Forschungsprojekt “AI4CO2Opt – Tiefe bestärkende Lernverfahren zur Reduktion von CO2-Emissionen durch die energetische Optimierung der Produktionssteuerung” am FAPS bewilligt

Symbolbild zum Artikel. Der Link öffnet das Bild in einer großen Anzeige.

Das Forschungsvorhaben AI4CO2Opt adressiert die Minimierung von Energieaufwänden und folglich CO2-Emissionen bei zeitgleicher Optimierung der Produktionssteuerung. Durch die Kombination energetischer und ereignisdiskreter Simulationsmodelle sowie tiefer bestärkender Lernverfahren können für multivariate und dynamische Optimierungsziele unterschiedliche Produktionsszenarien zur Laufzeit abgeleitet und in die Produktion eingespielt werden. Ferner werden im Rahmen einer holistischen Betrachtungsweise der Energieaufwände die entwickelten Simulations- und Machine Learning-Modelle genutzt, um eine fertigungsbegleitende Detektion und Klassifikation abnormaler Energieaufwendungen auf Prozess- und Anlagenebene zu ermöglichen. Um aktuelle und zukünftige ökonomische sowie legislative Anforderungen an die Rückverfolgbarkeit von CO2-Emissionen zur erfüllen, wird ein für alle Systemkomponenten durchgängiges CO2-Traceability-System konzipiert und prototypisch implementiert.

Das Projekt AI4CO2Opt startet zum 01.04.2022 und wird über eine Laufzeit von 3 Jahren vom Bayerisches Staatsministerium für Wissenschaft und Kunst (stmwk) gefördert. Es ist im Programm “FuE Programm Informations- und Kommunikationstechnik Bayern” dem Track der “Digitalisierung im Energiebereich” zuzuordnen.

Weitere Informationen und Ansprechpartner finden Sie auf der Seite des FAPS.