Die Wissenschaftler*innen des Zukunftslabors Produktion entwickelten neue Methoden, um heterogene Anlagen effizienter zu steuern. Durch Modellierung von Hard- und Softwarekomponenten sowie die kontraktbasierte Software-Entwicklung verbessern sich Flexibilität und Fehlervermeidung in vernetzten Produktionssystemen.
Die Wissenschaftler*innen des Zukunftslabors Produktion setzten Maschinelle Lernverfahren (ML) ein, um verschleißbedingte Formabweichungen präzise vorherzusagen. Sie untersuchten die Unsicherheit der Modelle und nutzten Active Learning, um die Datenbasis autonom zu erweitern und die Produktionsqualität zu sichern.
Die Wissenschaftler*innen des Zukunftslabors Produktion untersuchten den Lebenszyklus von Windenergieanlagen und entwickelten ein Modell zur Prognose von Recyclingprozessen. Das Modell hilft dabei, Materialflüsse besser zu verstehen und die Planung von Recyclingkapazitäten gezielt zu verbessern.
Föderiertes Lernen trifft auf ein umfassendes Sicherheitskonzept: Die innovative Datenplattform des Zukunftslabors Produktion vernetzt Produktionsdaten entlang komplexer Lieferketten, liefert ein Konzept für ein sicheres industrielles Kommunikationssystem und orientiert sich dabei an datenbasierten Ökosystemen.
