Leistungen: Data Science, Numerik & Physik

Algorithmus-Entwicklung

Ein Algorithmus ist im Grunde eine Schritt-für-Schritt-Anleitung, die einem Computer sagt, was er tun soll, um ein bestimmtes Problem zu lösen. In der Datenanalyse können Algorithmen verwendet werden, um Muster in großen Datensätzen zu identifizieren und Entscheidungen zu treffen, die auf diesen Daten basieren. Algorithmus-Entwicklung kann auch dazu beitragen, die Effizienz von Produktionsprozessen zu verbessern, indem Zeitbedarf, Ressourceneffizienz oder Produktqualität optimiert werden.

Physik

In der Produktion tragen physische Modelle dazu bei, Prozesse zu optimieren und Fehler zu minimieren. Durch die Modellierung eines Produktionsschritts, kann ein vollständiges Verständnis der Vorgänge erreicht werden und negative Überraschungen können mathematisch exakt ausgeschlossen werden.

Durch die Abschätzung der Größenordnung potentieller Störgrößen, können die zugehörigen physikalischen Prozesse in das physikalische Modell aufgenommen oder ausgeschlossen werden. Das ermöglicht einen schnellen, zielgerichteten und kosteneffizienten Entwicklungsprozess.

Design of Experiment

Design of Experiments (DoE) ist eine Methode zur systematischen Planung, Durchführung und Auswertung von Experimenten. Hierbei wird untersucht, welche Parameter verändert werden müssen, um ein gewünschtes Ergebnis zu erzielen. Hierbei wird mit möglichst wenigen Experimenten ein hinreichend vollständiges Verständnis des untersuchten Systems aufgebaut.

Ein statistisch effizientes Vorgehen bei der Versuchsplanung ist vor allem dann wichtig, wenn die Durchführung eines Experiments sehr kostspielig ist – oft sind Experimente mit Produktionsstopps verbunden. Zusätzlich entwickelt die Algorithmus Schmiede statistische Methoden, um Produktionsunterbrechungen zu minimieren und die notwendigen Erkenntnisse aus kostengünstigen Datenquellen abzuleiten.

Data Science

Die Identifikation von Zusammenhängen in komplexen Datensätzen liefert entscheidende Vorteile in den Bereichen:

• Qualitätskontrolle
• Prediktive Maintanance (Vorhersage von Wartungsbedarf)
• Optimierung der Produktionsleistung
• Vorhersage der Produktionsauslastung
• Detektion von außergewöhnlichen Ereignissen

Der sachgemäße Aufbau von Machine Learning Modellen zu diesen Zwecken erfordert jedoch einige Expertise. Ein einziger zusätzlicher identifizierter Zusammenhang kann den entscheidenden Wettbewerbsvorteil für Sie bedeuten. Profitieren Sie hierbei von unserer Expertise.

Regelungstechnik

Mit Hilfe von physikalischen Modellen entwickeln wir hocheffiziente Regelungsalgorithmen, die Prozessparameter wie Temperatur, Druck, Geschwindigkeit oder Position automatisch steuern. Hierdurch verkürzen sich Produktionszeiten und im Fehlerfall wird die Wahrscheinlichkeit für Ausschusschargen reduziert.

Durch die Auswahl geeigneter zusätzlicher Sensorik können wir weitere Effizienzsteigerungen anstoßen, Wartungsintervalle verlängern und die Prozesssicherheit erhöhen. Hierbei kommt uns vor allem unsere Expertise in den Bereichen Reinforcement-Learning und Monte Carlo Simulationen zugute.

Fehlerdiagnose

Die Fehlersuche in komplexen Systemen, wie Produktionsprozessen oder Datenverarbeitungspipelines kann sich lange ziehen und sich zur Bedrohung von Marge und Investments entwickeln. Ein besonders kritischer Punkt ist hierbei die Betriebsblindheit und der zunehmende Verdruss der eigenen Mitarbeiter.

Die Experten der Algorithmus Schmiede sind es gewohnt, sich lange Zeit unter höchster Konzentration mit technischen Problemen auseinander zu setzen. Unser methodisches Vorgehen ermöglicht es uns zudem Fehler systematisch einzugrenzen oder Mechanismen zu entwickeln, um deren Reproduzierbarkeit herzustellen.

Computer Vision

Computer Vision befasst sich mit der automatisierten Verarbeitung, Analyse und Interpretation von digitalen Bildern oder Videos. Hierbei werden Objekte in Bildern erkannt, die Qualität von Oberflächen bestimmt oder auf die Position eines Objektes im 3 dimensionalen Raum zurückgeschlossen.

Wir setzen die Bibliothek OpenCV in Kombination mit Python und C++ ein. Zusätzlich entwickeln wir eigene Routinen, z.B.

• Steigerung der Präzession mit Subpixel-Interpolation
• Performante Bildfilter zur Verarbeitung von NAN-Pixeln
• Algorithmen zur Kantendetektion für atypische Bildkanten

Mit geeigneten Annahmen über Plausibilität und Kontext können wir Informationen erschließen, welche sich nicht mathematisch eindeutig aus dem Bildmaterial ableiten lassen. Damit steigern wir die Genauigkeit von optischen Sensoren oder ersparen Ihnen den Einsatz von neuer Sensorik.

Numerik

Die effiziente und exakte Lösung mathematischer Probleme ist ein essenzieller Bestandteil unserer Arbeit. Über den Einsatz typischer Numerik-Bibliotheken hinaus, sind wir in der Lage eigene hocheffiziente Algorithmen zu implementieren, welche welche speziell auf Ihren Anwendungsfall zugeschnitten sind. Sie profitieren dadurch von stark verkürzen Rechenzeiten und reduzieren damit Energiebedarf und Wartezeiten.

Messtechnik

Die Genauigkeit von Sensorsignalen lässt sich oft zusätzlich steigern, in dem die Rahmenbedingungen Ihres spezifischen Einsatzzwecks miteinbezogen werden. So lassen sich Messtarifakte korrigieren, in dem die Messwerte in Kombination mit weiteren Informationen betrachtet werden, z.B.:

• Komplementäre Sensordaten
• Physikalischen Gesetze und Grenzwerte
• Objekteigenschaften

Auch entwickeln wir die notwendigen Algorithmen zur Verwertung der Informationen neu eingebrachter Sensorik. Wenn sie ein neues Messinstrument einsetzen, entwickeln wir Lösungen für z.B.

• Vorhersagemodelle für weitere Prozessschritte
• Detektion von Ausreißern und Fehlerfällen
• Automatische Anpassung von Maschineneinstellungen

Digitaler Zwilling

Ein digitaler Zwilling, ermöglicht Ihnen das schnelle, automatische und vollständige simulieren eines Systems. Dies können Sie nutzen, um Abläufe in der Produktion zu optimieren, Vorhaben zur Erweiterung von Anlagen zu evaluieren oder neue Softwarereleases vor dem produktiven Einsatz zu testen.

Bei der Simulation eines Produktionsprozesses mit Hilfe eines digitalen Zwillings sparen Sie sich Produktionsstillstände, Umrüstzeiten, Schadenfälle und Ausschuss. Ihre Entwicklungszyklen werden schneller und Sie können neuartige Konzepte erproben, die zuvor nicht denkbar waren.

Reinforcement Learning

Reinforcement Learning optimiert Systemsteuerungen, indem es diese befähigt selbstständig Hypothesen aufzustellen und diese in Eigenregie zu erproben. Diese Technik bringt erstaunliche Ergebnisse wie balancierende Roboter, strategische Entscheidungen in der Spieltheorie, Empfehlungssysteme oder autonome Steuerungsprozesse hervor. Gleichzeitig erfordert das Aufbauen dieser Systeme einige Erfahrung, um einen tatsächlichen Lernerfolg sicherzustellen. Sollten die Erprobungsversuche in kostspieligen Fehlerzuständen enden können, ist der Aufbau von Sicherheitsmechanismen notwendig, wobei unsere Stärken in der physikalischen Modellbildung zum tragen kommen.

Weitere Informationen zu Reinforcement Learning finden Sie in diesem Video.

Monte Carlo

Differentialgleichungen

Programmierung in Python

Programmierung in C/C++

Programmierung in Fortan