Spotkanie inauguracyjne w dniach 3 i 4 czerwca 2025 roku na Uniwersytecie w Salerno zainaugurowało prace nad projektem badawczym „Zautomatyzowane, adaptacyjne i świadome niepewności inteligentne pomiary z wykorzystaniem uczenia maszynowego” (A3SmartML), który rozpoczął się w maju i jest planowany na okres trzech lat. Celem projektu jest opracowanie inteligentnych strategii pomiarowych, aby znacząco zwiększyć efektywność pomiarów wielowymiarowych. A3SmartML łączy międzynarodową wiedzę z kilku krajowych instytutów metrologicznych, uniwersytetów i firm pod koordynacją Fizyczno-Technicznego Federalnego Instytutu (PTB) w Niemczech i jest wspierany przez Europejskie Partnerstwo w dziedzinie Metrologii (EPM).
Pomiary wielowymiarowe są kluczowymi technologiami w metrologii i umożliwiają zastosowania takie jak charakteryzacja materiałów za pomocą obrazowania w skali nano oraz kontrola jakości półprzewodników poprzez mapowanie fotoprądu o rozdzielczości megapikselowej. Jednak te procedury często charakteryzują się długimi czasami pomiaru, co w praktycznym zastosowaniu prowadzi do problemów, ponieważ czas w dużych zakładach produkcyjnych lub podczas kontroli jakości na liniach produkcyjnych jest często ograniczony. Te wyzwania podkreślają potrzebę szybszych, bardziej efektywnych i inteligentniejszych metod pomiarowych. Udoskonalenie tych technologii jest również zgodne z europejską strategią na rzecz zrównoważonego rozwoju i cyfryzacji w ramach Przemysłu 4.0 oraz europejskiego Zielonego Ładu.
Zintegrowane podejścia umożliwiają poprawę efektywności pomiarów wielowymiarowych
Aby zwiększyć efektywność pomiarów wielowymiarowych, w tym projekcie opracowywane są inteligentne strategie pomiarowe poprzez połączenie narzędzi uczenia maszynowego, kompresji danych, regularyzacji i statystyki bayesowskiej. Oprócz poprawy metod pomiarowych, połączenie uczenia maszynowego z ustalonymi podejściami ze statystyki oraz metodami takimi jak kompresja danych stwarza nowe możliwości dla zastosowania uczenia maszynowego w metrologii. W kontekście rozważanych podejść do uczenia maszynowego opracowywane są wiarygodne metody oceny niepewności, aby umożliwić kontrolę pomiaru z uwzględnieniem niepewności.
Nowo opracowane podejścia znajdują zastosowanie w instrumentach pomiarowych do skanowania hiperspektralnego oraz mapowania fotoprądu półprzewodników. Celem jest opracowanie prototypów eksperymentalnych i demonstracja efektywności inteligentnych pomiarów w tych obszarach. Aby wykazać znaczenie praktycznego zastosowania, procedury będą wdrażane w kilku przypadkach użycia.
Aby uprościć zastosowanie i rozpowszechnienie opracowanych procedur, zostaną udostępnione obszerne przewodniki, udokumentowane oprogramowanie i zbiory danych referencyjnych. Długoterminowy wpływ będzie osiągnięty dzięki ogólnym, zautomatyzowanym i adaptacyjnym rutynom pomiarowym, które mogą być stosowane w szerokim zakresie wielowymiarowych metod pomiarowych. Dzięki temu firmy z sektora przemysłowego będą mogły wykorzystać wyniki projektu, aby poprawić swoje kontrole jakości, a tym samym zmniejszyć koszty i odpady w imię bardziej zrównoważonej produkcji.
W ramach tego projektu WZL RWTH Aachen odgrywa kluczową rolę w opracowywaniu metod oceny niepewności inteligentnych metod pomiarowych i koordynuje działania mające na celu rozpowszechnienie wyników projektu wśród odpowiednich grup z nauki, przemysłu oraz w obszarze nauczania uniwersyteckiego w pakiecie roboczym 5 „Tworzenie wpływu”.
Projekt (24DIT03 A3SmartML) jest wspierany przez Europejskie Partnerstwo w dziedzinie Metrologii i współfinansowany przez Program Badawczy i Innowacyjny Horyzont Europa Unii Europejskiej oraz uczestniczące kraje.
Kontakt:
