Messdaten-
verarbeitung
Automatisierte Datenerzeugung
Anomalieerkennung
Datenanalyse
Machine Learning
Kerngeschäft der Qnovi GmbH ist die Verbesserung von technischen Entwicklungsprozessen durch die Einbindung neuester Technologien aus dem Bereich Künstliche Intelligenz. Sei es die automatisierte Auswertung von Mess- und Simulationsdaten oder der Einsatz von neuronalen Netzen, um komplexe Vorgänge sehr präzise und deutlich schneller als in Echtzeit abzubilden. Solche Modelle werden zukünftig in der virtuellen Entwicklung immer häufiger zum Einsatz kommen, da sie das Potenzial zur automatisierten Optimierung mittels intelligenter "Agenten" bieten.
Aber auch in fertigen Produkten können datenbasierte Systeme zum Einsatz kommen, beispielsweise bei der Prozess- oder Betriebsüberwachung von Maschinen oder technischen Anlagen. Neben einer optischen Überwachung in Kombination mit einer zielgerichteten Bilderkennung, ist eine Anomalieerkennung und die darauf basierende Ausfallsvorhersage in bestimmten Einsatzgebieten auch über die Verknüpfung einfacher Sensordaten wie beispielsweise Temperatur- oder Drucksignale möglich.
Überführung der Daten in ein einheitliches, strukturiertes Format. Aussortieren unvollständiger Datensätze. Resampling, Glättung und ggf. Filterung.
Entdeckung von Signalabweichungen mittels Datensätzen aus dem fehlerfreien regulären Betrieb. Automatisiertes Anlernen von Betriebsgrenzen.
Plausibilisierung, statistische Auswertung und Visualisierung hochdimensionaler Datensätze. Intuitive und interaktive Visualisierung über Dashboards.
Geschickter Einsatz konventioneller Berechnungssoftware (CAE) zur Erzeugung großer Datenmengen. Bei Bedarf Kombination von Simulations- und Messdaten zu einem validen Gesamtdatensatz. Ideal zum Aufbau allgemeingültiger Netze oder Agenten oder sogenannter "Digital Twins".
Training neuronaler Netze und Reinforcement Agenten. Sinnvolle Kombination von Teilnetzen oder Berechnung von Zwischengrößen ermöglicht deutliche Steigerung der Vorhersagequalität (Feature Engineering). Wiedergabe sehr komplexer Sachverhalte mit bis zu 1000-facher Echtzeit. Anpassung vortrainierter Netze auf konkreten Einsatzfall (Transfer Learning).
Die steigende globale Energienachfrage erfordert neue Lösungen, um eine zuverlässige und möglichst nachhaltige Energieversorgung sicherzustellen. Losgelöst von den Plänen zur Transformation der breitflächigen Energieversorgung in der Welt, müssen dabei aber auch Lösungen für ärmere und entlegene Regionen sowie für kritische Infrastrukturen gefunden werden. Beide sind auf resiliente, flexible Übergangstechnologien angewiesen, die ausgehend von einer Energieversorgung basierend auf rein fossilen Brennstoffen einen zunehmenden Übergang hin zu einer CO2-ärmeren Energiebereitstellung ermöglichen, die dennoch zu jeder Tageszeit und unter unterschiedlichen klimatischen Randbedingungen funktionieren. Genau hier setzt das Forschungsprojekt ENH3RGIE an, bei dem wir gemeinsam mit Aquarius Engines und dem Deutsches Zentrum für Luft-und Raumfahrt daran arbeiten, Lösungen für diese Herausforderungen zu finden. Dazu sollen ammoniak-betriebene Multifuel-Generatoren entwickelt werden, die den flexiblen Einsatz zunehmend kohlenstoffarmer Brennstoffe ermöglichen. So soll die Energieversorgung kritischer Infrastruktur - von Krankenhäusern bis hin zu Kommunikationsinfrastruktur – auch in Krisensituationen sichergestellt werden. Der Fokus der Arbeiten bei Qnovi liegt darauf, die Entwicklung und den Betrieb der Anlagen durch innovative Entwicklungsansätze zu unterstützen bzw. zu überwachen. Gefördert durch die Europäische Union und das Land NRW im Rahmen des EFRE/JTF in NRW 2021-2027.
Am Anfang der Zusammenarbeit steht ein kostenloses Erstgespräch, bei dem wir Ihr Unternehmen oder Team und Ihre Prozesse und Produkte gerne kennenlernen möchten. Basierend auf diesem Gespräch erstellen wir Ihnen ein individuelles Angebot, das auf Ihre spezifischen Anforderungen zugeschnitten ist.