DiReMa - Digitale Prozesskette für das Remanufacturing von additiv gefertigten Metallbauteilen
Ziel des Projekts DiReMa ist der Aufbau eines durchgängig digitalisierten Produkt- und Prozessmodells für das Remanufacturing additiv gefertigter Metallbauteile. Das Remanufacturing (Wiederaufbereitung/Refabrikation) stellt eine Schlüsselstrategie...Produktion Additive Fertigung Digitalisierung Kreislaufwirtschaft Refabrikation Remanufacturing Wiederaufbereitung
Project duration: 2024-06-17 - 2026-06-16
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...Produktion CO2-Fußabdruck Data Science Gießerei Machine Learning Ressourceneffizienz
Project duration: 2024-01-01 - 2026-12-31
FLInK - Föderierte Lernverfahren und Schwarmintelligenz in der fertigenden Industrie zum beschleunigten Transfer vortrainierter KI-Modelle
Das Projekt "FLlnK" erforscht KI-Methoden des verteilten Lernens und den Transfer vortrainierter KI-Modelle zwischen Fertigungsverfahren und Produkten. Maschinelles Lernen (ML) bietet wirtschaftliche und ökologische Vorteile, z.B. durch...Produktion Digitalisierung Industrie 4.0 Informatik Informationstechnologie KI Maschinelles Lernen Schwarmintelligenz Verteiltes Lernen
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...Produktion 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...Produktion CAR-T-Zellen Informatik Krebstherapie Machine Learning personalisierte Medizin Reinforcement Learning selbstlernende Maschinen
Project duration: 2022-10-01 - 2025-09-30
KICarbon – KI‐Assistenzsystem zur schnellen Kostenprognose von komplexen Leichtbau‐Komponenten auf Basis von 3D‐Bauteilgeometrien
Die hohe Komplexität der Fertigung von Faserverbundwerkstoffen bindet höchstqualifizierte Mitarbeiterinnen und Mitarbeiter unnötigerweise in der Akquise. Zudem erlauben die hohen lokalen Lohnstrukturen kaum Fehlkalkulationen, die die...Produktion Carbon Faserverstärkte Kunststoffe Geometrieanalyse KI
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...Produktion Assistenzsysteme Bearbeitungsprozesse Crisp-DM Data Science Digitaler Zwilling Digitalisierung Machine Learning Optische Messtechnik
Project duration: 2020-09-21 - 2023-12-21
REFFpro – Steigerung der Energie- und Ressourceneffizienz von Gießereien durch ganzheitliche Digitalisierung betrieblicher Prozesse
Ziel des Projekts REFFpro ist die Steigerung der Umweltverträglichkeit der Produktion kleiner und mittelständischer Gießereien. Um dies zu erreichen, werden Digitalisierungsmaßnahmen und datengetriebene Optimierungsmethoden verwendet.Gießen ist...Produktion datengetriebene Optimierung Digitalisierung Energieeffizienz Fertigungs- und Automatisierungstechnik Gießereiindustrie KMU maschinelles Lernen Ressourceneffizienz
Prof. Dr.-Ing. Frieder Heieck
Hochschule Kempten.