Das Ziel dieses Projekts besteht darin, ein Produkt aus dem MVP für die Audioanalyse zu entwickeln. Ich war für die Architektur der Edge- und Cloud-Systeme verantwortlich. Wir haben eine Edge-Computing-Plattform entwickelt, die flexibel und skalierbar ist und mit KI-Modellen zur Bewertung des Zustands von Geräten durch bloßes Zuhören ausgestattet ist. Das Produkt ist jetzt verfügbar, und wir erkunden Anwendungsfälle in verschiedenen Branchen, von Wasserkraft über Recycling bis hin zur Steinmühlen-Industrie.

Nach der Installation von Photovoltaik-Anlagen werden die Solarpaneele auf Defekte überprüft. Diese Inspektion wird von einem menschlichen Experten durchgeführt, der die Solarpaneele visuell untersucht. Ziel des Projekts ist es, eine Anwendung unter Verwendung fortschrittlicher Computer-Vision-Techniken zu entwickeln, um Solarpaneele automatisch zu erkennen und Defekte in ihnen mithilfe von Drohnenaufnahmen zu identifizieren. Das Problem wurde in drei Teilaspekte unterteilt: 1) Erkennung von Solarpaneelen auf den Drohnenaufnahmen, 2) Erkennung von Defekten auf den Solarpaneelen und 3) Erkennung von Defekten außerhalb der Solarpaneelen. Während des Entwicklungsprozesses wurden modernste Techniken verwendet, und individuelle neuronale Netzwerke, wie Autoencoder von Grund auf neu entworfen und trainiert, um Anomalien auf den Solarpaneelen genau vorherzusagen.

Das Ziel dieses Projekts ist es, Objekte in der 3D-Virtuellen Tour des Museums zu erkennen und mit der Museumsdatenbank zu verknüpfen.

Wir bei Expert Analytics haben uns mit Statkraft zusammengeschlossen, um in einem Forschungs- und Entwicklungsprojekt die Nützlichkeit der akustischen Überwachung zur Messung des Gesundheitszustands von schweren Maschinen, insbesondere Wasserkraftgeneratoren, zu bewerten. Wir haben ein MVP für ein Audiosystem mit Siemens-Industriecomputern entwickelt. Das Edge-System wurde in einem Kraftwerk installiert, um die akustischen Emissionen von 3 Generatoren und 2 Transformatoren mit 8 Mikrofonen aufzuzeichnen. Die hochfrequenten Audiodaten (48k Abtastungen/s) werden vor Ort mit maschinellen Lernmodellen analysiert. Ein Edge-Backend-System erleichtert die Datenerfassung, Datenspeicherung, Modellplanung, Ergebnisübertragung in die Cloud, Edge-Flottenmanagement und Code-/Modellbereitstellung am Edge. Ich war für die Backend-Architektur und -gestaltung sowie die Auswahl der Audiotechnik verantwortlich. Darüber hinaus habe ich den größten Teil der Datenerfassung und den Edge-Compute-Engine implementiert, der die maschinellen Lernmodelle ausführt. Nach zwei Monaten Laufzeit haben wir bereits zwei besorgniserregende Fehlfunktionen in verschiedenen Geräten festgestellt.

Bei diesem Projekt unterstützte ich die Entwicklung des Domänenmodells für eine Datenverarbeitungs-Engine für vorausschauende Wartungssimulationen. Darüber hinaus war ich Teil eines kleinen Teams, das den Kern eines standardisierten Domänenmodellierungssprache-Frameworks entworfen und implementiert hat, das auf viele Projekte angewendet werden konnte. Das Framework ermöglicht es, physische Domänen von Kundenassets zu modellieren und Änderungen im Laufe der Zeit zu verfolgen.

In Statkraft basiert das langfristige Energiemanagement auf numerischen Simulationen komplexer Wassersysteme, einschließlich Stauseen, Kraftwerken und Pumpen. Für die Analyse und Nutzung dieser Simulationsergebnisse werden Visualisierungstools benötigt. Das Ziel bestand darin, alle Daten auf bequeme und zugängliche Weise über Webdienste basierend auf Bokeh zu visualisieren. Das Projekt führte zu einer Dashboard-Suite, die eine schnelle und intuitive Erstellung von Web-Dashboards ermöglicht. Statkraft veröffentlichte die Suite als Open-Source-Software im Rahmen seiner Shyft-Anwendung. Die Dashboard-Suite verfügt über einen integrierten Zeitreihen-Viewer, um große Mengen von hochfrequenten Daten schnell und effektiv zu visualisieren. Außerdem sind Graphvisualisierungstools enthalten, die beispielsweise verwendet werden, um die Topologie beliebiger Wassersysteme zur Laufzeit automatisch zu generieren und zu visualisieren. Das Visualisierungstool wird nun von mehreren Projekten in Statkraft verwendet.

Das Planck Legacy Archiv ist eine Website, die darauf abzielt, der breiten Öffentlichkeit die Möglichkeit zu geben, auf Daten des ESA-Planck-Satelliten zuzugreifen und sie zu nutzen. Im Jahr 2015 begann die ESA mit der Arbeit an der Implementierung einer Mehrwert-Schnittstelle für diese Website, die es den Benutzern ermöglichen soll, Daten online zu manipulieren und zu analysieren, bevor sie sie herunterladen, unter Verwendung verschiedener Datenbereinigungs- und Analysetechniken. Meine Rolle in diesem Projekt bestand darin, den Speicherverbrauch aller Analyse- und Kartenmanipulationsalgorithmen zu profilieren. Die Analyseergebnisse halfen dabei, die optimale Größe und Art der asynchronen Worker zu bestimmen, die auf allen virtuellen Maschinen gestartet wurden. Als Folge davon bearbeitet das System alle Benutzeranfragen auf effizienteste Weise.

STARFiSh ist ein Open-Source-Simulationsprogramm zur Simulation des Blutflusses in arteriellen Netzwerken mit stochastischen Eingangsparametern. Die Software kombiniert einen fortgeschrittenen eindimensionalen Fluid-Struktur-Interaktionscode mit Methoden zur Unsicherheitsquantifizierung und Sensitivitätsanalyse. Ich habe die Software im konzipiert und implementiert.

Mit STARFiSh wurden zahlreiche Forschungsarbeiten durchgeführt, unter anderem wurde die Auswirkung von altersbedingten Änderung der Arterien auf den Blutdruck im Herzen erforscht.

Hauptbestandteile der Software:

* Fluid-Struktur-Interaktion Simulator mit flexiblen Arterienmodellen

* Stoachstisches Framework für Unsicherheit- und Sensitivitätssanalyse mit Monte Carlo und Polynomial Chaos Methoden

* vnc: Tool zum Erstellen von arteriellen Netzwerken zur Simulation

* Echtzeitvisualisierung und 3d Visualisierung mit OpenGL

* Schwerkraft und Barorezeptor (Hormonelle Kontrolle des Blutdrucks)

* Maschinelles Lernen für Randbedingungen