Name des Teilnehmers: Huanzhuo Wu
Beschreibung des IT-Forschungsprojekts: Im Zuge von Industrie 4.0 wird die physische Welt durch das Internet der Dinge (Internet of Things, IoT) und Big Data digitalisiert.
Dies ermöglicht die Überwachung, Steuerung und Optimierung von industriellen Produktionsprozessen durch die Einbettung von Rechenkapazität und Netzwerkanbindung. Eine der vielversprechendsten Anwendungen von Industrie 4.0 ist die akustische Anomalie-Erkennung basierend auf Ultra-Reliable and Low-Latency Communications (URLLC), welche eine vorausschauende Erkennung potenzieller Produktionsausfälle ermöglicht, um so Maschinenschäden und Produktionsausfälle zu vermeiden.
Als ein unverzichtbarer Schritt bei der Erkennung akustischer Anomalien gilt die Datenanalysetechnik Blind Source Separation (BSS). In IoT-Netzwerken bringt das besondere Herausforderungen an Übertragungs- und Berechnungstechniken mit sich.
In diesem Projekt, namentlich bekannt als “In-Network Blind Source Separation enabled Acoustic Anomaly Detection for Ultra-Reliable and Low-Latency Communications Applications (Net-BliSS)”, wird an der Integration von Rechen- und Netzwerktechnik gearbeitet, um sich den Herausforderungen Kommunikationsnetze und Analysesysteme von BSS zu stellen, so dass URLLC akustische Anomalieerkennung möglich wird.
Software Campus-Partner: TU Dresden, Huawei
Umsetzungszeitraum: 01.01.2021 – 30.06.2022