2nd Overall Project Meeting DFG FOR 5359 at Schloss Dagstuhl
- Ort der Veranstaltung: Schloss Dagstuhl (Leibniz Center for Informatics), Wadern
Datum der Veranstaltung: 23.05.2024 - 24.05.2024
Kontaktperson: Prof. Dr. Marius Kloft
2. Gesamtprojekttreffen DFG FOR 5359
23.-24.05.2024, Schloss Dagstuhl (Leibniz-Zentrum für Informatik)
Organisatoren: Prof. Dr. Marius Kloft (RPTU Kaiserslautern-Landau), Steffen Reithermann (RPTU Kaiserslautern-Landau)
Ziel dieser Forschungsgruppe ist es, Deep-Learning-Methoden in der chemischen Verfahrenstechnik zu etablieren. Die zentrale Hypothese unserer Forschung ist, dass Deep Learning bisher unerforschte Wege in Bereichen eröffnet, die für die chemische Verfahrenstechnik entscheidend sind, wie z.B. die Erkennung von Anomalien, Zustandsvorhersagen, Entscheidungsfindung und autonome Prozesse. Bislang wurde die Entwicklung solcher Methoden dadurch behindert, dass Daten aus Chemieanlagen im Allgemeinen nur spärlich vorhanden sind und zu allem Überfluss in der freien Literatur nicht verfügbar sind. Diese Forschungseinheit wird daher spezielle Experimente (sowohl zu kontinuierlichen als auch zu diskontinuierlichen chemischen Prozessen) durchführen, um die erforderlichen großen Datensätze zu erzeugen. Da diese Experimente zeit- und kostenaufwendig sind, ist eine Datenerweiterung unerlässlich, die wir durch eine Kombination von lern- und wissensbasierten Methoden, einschließlich Prozesssimulation, erreichen werden. Die neuen Algorithmen und Daten werden zusammen mit dem von der Forschungseinheit geschaffenen Wissen öffentlich zugänglich gemacht.
In der ersten Förderperiode wird sich die Forschungseinheit auf die Anwendung von Deep Learning zur Erkennung von Anomalien in chemischen Prozessen konzentrieren, ein Bereich, in dem die Erkennung von Anomalien von größter Bedeutung ist, z. B. für die Gefahrenabwehr und den Umweltschutz. Neben der Erkennung betrachten wir auch die Erforschung und Erklärung von Anomalien sowie die Verifizierung von Detektoren. Die von der Forschergruppe entwickelten neuartigen Methoden zur Erkennung tiefer Anomalien in Zeitreihen werden nicht nur in der chemischen Technik, sondern auch in vielen anderen Bereichen von Nutzen sein. Die Forschergruppe baut auf einer einzigartigen Struktur auf, die vor kurzem an der TU Kaiserslautern durch die Berufung eines Tandems von Juniorprofessoren, einer aus der Informatik und einem aus dem Chemieingenieurwesen, geschaffen wurde, eine Zusammenarbeit, die wir langfristig etablieren wollen.
Gruppenbild der Teilnehmer