Lösungen

Qualitätssicherung dank Machine Learning

Eine Forscherin, links, im Stehen, erklärt einem Forscher, rechts, im Sitzen etwas am Bildschirm.
Durch die Verbindung von Visual Analytics und Machine Learning unterstütze das VRVis einen Glasartikelhersteller bei der Automatisierung der Qualitätskontrolle.

Die Herausforderung, die Qualitätssicherung eines österreichischen Herstellers von Glasartikeln auf neue (KI-)Beine zu stellen, gingen wir mit dem klaren Ziel der Optimierung an. Im gemeinsamen Projekt wurden Methoden aus dem Bereich der Visual Analytics und Machine Learning erforscht und angepasst, um die Qualitätskontrolle und -sicherung bei der Produktion von Glasartikeln zu automatisieren. So können nun beispielsweise kleinste Beschädigungen oder Imperfektionen ohne Probleme erkannt werden.

Visuelle Exploration von Big Data

Eine Forscherin sitzt an einem Desktop-Computer, umringt von ihren Kolleginnen und Kollegen. Eine Forscherin zeigt auf den Bildschirm, auf welchem verschiedene bunte Datenvisualisierungen zu sehen sind.
Das Visual Analytics-Team des VRVis entwickelt gemeinsam mit Unternehmenspartnern maßgeschneiderte Data Science-Werkzeuge für die Datenvisualisierung.

Die Visual Computing-Plattform TSM Visuals, die wir gemeinsam mit unserem Unternehmenspartner HAKOM Time Series GmbH sowie Data Scientists aus der Energiebranche entwickelten, öffnet durch die Verwendung von interaktiven Visualisierungen völlig neue Möglichkeiten zur Exploration, Interpretation und Evaluierung großer und heterogener Daten. Eine solche Analyse liefert vertrauenswürdige Ergebnisse bei der Qualitätsbewertung von Daten und garantiert eine bessere Qualitätssicherung komplexer Prozesse.

Prädikative Modellierung

Visual Analytics Dashboards für die Energiewirtschaft
Predictive Modelling nutzt Data Mining und Wahrscheinlichkeitsrechnung zur Vorhersage von Ergebnissen.

Data Science und Visual Analytics bieten die Möglichkeit, durch verschiedene Darstellungsarten und prädikative Modellierung auf Basis realer Daten zukünftige Ergebnisse vorauszusagen. In unserem Forschungsprojekt En2VA entwickelten wir eine bestehende Analyseplattform zu einem vielseitigen Kommunikationswerkzeug weiter, etwa für gemeinsame Workshops von Data Scientists und Fachleuten, und optimierten die Verarbeitung extrem großer Datenmengen mit Millionen von Einträgen. Dadurch ist En2VA die ideale Visual Analytics-Lösung für die Industrie 4.0, beispielsweise im Bereich der simulationsgestützten Produktentwicklung, mit der sowohl die Prüfung von Datenqualität als auch die Erstellung von Prognosemodellen sowie deren Evaluierung schnell und gut verständlich möglich ist.

Data Science für die Neurowissenschaft

Ein Forscher zeigt mit einem Stift auf einen Bildschirm, wo eine Datenplattform für Gehirndaten zu sehen ist.
Das VRVis erforscht und entwickelt datengetriebene Lösungen für die Neurowissenschaft.

Fortgeschrittene mathematische Methoden, etwa aus dem Bereich des Machine Learnings, sind hilfreiche Werkzeuge für die Neurowissenschaft, um die hochkomplexe Informationsverarbeitung des Gehirns besser zu verstehen. Speziell unser Software-Framework Brain bietet hier webbasierte Lösungen für Management, Visualisierung, automatischer Informationsextraktion sowie semantische und bildbasierte Suche in sehr großen Sammlungen räumlicher Bild- und Netzwerkdaten. Das Alleinstellungsmerkmal unserer Infrastruktur sind hochperformante räumliche Datenstrukturen, die es erlauben, die Inhalte zehntausender 3D-Bilddaten und sehr großer, dichter Netzwerkdaten in Millisekunden zu durchsuchen.

Projekte

Publikationen