Das Projekt zielt auf die Entwicklung eines Frameworks, das adaptive Betriebs- und Instandhaltungsstrategien durch den Einsatz von Reinforcement Learning optimiert. Dabei werden reale Betriebsdaten in digitale Zwillinge integriert, um Zustandsprognosen und Restlebensdauern genau zu bestimmen. Das Framework ermöglicht die flexible Anpassung von Strategien an variable Einsatzbedingungen, steigert die Ressourceneffizienz, maximiert die Verfügbarkeit technischer Systeme und reduziert Kosten. Der innovative Einsatz eines KI-gestützten Agenten erlaubt die automatisierte Optimierung von Betriebs- und Instandhaltungsmaßnahmen, um Nachhaltigkeit und Effizienz in technischen Anwendungen maßgeblich zu fördern.
Dieses Projekt wird mit Unterstützung der Deutschen Forschungsgemeinschaft (DFG) gefördert. Weitere Informationen zur DFG finden Sie unter:
Kontakt
Giuseppe Mannone
M.Sc.Akad. Mitarbeiter