Gegevensgestuurde procesoptimalisatie: combineren van expertkennis en machine learning
Deadline
Uitdaging
Productieprocessen zoals spuitgieten of robotgieten zijn afhankelijk van specifieke parameterinstellingen (zoals dikte, afmetingen van het eindproduct, enz.) die een grote invloed hebben op de kwaliteit van het eindproduct.
Bedrijven die deze machines gebruiken, proberen deze instellingen te optimaliseren om een bepaald doel te bereiken, zoals het minimaliseren van de productiekosten terwijl het product aan de specificaties voldoet. Het vinden van deze optimale instellingen is echter een uitdaging vanwege de willekeurigheid in prestatie-uitkomsten en de dure aard van experimenten, zowel in termen van tijd als kosten.
Het procesoptimalisatieprobleem is inherent stochastisch en beperkt, en is vaak afhankelijk van expertkennis of handmatige optimalisatie. In dit project onderzoeken we innovatieve technieken, waaronder statistische leermethoden, om het experimentontwerp te verbeteren en mogelijk te automatiseren. Als uw bedrijf geïnteresseerd is in het verbeteren van procesoptimalisatie, neem dan contact met ons op.
Project doelstelling
In dit project willen we Bayesiaanse optimalisatietechnieken ontwikkelen die op maat gemaakt zijn voor het optimaliseren van productieprocessen. Deze algoritmen hebben het potentieel om de tijd aanzienlijk te verminderen in vergelijking met de huidige methoden, omdat ze data-efficiënt zijn en minder experimenten vereisen. Bovendien zijn ze veelbelovend voor het automatiseren van delen van het optimalisatieproces.
Interesse om deel te nemen aan dit project?
PROCOPT_SBO is een Strategisch Basis Onderzoek (SBO) project. Wij zijn op zoek naar bedrijven die lid willen worden van de Gebruikersgroep en met ons willen werken aan de valorisatie van het project.
Interesse? Vul onderstaand formulier in en wij nemen zo spoedig mogelijk contact met u op.
