In der Glasumformung führen nicht optimale Temperaturen in Heizraum und Glas zu Formfehlern und Defekten, doch die Temperaturverteilungen lassen sich durch Sensorik schwer erfassen. Die alternative Nutzung von Machine Learning Modellen benötigt ausgebildete Data Scientists – oder wenn automatisiert – Unmengen an Daten. Ziel dieses Projektes ist die Prozessoptimierung durch Vorhersage des Glas-Fließverhaltens mithilfe hybrider künstlicher Intelligenz. Dazu soll ein Machine Learning Modell mit Sensordaten trainiert, mit rheologischen Modellen kombiniert und in bedienungsfreundliche Software implementiert werden.
IGF-Projekt: 01IF22461N
Laufzeit: 01.05.2022 - 31.12.2024
Beteiligte Forschungseinrichtung
Eingebundene Unternehmen
(Projektbegleitender Ausschuss, "PA")
Von diesen Unternehmen beteiligen sich die Unternehmen INGENERIC GmbH, son-x GmbH, Vitrum Technologies GmbH und WALTEC Maschinen GmbH an der Deckung der auf freiwilliger Basis durch die Wirtschaft zu tragenden Administrationskosten. Die F.O.M. bedankt sich im Namen der beteiligten Branchen.
BMWK-Förderung
Vorhabensbeschreibung
Abschließende Ergebnisse
Weitere Informationen für eingebundene PA-Unternehmen
Als F.O.M.-Mitglied können Sie über eine formlose E-Mail das entsprechende "Ergebnis-Paket OptiMassKI" abonnieren.