Das Projekt "Künstliche Intelligenz und Simulation zur inline Solarzellencharakterisierung in der Photovoltaik-Produktion, Teilvorhaben: Flexibles Datenmanagement und Integration von kontinuierlich mitlernenden KI-Modellen in Produktionssteuerungssysteme" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Energie. Es wird/wurde ausgeführt durch: Kontron AIS GmbH.
Das Projekt "EnOB: Energiediagnosestecker Digitaler Zwilling: Neue sensorgestützte und KI-basierte Methoden für die digitale, BIM-basierte Inbetriebnahme von technischen Anlagen in Hochbauwerken und deren energetische Systemoptimierung, Teilvorhaben: As-built-Erfassung und KI-basierte Methoden" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Energie. Es wird/wurde ausgeführt durch: RWTH Aachen University, Geodätisches Institut, Lehrstuhl für Bauinformatik & Geoinformationssysteme.
Das Projekt "HyDesign - Hybride Simulationsverfahren im Entwurfsprozess von Energy Saving Devices und Propellern, Vorhaben: Hydrodynamische Prognose und Evaluierung von realistischen Lasten auf ESDs" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Energie. Es wird/wurde ausgeführt durch: Schiffbau-Versuchsanstalt Potsdam GmbH.
Das Projekt "AUTOGRID - Vollautomatischer Betrieb von Umrichter-dominierten Verteilnetzen auf Basis dynamischer Systemabbilder, Teilvorhaben: Robuste Datenkommunikation und IKT-Infrastrukturen" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Energie. Es wird/wurde ausgeführt durch: Technische Universität Berlin, Institut für Quantitative Methoden und Wirtschaftsinformatik, Fachgebiet Agententechnologien in betrieblichen Anwendungen und der Telekommunikation (AOT), DAI-Labor.
Das Projekt "KMU-innovativ: Neuartige Condition-Monitoring-Systeme für die Schadensüberwachung von schwenkenden Großwälzlagern, Teilprojekt: Entwicklung der Analyse- und Monitoring-Software" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: ASTRUM IT GmbH.
Das Projekt "Water JPI - Joint Call 2017 - Transnationales Verbundvorhaben: IoT.H2O - Entwicklung von IoT-Technologien (Internet of Things) zur Überwachung und Steuerung von Trinkwasserversorgungsanlagen, Teilvorhaben 2: IoT Network und Digital Twin" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: Dr. Krätzig Ingenieurgesellschaft mbH.
Das Projekt "Water JPI - Joint Call 2017 - Transnationales Verbundvorhaben: IoT.H2O - Entwicklung von IoT-Technologien (Internet of Things) zur Überwachung und Steuerung von Trinkwasserversorgungsanlagen, Teilvorhaben 1: Hydraulische Modellierung, Test der Sensorik und Koordination" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau, Lehrstuhl für Strömungsmaschinen und Strömungsmechanik.Der Betrieb von Trinkwasseranlagen muss kontinuierlich überwacht werden, um Trinkwasserverluste zu vermeiden, um einen effizienten Betrieb zu realisieren und um auftretende Schäden an den Anlagen frühzeitig zu erkennen. Derzeit wird diese Aufgabe von Leitsystemen ausgeübt, in denen Sensordaten von Fernaufnehmern und anderen Anlagenkomponenten wie Ventile und Pumpen gesammelt werden. Leitsysteme sind sehr komplex und teuer und kommen deshalb, gerade bei kleinen Versorgungsunternehmen, nicht zur Anwendung. Der Betrieb der Anlagen erfolgt nicht automatisieret über ein Leitsystem, sondern manuell. Hierdurch werden ein effizienter Betrieb und die Überwachung erschwert. Durch die Digitalisierung eröffnen sich neue Möglichkeiten. Im Projekt IoTH2O soll das Potential von IoT-Technologien (Internet of Things) zur Überwachung von Trinkwasseranlagen untersucht werden. Basierend auf hydraulischen Modellen von ausgewählten Trinkwasseranlagen, werden die Positionen zur Platzierung der IoT-Sensoren festgelegt. Zu diesem Zweck werden gängige Messgeräte zur Messung von Strömungsgrößen wie Drücken, Wasserständen und Durchflüssen aber auch zur Erfassung des Betriebszustandes von Anlagenkomponenten, wie z.B. Pumpen mit Komponenten ausgerüstet, die eine Übertragung der Messdaten mit einer hohen zeitlichen Auflösung in Echtzeit in eine Cloudanwendung erlaubt. Basierend auf den Messdaten werden Modelle zur Optimierung und Entscheidungsunterstützung für den Betrieb der Trinkwasseranlagen entwickelt. Gleichzeitig können diese Modelle als 'digitaler Zwilling' zum Testen von alternativen Betriebskonzepten, zur Schulung von Betriebspersonal und zur Auswahl von neuen Anlagenkomponenten verwendet werden. Die IoT-Systeme werden in Anlagen in Brasilien, Belgien und Deutschland im Feldversuch getestet und leisten einen Beitrag zur Reduzierung von Wasserverlusten, ermöglichen angepasste Wartungsstrategien und erhöhen die Energieeffizienz der Anlagen.
Das Projekt "InKoWe - W-Net 4.0: Dynamische Wertschöpfungsnetzwerke basierend auf Industrie 4.0-Technologien zur nachhaltigen Sicherheits- und Betriebsoptimierung von Wassersystemen, Teilprojekt 2" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: COS Systemhaus OHG.
Das Projekt "InKoWe - W-Net 4.0: Dynamische Wertschöpfungsnetzwerke basierend auf Industrie 4.0-Technologien zur nachhaltigen Sicherheits- und Betriebsoptimierung von Wassersystemen, Teilprojekt 1" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung.
Das Projekt "InKoWe - W-Net 4.0: Dynamische Wertschöpfungsnetzwerke basierend auf Industrie 4.0-Technologien zur nachhaltigen Sicherheits- und Betriebsoptimierung von Wassersystemen, Teilprojekt 4" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: Kooperationsgemeinschaft SchwarzwaldWASSER GmbH.
Origin | Count |
---|---|
Bund | 14 |
Type | Count |
---|---|
Förderprogramm | 14 |
License | Count |
---|---|
offen | 14 |
Language | Count |
---|---|
Deutsch | 14 |
Englisch | 2 |
Resource type | Count |
---|---|
Keine | 14 |
Topic | Count |
---|---|
Boden | 3 |
Lebewesen & Lebensräume | 7 |
Luft | 7 |
Mensch & Umwelt | 14 |
Wasser | 7 |
Weitere | 14 |