A 2025. június 3-án és 4-én a Salernói Egyetemen tartott kick-off találkozóval hivatalosan megkezdődtek a „Automated, Adaptive and Uncertainty-Aware Smart Measurements using Machine Learning” (A3SmartML) című kutatási projekt munkálatai, amely májusban indult és három évre tervezett. A projekt célja intelligens mérési stratégiák kifejlesztése, hogy jelentősen növelje a multidimenzionális mérések hatékonyságát. Az A3SmartML nemzetközi szakértelmet egyesít több nemzeti metrológiai intézetből, egyetemekből és cégekből, a Német Szövetségi Fizikai és Technikai Intézet (PTB) koordinálásával, és az Európai Metrológiai Partnerség (EPM) támogatja.
A multidimenzionális mérések kulcstechnológiák a metrológiában, és lehetővé teszik olyan alkalmazások megvalósítását, mint az anyagkarakterizálás nanométeres képalkotással és a félvezetők minőségellenőrzése megapixeles felbontású fotostrom-térképezéssel. Ezek a módszerek azonban gyakran hosszú mérési időkkel járnak, ami a gyakorlati alkalmazás során problémákat okoz, mivel a nagyobb gyártóüzemekben vagy a gyártósorok minőségellenőrzésénél az idő gyakran korlátozott. Ezek a kihívások világossá teszik a gyorsabb, hatékonyabb és intelligensebb mérési eljárások iránti igényt. E technológiák fejlesztése összhangban áll az ipar 4.0 keretében megvalósuló fenntarthatósági és digitalizációs európai stratégiával, valamint az európai Zöld Megállapodással.
Kombinált megközelítések lehetővé teszik a multidimenzionális mérések hatékonyságának javítását
A multidimenzionális mérések hatékonyságának növelése érdekében a projekt keretében intelligens mérési stratégiákat fejlesztenek a gépi tanulás, a tömörített érzékelés, a regularizáció és a Bayes-i statisztika eszközeinek kombinálásával. A mérési eljárások javítása mellett a gépi tanulás és a statisztika bevett megközelítéseinek, valamint a tömörített érzékelés módszereinek kombinációja új lehetőségeket kínál a gépi tanulás alkalmazására a metrológiában. A vizsgált gépi tanulási megközelítések keretében megbízható módszereket fejlesztenek a bizonytalanság értékelésére, hogy lehetővé tegyék a mérés ellenőrzését a bizonytalanság figyelembevételével.
Az újonnan kifejlesztett megközelítések alkalmazást nyernek a szkennelő hiperspektrális képalkotás és a félvezetők fotostrom-térképezésének mérőeszközeiben. A cél kísérleti prototípusok kifejlesztése és a smart mérések hatékonyságának demonstrálása ezen a területen. A gyakorlati alkalmazás relevanciájának bemutatása érdekében a módszereket több használati esetben implementálják.
A kifejlesztett eljárások egyszerűsített alkalmazása és terjesztése érdekében átfogó útmutatók, dokumentált szoftverek és referenciaadatkészletek állnak rendelkezésre. Hosszú távú hatást generikus, automatizált és adaptív mérési rutinok révén érnek el, amelyek széles spektrumú multidimenzionális mérési eljárásokra alkalmazhatók. Így a feldolgozóipari vállalatok hasznosíthatják a projekt eredményeit a minőségellenőrzésük javítására, ezzel csökkentve a költségeket és a selejtet a fenntarthatóbb termelés érdekében.
A RWTH Aachen WZL központi szerepet vállal a projekt keretében az intelligens mérési eljárások bizonytalanságértékelési módszereinek fejlesztésében, és koordinálja a projekt eredményeinek terjesztésére irányuló tevékenységeket a tudomány, ipar és az egyetemi oktatás releváns csoportjai felé az 5. munkacsomagban „Hatás létrehozása”.
A projektet (24DIT03 A3SmartML) az Európai Metrológiai Partnerség támogatja, és az Európai Unió Horizon Europe Kutatási és Innovációs Programja, valamint a részt vevő országok társfinanszírozzák.
Kapcsolat:
