Maschinelle Lernverfahren finden durch steigende Rechenkapazitäten wie auch der zunehmenden Verbreitung von Entwickler-freundlichen Softwarebibliotheken vermehrt Einsatz in der Überwachung wie auch Optimierung der industriellen Produktion. Essentielle Herausforderungen wie hohe manuelle Initialaufwände als auch die allgemeine Datenqualität und -Güte bleiben dabei als Hindernisse für einen flächendeckenden Einsatz bestehen.
DualSys strebt an arbeitsintensive, menschbezogene Tätigkeiten wie die Annotation von Prozessdaten als auch die Auswahl geeigneter Vorverarbeitungsverfahren zu ersetzen oder in spätere Projektphasen zu verlagern. Ferner werden im speziellen Potentiale von un- und selbstüberwachten Lernverfahren zur Lösung des Problems der subjektiven Grundwahrheit untersucht. Es wird dabei ein holistischer Ansatz, der industrielle Fertigungsverfahren wie auch Produktionssysteme in Form der Anwendungsszenarien der Anlagen- und Prozessqualifizierung, Anlagen- und Prozessüberwachung wie auch der Vorhersage der Produktqualität überspannt, angestrebt.
Mithilfe der erarbeiten Methodik sowie entwickelter Verfahren und Software-Bibliotheken kann ein Return on Investment auch bei bisher nicht rentablen Anwendungsfällen erreicht und Unternehmen zu einem flächendeckenden Einsatz von ML befähigt werden.