Opis projektu
Droga do innowacyjnych i zoptymalizowanych inteligentnych przemysłowych systemów sterowania
Zapotrzebowanie na rozwiązania dla inteligentnych systemów wzrosło w większości branż, zarówno w sektorze prywatnym, jak i publicznym. W przemyśle pojawiło się też wiele nowych zastosowań dla inteligentnych technologii, czego przykładem są inteligentne przemysłowe systemy sterowania. Niestety, inteligentne przemysłowe systemy sterowania nie mogą jak dotąd osiągnąć takiego stopnia optymalizacji jak w innych branżach, a ta z powodu ograniczonego i lokalnego charakteru zasobów obliczeniowych tych systemów oraz braku niezawodnych algorytmów, których zachowania można by weryfikować i interpretować. Zadaniem finansowanego przez UE projektu ELO-X jest rozwiązanie tych problemów. W tym celu grupa doktorantów ma wspólnie z zespołami z organizacji partnerskich zbadać i opracować rozwiązania oraz metodyki pozwalające na pokonanie wymienionych przeszkód.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria elektronicznaautomatyka i systemy sterowania
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynowe
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Koordynator
79098 Freiburg
Niemcy