Wertschöpfung/Engineering

Risikobewertung
Reliability Engineering
Strukturelle Integrität
Probabilistische Lebensdauervorhersage
Vorausschauende Instandhaltung

Data Science

IIoT
Digitaler Zwilling
Digital Weave
Cyber-Physical Loops
Datenfusion
Ganzheitliche Lösungen

Sensor Domänenwissen

Technologiebewertung
Semantische Interoperabilität
Optimierung von Prüfung und Überwachung

Zuverlässigkeit

Modulares Modell
Design of Qualification
Modellassistenz
Design for Inspection

Daten und Informationen bilden die Basis für das Engineering von morgen sowie für die moderne Wertschöpfung. Um die Grundlagen dafür zu schaffen, ist interdisziplinäre Forschung elementar - angefangen von notwendigem Domänenwissen bezüglich der Datenerfassung, über die Übertragung und Fusion der Daten, bis hin zur Verarbeitung der daraus gewonnenen Informationen zu Wissen. Des Weiteren ist bei all diesen Schritten muss die Zuverlässigkeit der Datenquellen, des Menschen und der Verarbeitungsalgorithmen berücksichtigt werden.

Das Forschungsinstitut RIVK ist spezialisiert auf solche ganzheitlichen Lösungen zur Gewinnung von Wissen aus Daten. Dabei gilt es die Daten der modernen Sensorik den herstellenden und betreibenden Industrien so zur Verfügung zu stellen, dass diese die Informationen ohne Hürden weiterverarbeiten können und damit Wissen generieren können. Dieser interdisziplinäre Ansatz setzt Ingenieurwissen über die Auslegung und Risikobewertung von Bauteilen und Maschinen, IT und Datenwissenschaftliche Kenntnisse, Domänenwissen bezüglich der Datenquellen und Wissen bezüglich Zuverlässigkeitsbetrachtungen voraus.

RIVK hat sich auf folgende vier Forschungsfelder spezialisiert:

  1. Wertschöpfung/Engineering
    Weiterentwicklung von Wertschöpfungskonzepten aus Daten. Aufbauend auf bestehenden probabilistischen, prädiktiven und präskriptiven Ansätzen werden ganzheitliche Ansätze verfolgt, die eine Vielzahl von Datenquellen einbeziehen.
  2. Datenwissenschaft
    Entwicklung von Konzepten und Frameworks für die Fusion und Wandlung von Daten und zugehörigen Metadaten in Informationen im Internet of Things durch semantische Interoperabilität sowie Extraktion von Wissen aus Informationen durch digitale Zwillinge, künstliche Intelligenz und Quantencomputer.
  3. Domänenwissen Sensoren
    Eine sinnvolle Nutzung von Daten ist nur gegeben, wenn zum einen das Expertenwissen für Datenwissenschaft und Wertschöpfung und zum anderendas Domänenwissen in Bezug auf die Datenquellen gegeben ist. Nur so lassen sich Informationen aus Daten extrahieren. Dies gilt insbesondere für komplexe Sensorik wie die Zerstörungsfreie Prüfung, bei der für die Weiterverwendung der Daten ein tiefgreifendes Verständnis der Methode erforderlich ist. In vielen Fällen ist das existierende Wissen über die Signalentstehung für die neuen Wertschöpfungsketten nicht ausreichend.
  4. Zuverlässigkeit
    Eine jede Datenquelle besitzt eine immanente Genauigkeit. Bei Verwendung der Datenquelle für die Wertschöpfung ist es unabdingbar die Zuverlässigkeit zu kennen, zu quantifizieren und sie den Datenwissenschaftlern zusammen mit den eigentlichen Daten und Metadaten zur Verfügung zu stellen. Dabei gilt es neben den physikalischen, mathematischen, und statistischen Einflussfaktoren auch menschliche Faktoren mit zu berücksichtigen.

Gegründet: Februar 2020
Geschäftsführer & Gründer: Dr. Johannes Vrana & Dr. Daniel Kanzler

Ihr Experte

Dr. Johannes Vrana
Geschäftsführer Vrana GmbH & Director RIVK gGmbH

Promovierter Physiker
20+ Jahre Data Science und 15+ Jahre Sensorik
Leitung von diversen ZfP Projekten: Von der Implementierung von SAFT über die Entwicklung von automatisierten Prüfsystemen bis zu ZfP 4.0

 

Dr. Daniel Kanzler
Gründer applied NDT Reliability & Director RIVK gGmbH

15+ Jahre Zuverlässigkeit
Leitung der internationalen PoD-Initiative beim ICNDT
Führend in der deutschen ZfP-Zuverlässigkeitsnormung

 

Top