Projekte anzeigen
Entwicklung maßgeschneiderter Compounds
Neben klassischen Thermoplasten wie Polyolefinen, Polyvinylchlorid, Polyestern, Polyamiden, Polycarbonaten oder Styrolcopolymeren sowie deren Blends forschen wir an der Entwicklung von Biopolymeren, Wood Polymer Composites (WPC), Hochleistungskunststoffen, Nanocomposites und thermoplastischen Elastomeren (TPE).
Verarbeitung und Weiterbearbeitung von Kunststoffprodukten
Wir arbeiten an Themen mit starkem Bezug zur industriellen Umsetzung. Dabei können wir auf ein großes Netzwerk vertrauen, das unsere Kompetenzen ergänzt. So gelingt es uns, innovative Lösungen für Ihre Fragestellungen zu entwickeln.
Fehler entdecken und Gefahren minimieren
In der Kunststoffindustrie werden unterschiedliche Prüfmethoden zur Prozessüberwachung und Bauteilprüfung eingesetzt. Sie helfen bei der Schadensanalyse, Qualitätskontrolle und Produktüberwachung.
Auch im Abfall stecken wertvolle Rohstoffe
Wir arbeiten an Themen mit starkem Bezug zur industriellen Umsetzung. Dabei können wir auf ein großes Netzwerk vertrauen, das unsere Kompetenzen ergänzt. So gelingt es uns, innovative Lösungen für Ihre Fragestellungen zu entwickeln.
Analog war gestern – Industrie 4.0 ist die Zukunft
Die Digitalisierung ist ein Eckpfeiler der modernen Industrie. Sie birgt ein enormes Potenzial, um die Leistungen in der Produktion deutlich zu steigern und damit die Wettbewerbsfähigkeit in Deutschland zu stärken.
Projekte anzeigen
KIKK
Neue Ansätze zur KI-gestützten Kriechvorhersage für Kunststoffe mit lückenhaften Daten
Projektdauer
Von: 01.07.2024 Bis: 30.06.2026Beschreibung
Materialdatenbanken bieten oft nur lückenhafte Kriechdaten für Kunststoffe. Das Projekt zielt darauf ab, diese Lücken in Bezug auf Zeit-, Spannungs- und Temperaturabhängigkeit mit Hilfe von künstlicher Intelligenz (KI) zu schließen, ohne zusätzlichen experimentellen Aufwand. Die Fähigkeit der KI, komplexe Muster zu erkennen, soll genutzt werden, um die Daten bereits vorhandener Kunststoffsorten zu vervollständigen und diese Muster auf weitere Kunststoffsorten zu übertragen. Die Daten, mit denen KI-Modelle trainiert werden, sind oft der Schlüssel zum Erfolg. Das Potenzial von KI zur Vorhersage von Materialdaten bleibt bisher weitgehend ungenutzt, da Materialdaten in der Regel mit hohem experimentellem Aufwand erhoben werden und daher nur geringe Datenmengen zum Lernen zur Verfügung stehen. Die wissenschaftlich-technische Herausforderung besteht zum einen darin, geeignete Strategien zu entwickeln, um die in Datenbanken vorhandenen Daten bestmöglich aufzubereiten, um eine ausreichende Trainingsbasis zu generieren. Andererseits müssen aus den entstehenden Werkzeugen für Small Data geeignete KI-Modelle ausgewählt und an das Problem der Materialeigenschaften angepasst werden.Ansprechpartner:
