Projektbeschreibung
Vorbereitung auf optimierte intelligente industrielle Steuerungssysteme der Zukunft
Die Nachfrage nach mit intelligenten Systemen ausgestatteten Technologien ist in den meisten Bereichen des privaten wie auch des öffentlichen Sektors gestiegen. Auch im Industriesektor ist ein sprunghafter Anstieg der Anwendungen intelligenter Technologien, etwa bei den intelligenten industriellen Steuerungssystemen, zu verzeichnen. Leider können intelligente industrielle Steuerungssysteme aufgrund der begrenzten und lokal eingebetteten Beschaffenheit der Rechenressourcen für industrielle Steuerungssysteme und des Bedarfs an zuverlässigen Algorithmen mit verifizierbarem und interpretierbarem Verhalten, die es gegenwärtig nicht gibt, nicht das in anderen Bereichen zu beobachtende Optimierungsniveau erreichen. Ziel des EU-finanzierten Projekts ELO-X ist das Angehen dieser Probleme, indem ein Team aus Doktorandinnen und Doktoranden sowie Partnereinrichtungen zusammenstellt wird, das Lösungen und Methoden zur Überwindung dieser Schwierigkeiten erforscht und entwickelt.
Ziel
Thanks to the increasing capabilities of digital technologies, the next generation of industrial control systems are expected to learn from streams of data and to take optimal decisions in real-time, leading to increased performance, safety, energy efficiency, and ultimately value creation.
Numerical optimization is at the very core of both learning and decision-making, and machine learning algorithms and artificial intelligence raise huge worldwide research interest, often using cloud computing and large data centers for their optimization computations.
However, in order to bring learning- and optimization-based automated decision-making into smart industrial control systems (SICS), two important bottlenecks have to be overcome: (1) computational resources on industrial control systems are locally embedded and limited, and (2) industrial control applications require reliable algorithms, with interpretable and verifiable behavior. Both requirements partially stem from safety aspects, which are crucial in applications where a single computation error can cause high economic and environmental cost or even damage to people.
Pushing the performance boundary of SICS to leverage advanced digital technologies will therefore involve both fundamental new research questions and technological solutions, calling for a new set of advanced methods for embedded learning- and optimization-based control algorithms. Through its 15 PhD students hosted and seconded at 11 top European research centers (6 academic, 5 industrial) and 4 partner organizations in the US, Japan and China, ELO-X will address the timely and pressing need for highly qualified and competent researchers who will develop embedded learning- and optimization-based control methodologies for SICS, thus enabling new and possibly game-changing digital technologies for important EU industries.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Koordinator
79098 Freiburg
Deutschland