ENGAGEMENT - Erfassung innerbetrieblicher Energie- und Materialverbräuche in Gießereien für die Ermittlung eines gussteilbezogenen CO2-Footprints
Das Gießen gehört zu den energieintensiven Fertigungsverfahren. Daher sieht sich das deutsche Gießereiwesen vor die Aufgabe gestellt, einen Beitrag zur Eindämmung des menschengemachten Klimawandels zu leisten. Die Reduktion des unternehmenseigenen...Machine Learning CO2-Fußabdruck Data Science Gießerei Produktion Ressourceneffizienz
Project duration: 2023-10-01 - 2026-08-31
ReGAIN - Resiliente Automotive-Gießereien durch Einsatz AI-gestützter Assistenten für nachhaltige Prozesse
Im Forschungsprojekt ReGAIN wird der Ansatz der digitalen, auf Catena-X basierenden Verknüpfung von Gießereiproduktionssystemen zur Steigerung von Effizienz, Flexibilität, Resilienz und Nachhaltigkeit verfolgt. Ziel ist es, komplexe...Machine Learning automatische optische Inspektion Bauteilrückverfolgung Bildverarbeitung Datenanalyse Digitalisierung Gießerei Industrie 4.0 KI
Project duration: 2023-09-01 - 2026-08-31
iCARus - Intelligente Kultivierung von CAR T-Zellen unter Verwendung selbstlernender Systeme
Die CAR-T-Zell-Therapie ist eine personalisierte Krebsimmuntherapie und wird aktuell vor allem zur Behandlung von bestimmten Leukämien und Lymphomen eingesetzt. Dabei werden patientenindividuelle Immunzellen (T-Zellen) in speziellen Laboren...Machine Learning CAR-T-Zellen Informatik Krebstherapie personalisierte Medizin Produktion Reinforcement Learning selbstlernende Maschinen
Project duration: 2022-06-01 - 2024-08-31
Q-Process – Datengetriebene Qualitätsermittlung und Prozesssteuerung in der Bauteilfertigung
Q-Process entwickelt eine einheitliche, durchgängige und modellbasierte Methode zur Optimierung und Regelung von Bearbeitungsprozessen in der Bauteilfertigung.Die Prozesskette vom Rohmaterial bis zum fertig bearbeiteten Bauteil wird basierend auf...Machine Learning Assistenzsysteme Bearbeitungsprozesse Crisp-DM Data Science Digitaler Zwilling Digitalisierung Optische Messtechnik predictive analytics
Prof. Dr.-Ing. Frieder Heieck
Hochschule Kempten.