A Salernói Egyetemen 2025. június 3-án és 4-én tartott kick-off találkozóval hivatalosan megkezdődtek az „Automated, Adaptive and Uncertainty-Aware Smart Measurements using Machine Learning” (A3SmartML) kutatási projekt munkálatai, amely 2023 májusában 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 vállalatokból, a németországi Fizikai és Technikai Szövetségi 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 módszerek javítása mellett a gépi tanulás és a statisztika bevett megközelítéseinek, valamint a tömörített érzékeléshez hasonló módszerek kombinálása új lehetőségeket kínál a gépi tanulás metrológiában való alkalmazására. A vizsgált gépi tanulási megközelítések kontextusában 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 bizonytalanságának értékelésére szolgáló módszerek kifejlesztésében, és koordinálja a projekt eredményeinek releváns tudományos, ipari és egyetemi oktatási csoportokhoz való eljuttatására irányuló tevékenységeket az 5. munkacsomagban, a „Hatás létrehozása” keretében.
A projekt (24DIT03 A3SmartML) támogatást kap az Európai Metrológiai Partnerségtől, és társfinanszírozásban részesül az Európai Unió Horizon Europe Kutatási és Innovációs Programja, valamint a részt vevő országok által.
Kapcsolat:
