WinOSens – Finden statt Suchen
Projekttitel: Wartungs- und infrastrukturarme Objektlokalisierung mithilfe des maschinellen Lernens in eingebetteten Sensorsystemen
Gefördert durch: Bundesministerium für Bildung und Forschung (BMBF)
Projektpartner: TU Hamburg, m2m Germany, osapiens Hub GmbH
Projektlaufzeit: 07.2021 bis 11.2023
Ziel des durch das BMBF geförderte Forschungsprojekt war es, mithilfe von sensorbasierten Daten und maschinellem Lernen (ML) die Möglichkeiten der Indoor-Ortung von Sonderladungsträgern zu untersuchen. Eine solche Ortungsmethode, bei der Sensormodule an den zu ortenden Objekten angebracht werden, könnte kostensparender und einfacher zu implementieren sein als klassische Ortungstechnologien wie GPS oder die Installation anderen Ortungsinfrastrukturen.
Anwendung könnte diese infrastrukturarme Ortungsmethode z. B. bei der Bestandsverfolgung in innerbetrieblichen Logistikprozessen und zur Unterstützung von Enterprise Resource Planning (ERP)-Systemen finden.
Im Rahmen des Projekts entwickelte m2m Germany das Sensormodul mit dem Mikrocontroller als Demonstrator. Dieses Modul war u.a. mit Sensoren für Beschleunigung, Drehung, Magnetfeld und Luftdruck ausgestattet. Statt der Verwendung von GPS sollten die Sensordaten entlang der Wege Aufschluss über die jeweilige Position des Objekts geben, und zwar auf Basis der Luftdruckänderung bei einer Fahrstuhlfahrt oder Magnetfeldschwankungen durch metallische Strukturen auf der Wegstrecke, wie beispielsweise einem Metallrahmen einer Tür.
Die TU Hamburg widmete sich dem Thema Maschinelles Lernen (ML). Sie untersuchte verschiedene ML-Modelle zur Verarbeitung der Sensormerkmale und Berechnung der Position. Dabei stützte sie sich auf Modelle, die auf Entscheidungsbäumen beruhen sowie solchen, die auf neuronalen Netzen basieren. Das System wurde in einer Reihe von Experimenten getestet und hat dabei sehr gute Ergebnisse erzielt. Es konnte Objekte mit einer Genauigkeit von über 98% erkennen und lokalisieren. Selbst Anomalien in Produktionsprozessen könnten sich so erkennen lassen.
In einem Video hat Dr. Marcus Venzke, Oberingenieur am Institut für Telematik an der TU Hamburg, das Projekt sehr anschaulich dargestellt.
SensoKo – Sichere Verfolgung von kühlkettenpflichtigen Medikamenten während des Transports
Projekttitel: Entwicklung eines sensor- und cloud-basierten Kommunikationssystems zur speziellen Integration in Mehrkammer-Isolierbehälter für eine effizientere GDP-konforme Prozessabwicklung in der Pharmaindustrie
Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz (BMWK) und ZIM
Projektpartner: TH Köln, m2m Germany
Projektlaufzeit: 03.2021 bis 02.2023
Im Rahmen eines zweijährigen Forschungsprojekts, gefördert durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) und ZIM, wurde ein innovatives sensor- und cloud-basiertes Kommunikationssystem in der Pharmaindustrie, genannt sensoKo, entwickelt.
Hauptziel war es, unter Berücksichtigung der GDP (engl. Good Distribution Practice) den Transportweg von kühlkettenpflichtige Medikamenten über die gesamte Lieferkette hinweg bis zur Auslieferung an Apotheken kontinuierlich zu überwachen und möglichst automatisiert zu dokumentieren. GDP steht für „Gute Vertriebspraxis“ und bezeichnet Richtlinien zur Qualitätssicherung des Vertriebswegs von Arzneimitteln, um deren Integrität, Qualität und Wirksamkeit vom Hersteller bis zum Endverbraucher zu gewährleisten.
Das zu entwickelnde System sollte die bisher verwendeten Datenlogger ersetzen, die nicht nur viel Platz in den Kühlkammern beanspruchen, sondern auch manuell ausgelesen werden müssen – ein Verfahren, das sowohl zeitintensiv als auch ungenau sein kann. Gemeinsam mit der TH Köln ist es gelungen, ein Transportbehältersystem bestehend aus mehreren Isolierkammern mit unterschiedlichen Temperaturbereichen und integrierter Sensorik zu entwickeln. Die Übergabe von einem zum nächsten Akteur in der Lieferkette wird durch einen Scan mittels Smartphone-App dokumentiert. Die Temperaturen in den Behältern werden kontinuierlich in Echtzeit überwacht. Außerdem sollte in dem Projekt untersucht werden, inwieweit eine intelligente Analyse der erhobenen Messdaten auf Basis von Künstlicher Intelligenz (KI) möglich ist, um z. B. Anomalien festzustellen.
PDExergames – Spielerisches Training motorischer und kognitiver Fähigkeiten bei Parkinsonpatienten
Projekttitel: Entwicklung eines Exergaming-Systems zur Erprobung von MIT-Konzepten am Beispiel von Parkinson Disease (PDExergames)
Gefördert durch: Bundesministerium für Bildung und Forschung
Projektpartner: TU Darmstadt, Universität zu Köln, Ascora, m2m Germany, ProLog, paragon semvox GmbH
Projektlaufzeit: 03.2017 bis 02.2021
PDExergames ist ein innovatives Trainingsprogramm für Menschen mit Morbus Parkinson, das motorische und kognitive Fähigkeiten durch ein spielerisches, computerbasiertes Training verbessern soll. Die Patienten trainieren Ihre Fähigkeiten anhand verschiedener Szenarien in Form von Computerspielen, wobei die Trainingseinheiten auf die spezifischen Bedürfnisse der Nutzer zugeschnitten sind. Therapeut:innen und Trainierende erhalten ein Feedback in Echtzeit, sodass die Trainingsleistungen effektiv überwacht und angepasst werden können. Ziel dieses Projekts war es, Patienten, deren motorische Fähigkeiten z. B. durch einen Schlaganfall oder Krankheiten wie Morbus Parkinson eingeschränkt sind, bei der Rehabilitation zu unterstützen und Defizite gezielter als in herkömmlichen Therapien zu behandeln.