Ziel dieses Projekts ist die Entwicklung einer neuen informierten Ki: physik-informierte tiefe Anomalieerkennung. Dabei wird auf modernste neuronale Anomalieerkennungsalgorithmen aufgebaut, die kürzlich die Fehlerraten auf gängigen Benchmarks drastisch reduziert haben. Es werden neuronale Netzwerkarchitekturen entwickelt, die gezielt Informationen aus der Datendomäne einarbeiten, um die Dateneffizienz weiter zu steigern. Es werden außerdem Physik-informierte generative Ki-Methoden entwickelt, die die vorhandenen Trainingsdaten ausbauen und verbessern sollen. Die Anwendung der neuen Physik-informieten Anomalieerkennungsmethoden wird speziell in der additiven Fertigung, insbesondere in der effizienten Prozessabfertigung, evaluiert.
Partners
Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau AixPath GmbH Reichenbacher Hamuel GmbH Ponticon GmbH Flow Science Deutschland GmbH
Prof. Dr. Sebastian Vollmer
