Zum Inhalt springen

Prof. Dr.-Ing. Andreas Schwung

FB Elektrische Energietechnik Soest

Automatisierungstechnik und lernende Systeme

Zur Person

Werdegang

seit 02.2015
Professor für Automatisierungstechnik und Grundgebiete der Elektrotechnik an der Fachhochschule Südwestfalen, Soest

01/2011 - 12/2014
Projektleiter für Elektro-, Mess-, Steuer-, Regelungstechnik in der Projektierung Kompressoren bei der MAN Diesel & Turbo SE, Oberhausen

12/2007-12/2010
Wissenschaftlicher Mitarbeiter am Fachgebiet Regelungstheorie und Robotik an der TU Darmstadt, Promotion im Bereich Fuzzy-Systeme und Computational Intelligence

2002 - 2007
Studium der Elektro- und Informationstechnik an der TU Darmstadt, Schwerpunkt Mechatronik

Forschung

Aktuelle Projekte

  • Condition Monitoring of Industrial Processes Using Deep Neural Network
  • Assistance Systems for Production Assessment based on Information Fusion and Knowledge Discovery
  • Peristaltische Sortiermaschine

Arbeitsgebiete und Forschungsschwerpunkte

Vernetzte Automation / Industrie 4.0: Der Begriff Industrie 4.0 steht für die zunehmende Digitalisierung der industriellen Produktion. Digitalisierung bedeutet hierbei insbesondere die Vernetzung von Maschinen und Anlagen untereinander, mit ERP-Systemen und dem Internet. Die Arbeiten am Fachgebiet im Umfeld Industrie 4.0 konzentrieren sich hierbei auf die Entwicklung von vernetzten dezentralen Steuerungssystemen sowie von selbstoptimierenden und selbstrekonfigurierenden Produktionssystemen mithilfe von Methoden aus der künstlichen Intelligenz. So entstehen hochflexible Produktionssysteme, die in der Lage sind, ihr Verhalten während des Betriebs zu optimieren und sich kontinuierlich durch Erlernen neuer Verhaltensmuster verbessern. Ziele der Arbeiten sind die Flexibilisierung der Produktion bis hin zu Losgröße 1, die Erhöhung der Verfügbarkeit sowie die Optimierung der Betriebsweise. Die Anwendungsfelder der Forschungsergebnisse liegen hierbei vor allem in der Produktionstechnik sowie im Maschinen- und Anlagenbau.

Machine Learning und Big Data Analytics: Die Digitalisierung der Produktion ist verbunden mit der kontinuierlichen Aufnahme großer Datenmengen, die Maschinendaten, Produktionsparameter sowie Produktdaten umfassen. Bisher werden diese Daten nur sehr selten für weitergehende Analysen verwendet, das Potenzial der anfallenden Daten wird somit nicht genutzt. Die Arbeiten am Fachgebiet im Bereich der intelligenten Datenanalyse konzentrieren sich auf die Auswertung dieser Produktionsdaten mithilfe von Verfahren aus dem Machine Learning, beispielsweise durch den Einsatz von Neuronalen Netzen oder verschiedenen Klassifikationsalgorithmen. Ziel ist die Applikation dieser Verfahren auf industrielle Anwendungen mit dem Fokus auf das Condition Monitoring, die prädiktive Wartung sowie die Prozess- und Energieoptimierung. Die Kombination von Modellen des Produktionssystems und Verfahren zur intelligenten Datenanalyse kann hochgenaue Aussagen über den aktuellen Anlagenzustand treffen. Ebenso können zuverlässige Vorhersagen über zu erwartende Wartungshandlungen gegeben werden, die unnötige Anlagenstillstände vermeiden. Auch der Einfluss von Prozessparametern auf die Produktgüte kann auf Basis von Datenanalysen bestimmt werden, woaus Optimierungspotentiale für das Prozessverhalten abgeleitet werden können. Die Anwendungsfelder der Forschungsergebnisse liegen u.a. in der Produktionstechnik sowie im Maschinen- und Anlagenbau. Des Weiteren arbeiten wir an Verfahren zur Bildverarbeitung mit dem Fokus auf Anwendungen in der Produktion sowie zur automatisierten Handschrifterkennung.

DEM / Mechatronische Systeme: Die Anwendung der diskrete Elemente Methode stellt einen weiteren Schwerpunkt der Arbeiten dar. Mithilfe der DEM lassen sich realitätsnahe Simulationen von Partikelsystemen erzeugen, die dann für die Systemauslegung und Systemoptimierung verwendet werden können. In Zukunft soll das Potenzial der DEM auch auf weitere Bereich wie den Reglerentwurf ausgedeht werden.

Ein zweiter Arbeitsbereich stellen wasserstoffbasierte Antriebe für Elektrofahrzeuge dar. Im Rahmen des Forschungsprojekts H2Energy erforscht das Fachgebiet Automatisierungstechnik zusammen mit den Fachgebieten Schaltungstechnik, Elektrische Antriebe und Physik Optimierungspotentiale im Betrieb von Wasserstoff-Elektrofahrzeugen mit Hybridspeichersystem. Kern der Arbeiten am Fachgebiet ist die Entwicklung eines intelligenten Energiemanagementsystems mit dem Ziel, die Reichweite von Elektrofahrzeugen durch eine optimierte Betriebsweise zu erhöhen.

Veröffentlichungen / Publications

2021
D. Schwung, A. Schwung, S.X. Ding: „Self Optimization of Modular Production Units: A state-based potential game approach“; in IEEE Transactions on Cybernetics, accepted for publication, 2021

F. Westbrink, A. Elbel, A. Schwung, S.X. Ding: „Calibration of DEM Parameters using Multi-Objective Reinforcement Learning”; in Powder Technology, 379, S. 602-616, 2021

G.S. Chadha, J.N. Reimann, A. Schwung: „Generalized Dilation Structures in Convolutional Neural Networks“, in Proc. of the 10th International Conference on Pattern Recognition Applications and Methods, 2021

2020
G.S. Chadha, A. Panambilly, A. Schwung, S.X. Ding: „Bidirectional Deep Recurrent Neural Networks for Process Fault Classification“; in ISA Transactions, 106, S. 330-342, 2020

D. Schwung, V. Patel, A. Schwung, S.X. Ding: „Optimierung in verteilten Produktionssystemen - Maschinelles Lernen mit Spieltheorie auf der SPS“; in atp magazin, 62 (11-12), S. 66-77, 2020

F. Arevalo, M.I. Tahasanul, M.R. Diprasetya, O.O. Flores, A. Schwung: „Monitoring and Forecasting of Air Emissions with IoT Measuring Stations and a SaaS Cloud Application“; in Proc. of the 2nd International Conference on Societal Automation, Madeira, Portugal, 2020

G.S. Chadha, J. Kim, A. Schwung, S.X. Ding: „Permutation Learning in Convolutional Neural Networks for Time Series Analysis“; in Proc. of the International Conference on Artificial Neural Networks, 2020

F. Westbrink, T. Schütte, A. Schwung, S.X. Ding: „Simulation based design and data based control of peristaltic sortation machines“; in Proc. of the IEEE 46th Annual Conference of the Industrial Electronics Society, 2020

G.S. Chadha, N. Sakeib, A. Schwung: „Remaining Useful Lifetime Estimation with Sobolev Training“; in Proc. of the International Conference on Emergent Technologies and Factory Automation, Vienna, Austria, 2020

F. Westbrink, A. Schwung, S.X. Ding: „How to get a Parcel surfing”; in Proc. of the International Conference on Advanced Intelligent Mechatronics, Boston, USA, 2020

D. Schwung, J.N. Reimann, A. Schwung, S.X. Ding: „Smart Manufacturing Systems: A game theory-based approach“; in R. Goncalves, V. Sgurev, V. Jotsov, J. Kacprzyk (Eds.) Intelligent Systems: Theory, Research and Innovation in Applications, Springer, 2020

F. Arevalo, D. Sunaringtyas, C. Tito, A. Schwung: „Interactive Visual Procedure using an extended FMEA and Mixed-Reality “; in Proc. of the International Conference on Industrial Technology, Buenos Aires, Argentina, 2020

2019
D. Schwung, A. Schwung, S. X. Ding: „Actor-critic reinforcement learning for energy optimization in hybrid production environments“; in International Journal of Computing, 18(4), S. 360-371, 2019

G.S. Chadha, M. Krishnamoorthy, A. Schwung: „ Time Series based Fault Detection in Industrial Processes using Convolutional Neural Networks”; Proc. of the IEEE 45th Annual Conference of the Industrial Electronics Society (IECON 2019), Lisbon, Portugal, 2019

D. Schwung, M. Modali, A. Schwung: „Self Optimization in Smart Production Systems using Distributed Reinforcement Learning”; Proc. of the International Conference on Systems, Man, and Cybernetics (SMC 2019), Bari, Italy, 2019

D. Schwung, J.N. Reimann, A. Schwung, S.X. Ding: „Potential Game based Distributed Optimization of Modular Production Units“; Proc. of the International Conference on Industrial Informatics (INDIN 2019), Helsinki, Finland, 2019

A. Schwung, D. Schwung, M.S. Abdul Hameed: „ Cooperative Robot Control in Flexible Manufacturing Cells: Centralized vs. Distributed Approaches“; Proc. of the International Conference on Industrial Informatics (INDIN 2019), Helsinki, Finland, 2019

F. Arevalo, C. Tito, M.R. Diprasetya, A. Schwung: „Fault Detection Assessment using an extended FMEA and a Rule-based Expert System”; Proc. of the International Conference on Industrial Informatics (INDIN 2019), Helsinki, Finland, 2019

G.S. Chadha, A. Rabbani, A. Schwung: „Comparison of Semi-supervised Deep Neural Networks for Anomaly Detection in Industrial Processes”; Proc. of the International Conference on Industrial Informatics (INDIN 2019), Helsinki, Finland, 2019

F. Westbrink, A. Elbel, A. Schwung: „ Development of an automated mobile DEM calibration unit”; Proc. of the 8th International Conference on Discrete Element Methods (DEM8), Enschede, The Netherlands, 2019

F. Westbrink, R. Sivanandan, T. Schütte, A. Schwung: „Design approach and simulation of a peristaltic sortation machine”; Proc. of the IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM 2019), Hong-Kong, China, 2019

G.S. Chadha, E. Meydani, A.Schwung: „Regularizing Neural Networks with Gradient Monitoring“; Proc. of the 2019 INNS Big Data and Deep Learning Conference (INNSBDDL 2019), Genoa, Italy, 2019

P. Rehlaender, M. Schröer, P. Kemper, A. Schwung: „Traffic Sign Detection using R-CNN“; Proc. of the 2019 INNS Big Data and Deep Learning Conference (INNSBDDL 2019), Genoa, Italy, 2019

2018
D. Schwung, A. Schwung, S.X. Ding: „On-line Energy Optimization of Hybrid Production Systems using Actor-Critic Reinforcement Learning“; Proc. of the 9th International Conference on Intelligent Systems, Funchal, Portugal, 2018

D. Schwung, J. N. Reimann, A. Schwung, S.X. Ding: „Self Learning in Flexible Manufacturing Units: A Reinforcement Learning Approach“; Proc. of the 9th International Conference on Intelligent Systems, Funchal, Portugal, 2018

F. Arevalo, J. Rementeria, A. Schwung: „Fault Detection Assessment Architectures based on Classification Methods and Information Fusion“; Proc. of the 23rd International Conference on Emergent Technologies and Factory Automation (ETFA 2018), Turin, Italy, 2018

F. Arevalo, M. Rizky, A. Schwung: „A Cloud-based Architecture for Condition Monitoring based on Machine Learning“; Proc. of the 16th International Conference on Industrial Informatics (INDIN 2018), Porto, Portugal, 2018

F. Westbrink, A. Schwung: „Virtual Commissioning Approach based on the Discrete Element Method“; Proc. of the 16th International Conference on Industrial Informatics (INDIN 2018), Porto, Portugal, 2018

F. Arevalo, E. Oestanto, A. Schwung: „Development of a Mobile App for the Fault Detection Assessment on a Bulk Good System in the Framework of the CoreSys Project“; Proc. of the 16th International Conference on Industrial Informatics (INDIN 2018), Porto, Portugal, 2018

P. Rehlaender, P. Kemper, A. Schwung, U. Witkowski: „Control of a Fuel Cell Vehicle Thermal Management System”; Proc. of the 5th IEEE International Energy Conference (Energycon 2018), Limassol, Cyprus, 2018

P. Rehlaender, P. Kemper, A. Schwung, U. Witkowski: „Modeling of a Fuel Cell Vehicle Thermal Management System”; Proc. of the 5th IEEE International Energy Conference (Energycon 2018), Limassol, Cyprus, 2018

F. Westbrink, G. Chadha, A. Schwung: „Integrated IPC for data-driven machinemonitoring and fault detection“; Proc. of the 1st international Conference on Cyber Physical Systems (ICPS 2018), Saint Petersburg, Russia, 2018

G. Chadha, F. Westbrink, T. Schütte, A. Schwung: „Optimal Dosing of bulk good material using mass-flow estimation and DEM simulation“; Proc. of the 19th international Conference on Industrial Technology (ICIT 2018), Lyon, France, 2018

2017
P. Kemper, P. Rehlaender, U. Witkowski, A. Schwung: „Competitive Evaluation of Energy Management Strategies for Hybrid Electric Vehicle based on Real World Driving“; Proc. of the European Modelling Symposium (EMS2017), Manchester, UK, 2017

P. Rehlaender, P. Kemper, M. Schröer, U. Witkowski, A. Schwung: „A Novel Predictive Energy Management System“; Proc. of the European Modelling Symposium (EMS2017), Manchester, UK, 2017

D. Aufderheide, M.Rodriguez, A.Schwung, L. DiMatteo: „Automatisierte Abnahmen gravimetrischer Dosiersysteme“, atp edition, vol. 59, no. 07-08, pp. 24-33, 2017

G. Chadha, A. Schwung: „Comparison of Deep Neural Network methods for fault diagnosis of tennessee eastman process“, Proc. of the 22nd IEEE International Conference on Emerging Technologies And Factory Automation (ETFA2017), Limassol, Cyprus, 2017

F. Arevalo, A. Schwung: „Assistance System for a Bulk Good System based on Information Fusion“, Proc. of the 22nd IEEE International Conference on Emerging Technologies And Factory Automation (ETFA2017), Limassol, Cyprus, 2017

F. Westbrink, A. Schwung: “Improved approximation of arbitrary shapes in DEM simulations with multi-spheres”, Proc. of the 14th International Conference on Computational Plasticity (COMPLAS2017), Barcelona, Spain, 2017

F. Arevalo, A. Schwung: „Fault Detection using Probabilistic Prediction and Data Fusion on a Bulk Good System“, Proc. of the 52nd International Universities' Power Engineering Conference, Heraklion, Greece, 2017

A. Schwung, A. Elbel, D. Schwung: „System reconfiguration of modular production units using a SOA-based control structure“, Proc. of the 15th International Conference on Industrial Informatics (INDIN 2017), Emden, Germany, 2017

D. Schwung, T. Kempe, A. Schwung, S. Ding: „Self-optimization of energy consumption in complex bulk good processes using reinforcement learning“, Proc. of the 15th International Conference on Industrial Informatics (INDIN 2017), Emden, Germany, 2017

D. Schwung, F. Csaplar, A. Schwung, S. Ding: „An Application of Reinforcement Learning Algorithms to Industrial Multi-Robot Stations for cooperative handling operation“, Proc. of the 15th International Conference on Industrial Informatics (INDIN 2017), Emden, Germany, 2017

D. Aufderheide, M.Rodriguez, L. DiMatteo, A.Schwung: „Automatisierte Durchführung von Abnahmen gravimetrischer Dosiersysteme auf Basis von Hardware-in-the-Loop Simulation und Verifikation“, Proc. of Automation 2017, Baden-Baden, Germany, 2017

S. Dominic, Y. Löhr, A. Schwung, S.X. Ding:„PLC-based Real-time Realization of Flatness-Based Feedforward Control for Industrial Compression Systems", in IEEE Transactions on Industrial Electronics, 64(2), S. 1323-1331, 2017

2015
A. Schwung, M. Beck, J. Adamy: „Fault diagnosis of dynamical systems using recurrent fuzzy systems with application to an electrohydraulic servo axis“, in Fuzzy Sets and Systems, 277, pp. 138 -153, 2015

A. Schwung: „Cyber-Physical Modeling of Compression Systems using Hybrid Automata“, Proc. of the 11th IEEE International Conference on Automation Science and Engineering, Gothenburg, Sweden, pp. 1125 -1130, 2015

2014
S. Osmic, O. Berner, A. Schwung, M. Jost, M. Mönnigmann: „Flatness-Based Feedforward Control for fast Operating Point Transitions of Compressor Systems“, Proc. of the 2014 IEEE Conference on Control Applications (CCA), Antibes, France, pp. 1753–1758, 2014

A. Schwung, P. Berner, S. Osmic, M. Jost and M. Mönnigmann: “Nonlinear decoupling control of compressor systems for fast load transients in combined cycle power plants,” Proc. of the 2014 IEEE Conference on Control Applications (CCA), Antibes, France, pp. 27–32, 2014

2013
S. Gering, A. Schwung, T. Gußner, J. Adamy: „Sum of Squares Approaches for Control of Continuous-Time Recurrent Fuzzy Systems“, in Proceedings of the IEEE Mediterranian Conference on Control and Automation, Platanias-Chania, Greece, pp. 271-277, 2013

2012
A. Schwung, J. Adamy: „Modeling with discrete-time recurrent fuzzy systems via mixed integer optimization“, in Fuzzy Sets and Systems, 203, pp. 1-16, 2012

2011
A. Schwung, T. Gußner, J. Adamy: „Stability Analysis of Recurrent Fuzzy Systems: A Hybrid System and SOS approach“, in IEEE Transactions on Fuzzy Systems, 19(3), S. 423-431, 2011

M. Beck, A. Schwung, M. Münchhof, R. Isermann: „Fault-tolerant control of an electrohydraulic servo axis with a duplex valve system“, in Proceedings of the 18th IFAC World Congress, Milan, Italy, 2011

2010
J. Adamy, A. Schwung: „Qualitative modeling of dynamical systems employing continuoustime recurrent fuzzy systems”, in Fuzzy Sets and Systems, 116(23), pp. 3026-3043, 2010.

A. Schwung, A. Ortseifen, J. Adamy: „Anwendung zeitdiskreter rekurrenter Fuzzy-Systeme zur Fehlerdiagnose”, in at-Automatisierungstechnik, 58(6), S. 322-331, 2010.

M. Beck, M. Münchhof, A. Schwung, R. Isermann: „Fehlertolerante elektrohydraulische Servoachse mit Duplex-Ventilsystem”, in Proceedings of Automation 2010, Baden-Baden, Germany, 2010

A. Schwung, J. Adamy: „Nonlinear System Modeling via Hybrid System Representation of Recurrent Fuzzy Systems”, in Proceedings of the IEEE International Conference on Fuzzy Systems, Barcelona, Spain, 2010

M. Beck, A. Schwung, M. Münchhof, R. Isermann: „Active fault tolerant control of an electrohydraulic servo axis with a duplex-valve-system, in Proceedings of the 5th IFAC Symposium on Mechatronic Systems, Cambridge, USA, 2010

2009
J. Adamy, A. Schwung: „Modellierung dynamischer Systeme mit zeitkontinuierlichen Fuzzy-Systemen”, in at-Automatisierungstechnik, 57(3), S. 129-137, 2009

A. Schwung, T. Gußner, J. Adamy: „Stability Analysis of Continuous-Time Recurrent Fuzzy Systems”, in Proceedings of the IEEE International Conference on Fuzzy Systems, Jeju, Korea, 2009

2008
S. Kern, A. Schwung, R. Nordmann: „Gain-Scheduling Approaches for Active Damping of a Milling Spindle with Speed-Dependent Dynamics”, in Proceedings of the 9th International Conference on Motion and Vibration Control MOVIC, München, 2008

Lehre

Abschlussarbeiten

Sie haben die Möglichkeit, in einem spannenden Umfeld, Abschlussarbeiten in verschiedenen Themenbereichen durchzuführen.Die Arbeiten können beispielsweise die Bereiche Intelligente Datenanalyse, DEM Simulation oder Mechatronische Systeme betreffen. Erkundigen Sie sich gerne unverbindlich im Fachgebiet nach aktuellen Abschlussarbeiten und sprechen Sie uns bei Fragen zur Betreuung einer hochschulexternen Arbeit an. Nachfolgend aufgeführt sind einige beispielhafte Abschlussarbeiten (klicken Sie auf den Titel, um weitere Informationen zu bekommen):

Module im Bachelorstudium

Grundgebiete der Elektrotechnik 1

Inhalte:

  • Gleichstromkreise: Grundgrößen, Ohmsches Gesetz, Energie und Leistung
  • Kirchhoff'sche Sätze
  • Berechnungsmethoden linearer Gleichstromkreise
  • Leistungsumsatz im Gleichstromkreis
  • Kondensator: Grundgrößen, Grundlagen des elektrischen Felds, Kapazität
  • Schaltvorgänge an Kondensatoren
  • Spule: Grundgrößen, Grundlagen des magnetischen Felds, Induktivität
  • Induktionsgesetz
  • Schaltung von Induktivitäten
  • Ausgleichsvorgänge im Gleichstromkreis

Automatisierungstechnik I

Inhalte

  • Aufbau und Strukturen industrieller Steuerungen
  • Strukturierte SPS-Programmierung
    • IEC 61131
    • Software- und Programmiermodell
    • Programmiersprachen ST, AWL, FUP, SFC
    • IEC-Funktionsbausteine
    • Analogwertverarbeitung
  • Entwurf von Verknüpfungssteuerungen
    • Wahrheitstabelle
    • KV-Diagramme
    • Speicher-, Zähl- und Zeitschaltungen
    • Zustandsautomaten
    • Deterministische E/A-Automaten
    • Automatennetze
    • Einzelsteuerfunktionen- und bausteine
    • Regelungsbausteine
  • Entwurf von Ablaufsteuerungen
    • Aufbau von Schrittketten
    • Entwurf und Analyse von Ablaufketten
    • Einführung in Petri-Netze
    • Modellierung mit Petri-Netzen
    • Synchronisationsgraphen
    • Hierarchische Petri-Netze
    • E/A-Petri-Netze
    • Steuerungsentwurf für Petri-Netze
  • Kommunikation zwischen Ablauf- und Verknüpfungssteuerung
  • Schutzfunktionen und Betriebsarten
  • Prozessvisualisierung

Praktika

  • T1 Einführung in die TIA Umgebung
  • T2 Einführung in die TIA Grundlagen
  • V1 Analogwertverarbeitung
  • V2 Ablaufsteuerung
  • V3 Barcodedruckmaschine

Automatisierungstechnik II

Inhalt

  • Motion Control Systeme
    • Koordinatentransformationen
    • Bewegungssteuerung
    • Bahninterpolation
    • CNC-Programmierung
    • Kurvenscheiben
    • Lageregelung
  • Mobile Robotik
    • Umweltmodelle
    • Positionsbestimmung und Lokalisierung
    • Navigation
    • Bahnplanung
  • Prozessleittechnik und Regelung in der Prozessindustrie
    • Prozess- und anlagentechnische Planung
    • Regelung kontinuierliche betriebener Anlagen
    • Aufbau von Prozessleitsystemen
    • Rezeptsteuerung von Chargenprozessen
    • Prozess- und Betriebsleitsysteme

Praktika

  • T1 Einführung in die WinCC Umgebung
  • T2 Einführung in die WinCC Grundlagen
  • V4 Bedieneroberfläche
  • V5 Funktionale Sicherheit
  • V6 Prozessregelung
  • V7 Roboter
  • V8 WinCC
  • V9 RFID

Automatisierungstechnik III

Inhalt

  • Engineering von Automatisierungsprojekten
  • Einführung in die Software E-Plan
  • Explosionsschutz
  • Funktionale Sicherheit und sicherheitsgerichtete Steuerungen
  • Aktuelle Forschungsthemen der Automatisierungstechnik

Praktika

  • T1 Einführung in E-Plan
  • T2 Engineering von Automatisierungsprojekten

Industrielle Kommunikation

Inhalte

  • Grundlagen Feldbustechnologien
  • Codierung / Übertragungsverfahren
  • Übertragungsmedien
  • Buszugriffsverfahren
  • Ethernetbasierte Feldbussysteme
  • Middleware
  • Funkbasierte Kommunikation

Module im Masterstudium

Systems Engineering

Content:

  • General Introduction to Systems Engineering
  • Modeling and Simulation
  • Data-Based Analysis of Systems (Classification, Clustering, Regression)
  • Machine Learning Approaches (Neural Networks, Decision Trees, Support Vector Machines, Reinforcement Learning)

Advanced Control Technology

Content:

  • Introduction / Motivation
  • Mathematical Foundation
  • Linear State Space Systems
  • Controllability / Observability
    • State Feedback Controller
    • State Observer
    • LQR-Controller
    • Kalman Filter
  • Nonlinear State Space Systems
    • Lyapunov-Stability
    • Feedback Linearization
    • Model Predictive Control
  • Fuzzy Systems
    • Rule-based Fuzzy Systems
    • Takagi-Sugeno Fuzzy Systems

Industrietransfer

Unsere Aufgabe ist es Unternehmen, insbesondere aus der Region, mit unserem Know-How zu unterstützen. Im Rahmen von Projekten und Kooperationen bieten wir Beratung und Dienstleistungen in den folgenden Themengebieten:

DEM-Simulation / Schulungen

Realitätsnahe Simulation von physikalischen Prozessen Verbindung mit modernster Maschinenkonzeption bietet Wettbewerbsvorteile durch Innovation, Qualität und Kostenreduktion.

Die DEM bietet ein ideales Werkzeug um konstruktive Auslegung schon in der Produktentwicklungsphase zu validieren. Überall dort wo Materialien gefördert, gesiebt, übergeben oder sortiert werden, kann die DEM zum Einsatz kommen. Die einzigartige Verbindung zwischen Maschinendesign und zu bearbeitendem Material kann in vielen Anwendungsfeldern Nutzen finden.

Das FAT bietet unter anderem projektbegleitende Unterstützung im Produktdesign, Forschung und Entwicklungsarbeiten oder auch Schulungen für internes Personal an.

Digitalisierung und Industrie 4.0 in der Praxis

Digitalisierung und Industrie 4.0 sind zwei Schlagworte, die momentan in aller Munde sind. Allerdings ist vielen Anwendern nicht klar, welche Mehrwerte sich für Ihre konkrete Anwendung ergeben können.

Das FAT hat verschiedene Kompetenzen in diesem Themenfeld aufgebaut. Dies reicht von der Umsetzung von selbstoptimierenden und selbstlernenden Systemen über die Industrielle Kommunikation bis hin zur horizontalen und vertikalen Vernetzung von Prozessen. Verschiedene Projekte mit industriellen Partnern wurden bereits erfolgreich durchgeführt.

Wir bieten kompetente Beratung und Umsetzung von Anwendungsprojekten von der Ideenfindung über die Projektbegleitung bis zur konkreten Umsetzung im Unternehmen.

Machine Learning und Big Data Analytics

Fertigungs- und prozesstechnische Anlagen erzeugen bereits heute Unmengen an Daten. Bisher werden diese Daten allerdings nur in den seltensten Fällen weitergehend genutzt, um Mehrwerte zu generieren. Insbesondere Informationen, die in den Daten enthalten sind, können für verschiedenste Anwendungen genutzt werden, wie

  • Vorausschauende und vorbeugende Wartung
  • Prozessoptimierung, z.B. Reduktion von Rüst- und Durchlaufzeiten
  • Optimierung der Produktqualität
  • Steigerung der Energieeffizienz
  • Bildverarbeitung in der Produktion (u.a. zur Qualitätsprüfung)

Das FAT arbeitet seit einigen Jahren an der Entwicklung von Verfahren aus dem maschinellen Lernen und der künstlichen Intelligenz und deren Applikation auf industrielle Anwendungen. Hierdurch konnten wir umfangreiche Kompetenzen im Bereich der Datenanalytik aufbauen.

Wir bieten auch hier kompetente Beratung und Begleitung Ihrer konkreten Anwendungsszenarien sowie die Umsetzung im Rahmen von Kooperationsprojekten.