Hybrid Modeling, Simulation & Optimization (HybridMSO)

Die Hybrid Modeling, Simulation, and Optimization (HybridMSO) Gruppe
erforscht die spannende Konvergenz von wissensbasierten und datengetriebenen
Modellierungsansätzen. Ihre Arbeit konzentriert sich auf die Beschleunigung der Prozessentwicklung und der Verbesserung der Online-Optimierung, insbesondere durch die Erstellung digitaler Zwillinge für konventionelle und modulare Prozessanlagen mit hybrider Modellierung. Dieser Ansatz reduziert die Anforderungen an die verfügbaren Daten für die Modellentwicklung im Vergleich zu rein datengetriebenen Methoden. Darüber hinaus ist die Gruppe auf die Erfassung komplexer und schwer zu modellierender Phänomene durch datengriebene Techniken spezialisiert und trägt zur Entwicklung von Methoden der Versuchsplanung zur Prozess- und Modellverbesserung bei.

Pyramide mit Methoden, Lehrveranstaltungen und Projekten der HybridMSO-Gruppe

Forschungsschwerpunkte

Wie lassen sich wissensbasierte und datengesteuerte Modellierungsansätze
optimal kombiniert werden?
Wie sollten optimale Experimente zur Erstellung hybrider wissensbasierter und
datengesteuerten Modellen entworfen werden?
Wie können hybride Modelle effizient identifiziert werden?
Wie kann Wissen in Form von Verhaltensmodellen effizient geteilt werden
um der Verteilung von Wissen in der Prozessindustrie Rechnung zu tragen?
Wie lässt sich Vorwissen in Form von Informationsmodellen
automatisch in die Entwicklung von wissensbasierten und datengetriebenen
datengetriebenen Verhaltensmodellen einbeziehen?

Methoden und Werkzeuge

Modellierung

Deskriptive Modelle: Informationsmodellierung
Verhaltensmodelle: mechanistische Modellierung, maschinelles Lernen, hybride semi-parametrische Modellierung

Simulation und Optimierung