Das Projekt Secure Prescriptive Analytics zielt darauf ab, ein innovatives Modellierungskonzept zu entwickeln, das komplexe Systeme, wie industrielle Anlagen, in variable Teilmodelle zerlegt und durch Stellvertretermodelle abbildet. Ziel ist es, eine Open-Source-Plattform zu schaffen, die die Optimierung und Verknüpfung dieser Modelle unterstützt.
Industrieunternehmen stehen vor der Herausforderung, komplexe Systeme effizient zu steuern und zu warten. Die traditionelle Datenanalyse stößt hierbei oft an ihre Grenzen, was die Notwendigkeit für innovative Lösungen erhöht.
Im Rahmen des Projekts Secure Prescriptive Analytics werden komplexe Systeme in Teilmodelle zerlegt und durch Stellvertretermodelle abgebildet. Diese Teilmodelle ermöglichen schnellere und präzisere Auswertungen und verbessern die Effizienz und Genauigkeit der Datenanalyse.
Durch den Einsatz von Clear-Box und Privacy-Preserving Machine Learning werden die Modelle so trainiert, dass sie vertrauenswürdige Handlungsempfehlungen generieren können. Diese Ansätze gewährleisten Transparenz und Datenschutz bei der Modellierung und Optimierung industrieller Prozesse.
Die RISC Software GmbH spielt eine zentrale Rolle in der Entwicklung und Umsetzung der Modellierungskonzepte. Ihre Expertise in den Bereichen Dynamic Optimization, Modeling and Simulation sowie Interpretable & Privacy-Preserving Machine Learning ist entscheidend für den Erfolg des Projekts. Die RISC Software GmbH trägt maßgeblich dazu bei, dass die entwickelten Lösungen sowohl technisch als auch datenschutzrechtlich höchsten Ansprüchen genügen.
Modellierung und Simulation eines Energienetzes mit PV-Erzeugung, Speicher und Verbraucher.
Modellierung und Simulation einer Produktion mit mehreren Stufen (rot: belegte Maschinen, grün: freie Maschinen)
Das Projekt Secure Prescriptive Analytics wird durch das Land Oberösterreich finanziert als Teil des Programms #upperVISION2030. Nähere Informationen dazu unter www.uppervision.at.
Mathematical Optimization Specialist
