das Modell stetig an die sich verändernden Verhältnisse im Rauchgas anpasst.
5. MCIOP
Titel: MCIOP – Mehrkriterielle CI-basierte Optimierungsverfahren für den industriellen Einsatz
Förderkennzeichen: 17N0311 (BMBF)
Laufzeit: 1.8.2011 – 30.6.2015
Fördervolumen: 285.674,40
Förderlinie: ”Ingenieurnachwuchs an Fachhochschulen (IngenieurNachwuchs)“ 2011 im Rahmen des Programms ”Forschung an Fachhochschulen“
Projektpartner Steinmüller Engineering GmbH, TU Dortmund, Evolved Analytics LLC, Universiteit van Tilburg, Universiteit Leiden, Universiteit Gent, Arbeitgeberverband Oberberg e.V.
Projektleitung, Wissenschaftlicher Mitarbeiter: Prof. Dr. Thomas Bartz-Beielstein, Oliver Flasch
Kurzbeschreibung: Ziel des Projektes MCIOP ist die Verringerung von Schadstoffemissionen in Kohlekraftwerken. Der wissenschaftliche Fokus liegt auf der Entwicklung von Methoden, die in der Lage sind, interpretierbare Modelle für die Schadstoffemissionen automatisch zu generieren. Hierzu werden mehrkriterielle Optimierungsverfahren entwickelt und eingesetzt. Zur Zeit- und Kostenreduktion wird die Optimierung durch Surrogat-Modelle erfolgen, die abgestuft mit aufwändigeren Simulationen zum Einsatz kommen (”optimization via simulation“). Bei der Anlagenplanung und während des Betriebs können durch eine mehrkriterielle Optimierung unterschiedliche Zielgrößen, wie z.B. Kraftwerkseffizienz und Schadstoffmenge, gleichzeitig berücksichtigt werden.
4. COe-Sensor
Titel: COe-Sensor — Entwicklung von stabilen und querempfindlichkeitsfreien COe-sensitiven Materialien für Rauchgassensoren
Förderkennzeichen: KF3145101WM3
Laufzeit: 1.7.2013 – 30.06.2015
Fördervolumen: 173.402,00
Förderlinie: ”Zentrales lnnovationsprogramm Mittelstand (ZlM)“- Kooperationen, Projektform: Kooperationsprojekt (KF)
Projektpartner: ENOTEC GmbH
Projektleitung, Wissenschaftlicher Mitarbeiter: Prof. Dr. Thomas Bartz-Beielstein, Jörg Stork
Kurzbeschreibung: Entwicklung von modernen Modellierungstechniken, mehrkriterieller Optimierung und dem flexiblen mehrschrittigen Prozessmodell.
3. PER-OPTI
Titel: PER-OPTI – Optimierung der Prozessführung basierend auf der automatischen Performancebewertung in modernen Walzwerken
Förderkennzeichen: Anschubfinanzierung FH Köln
Laufzeit: 1.5.2012 – 30.4.2015
Fördervolumen: 90.000
Förderlinie: FH Köln: Interne Forschungsförderung: Antrag auf Anschubfinanzierung
Projektpartner: Prof. Dr. Bartz-Beielstein, Prof. Dr.-Ing. Haber, Prof. Dr.-Ing. Jelali, Prof. Dr.-Ing. Smajic
Projektleitung, Wissenschaftlicher Mitarbeiter: Prof. Dr.-Ing. Mohieddine Jelali, Christian Jung
Kurzbeschreibung: Das vorliegende Verbundforschungsprojekt dient als Startpunkt zur Bildung eines neuen Forschungsschwerpunktes ”Ressourcen- und Energieeffizienz“ an der FH Köln, zur Intensivierung der Drittmitteleinwerbung sowie zur Verbesserung der interdisziplinären und fakultätsübergreifenden Zusammenarbeit und Forschung auf den Gebieten der Regelungs- und Automatisierungstechnik. Gegenstand der Forschung und Anwendung stellen komplexe Anlagen und Prozessketten dar, wie sie in der Prozessindustrie, insbesondere der metallverarbeitenden Industrie, vorkommen. Dort besteht viel Potential zur Energie- und Ressourceneffizienz bzw. zur Verringerung von Umwelt-/Klimabelastung. Einen effektiven Beitrag dazu können neue, effiziente Automatisierungssysteme leisten, die im Rahmen des Forschungsschwerpunktes gemeinsam mit Partnern aus Industrie und Hochschule entwickelt werden.
2. CIMO
Titel: CIMO: ”CI-basierte mehrkriterielle Optimierungsverfahren für Anwendungen in der Industrie.“
Förderkennzeichen: 17002X11 (BMBF)
Laufzeit: 1.11.2011 – 31.10.2014
Fördervolumen: 281.453,70
Förderlinie: ”Forschung an Fachhochschulen mit Unternehmen (FHprofUnt)“ 2011 im Rahmen
des Programms ”Forschung an Fachhochschulen“
Projektpartner: Steinmüller Engineering GmbH, TU Dortmund, Universiteit Leiden, Universiteit van Tilburg, Evolved Analytics LLC, Universiteit Gent, Arbeitgeberverband Oberberg e.V.
Projektleitung, Wissenschaftliche Mitarbeiter: Prof. Dr. Thomas Bartz-Beielstein, Martin Zaef- ferer, Margarita Rebolledo
Kurzbeschreibung: Ziel des Projektes CIMO ist die Entwicklung von Optimierungsverfahren zur Analyse und Prognose von Daten zur Reduktion von Schadstoffemissionen in Kohlekraftwerken mittels Verfahren der computational intelligence (CI). Methoden aus der Informatik, insbesondere aus dem Bereich des Algorithm Engineerings spielen hierbei eine zentrale Rolle. Die Entwicklung entsprechender Algorithmen (Optimierungsverfahren) und Visualisierungstechniken stehen im Mittelpunkt dieses Projektes. Der Schwerpunkt liegt dabei auf “Genetic Programming”, einem Verfahren, mit dem mathematische Modelle für Schadstoffemissionen automatisch anhand von Messdaten erzeugt werden können. Da mehrere Zielgrößen berücksichtigt werden, kommen Verfahren der mehrkriteriellen Parameteroptimierung zum Einsatz. Außerdem mu ̈ssen Verfahren zur Restriktionsbehandlung entwickelt werden, da viele Nebenbedingungen auftreten.
1. FIWA
Titel: FIWA – Methoden der Computational Intelligence für Vorhersagemodelle in der Finanz- und Wasserwirtschaft
Förderkennzeichen: 17N2309
Laufzeit: 1.6.2009 – 31.11.2012
Fördervolumen: 258.424,00
Förderlinie: ”Ingenieurnachwuchs an Fachhochschulen (IngenieurNachwuchs)“ 2011 im Rahmen des Programms ”Forschung an Fachhochschulen“
Projektpartner: Dortmund Intelligence Project (DIP) GmbH, TU Dortmund, Quaesta Capital GmbH, Technische Werke Emmerich GmbH
Projektleitung, Wissenschaftlicher Mitarbeiter: Prof. Dr. Thomas Bartz-Beielstein, Oliver Flasch
Kurzbeschreibung: Ziel des Projekts FIWA war die Entwicklung modularer Systeme zur Analyse und Prognose von Daten aus der Finanz- und Wasserwirtschaft mittels Verfahren der Computational Intelligence. Schwerpunktmäßig wurde dabei Genetic Programming eingesetzt.