Universitätsförderpreis der Mainfränkischen Wirtschaft für Prof. Dr. Samuel Kounev und Marwin Züfle
05/03/2018Prof. Dr. Samuel Kounev und sein Doktorand Marwin Züfle wurden mit dem diesjährigen Universitätsförderpreis der Mainfränkischen Wirtschaft ausgezeichnet.
Der Universitätsförderpreis der Mainfränkischen Wirtschaft in Höhe von 31.700 Euro wurde im Rahmen einer Veranstaltung der IHK Würzburg-Schweinfurt anlässlich ihres 175-jährigen Bestehens verliehen. Der Preis bietet Forschern an der Universität Würzburg seit über 30 Jahren Unterstützung beim Aufbau eines neuen Arbeitsgebietes, einer Arbeitsgruppe oder bei der Anlauffinanzierung für später geförderte Forschungsvorhaben. Das Projekt entstand aus der Masterarbeit von Herrn Züfle, in Zusammenarbeit mit Dr. Valentin Curtev (Cosmo Consult BI GmbH) und die universitätsseitige Betreuung durch Nikolas Herbst und Andre Bauer.
Bericht des Bayerischen Rundfunks (BR Frankenschau)
Bericht des TV Mainfranken
Bericht der Mainpost
Pressemitteilung der IHK Würzburg-Schweinfurt
Über das geförderte Projekt: "Neueste Methoden der Zeitreihenvorhersage für praktische Anwendungen"
Das Forschungsfeld rund um Prognosen beschäftigt sich mit der Vorhersage zukünftiger Beobachtungen durch das Lernen aus der Vergangenheit und ist daher ein wesentlicher Bestandteil in Entscheidungsprozessen wie z.B. der Ressourcen-, Lager- oder Zukunftsplanung. Da jedoch keine allgemein beste Prognosemethode existiert, ist Expertenwissen notwendig, um zu entscheiden welcher Ansatz mit welcher Konfiguration für eine spezifische Zeitreihe anzuwenden ist. Dieses Expertenwissen ist leider oft nicht vorhanden oder falls vorhanden, eine sehr zeitaufwändige Aufgabe, die nicht vollständig automatisiert werden kann. Aus diesen Gründen sind Prognosemethoden gefragt, die auf einem breiten Spektrum von Zeitreihen eine stabil gute Prognose liefern. In Zusammenarbeit mit einem Unternehmen aus Würzburg wurde daher eine hybride Vorhersagemethode entwickelt, die bestehende Ansätze kapselt, gezielt auf Teilproblemen anwendet und schließlich das Ergebnis wieder zusammenführt. Diese Methode soll im Weiteren nun so erweitert werden, dass sie auch bei der vorausschauenden Wartung (Predictive Maintenance) Einsatz finden kann. Hierbei geht es um die Instandhaltung von Produktionsmaschinen oder Infrastrukturen, oder genauer gesagt versucht man hier mittels Sensordaten vorherzusagen, wann Produktionsmaschinenteile ausfallen werden, um diese dann rechtzeitig warten, reparieren, oder austauschen zu können. Im Falle eines überraschenden Ausfalls einer Produktionsmaschine können Unternehmen große Verluste erleiden, da eine gesamte Fabrik für unbestimmte Zeit lahmgelegt werden kann. Diese Ausfälle könnten aber oftmals frühzeitig durch die von Sensoren gelieferten Daten erkannt und verhindert werden.
Kontakt
Prof. Dr.-Ing. Samuel Kounev, Lehrstuhl für Informatik II (Software Engineering). Tel.: +49 (931) 31 82452 samuel.kounev∂uni-wuerzburg.de
M.Sc. Marwin Züfle, Lehrstuhl für Informatik II (Software Engineering) . Tel.: +49 (931) 31 84097 marwin.zuefle∂uni-wuerzburg.de