{"id":3967,"date":"2025-12-17T13:39:02","date_gmt":"2025-12-17T12:39:02","guid":{"rendered":"https:\/\/crta-robotics.com\/?p=3967"},"modified":"2025-12-19T11:35:23","modified_gmt":"2025-12-19T10:35:23","slug":"nagrada-za-najbolji-rad-na-ieee-scc-2025-za-istrazivanje-insight-tima","status":"publish","type":"post","link":"https:\/\/crta-robotics.com\/de\/nagrada-za-najbolji-rad-na-ieee-scc-2025-za-istrazivanje-insight-tima\/","title":{"rendered":"Auszeichnung f\u00fcr die beste wissenschaftliche Arbeit auf der IEEE SCC 2025 f\u00fcr die Forschung des INSIGHT-Teams"},"content":{"rendered":"

Auf einer internationalen Konferenz 4.<\/em> IEEE Internationale Konferenz \u00fcber Signal-, Steuerungs- und Kommunikationstechnik (SCC 2025),<\/em> In Sousse, Tunesien, fand die Veranstaltung statt, bei der unser Forscher und Doktorand\u2026 Tesa Herceg<\/strong> beteiligte sich an der im Rahmen des Projekts durchgef\u00fchrten Forschung und pr\u00e4sentierte deren Ergebnisse. EINBLICK (Intelligente Datenmodelle f\u00fcr die Produktion und das Recycling von Batterieartikeln) <\/strong>zwischen der Universit\u00e4t Zagreb, Fakult\u00e4t f\u00fcr Maschinenbau und Schiffbau, und dem BMW Group Battery Cell Competence Centre (BCCC). <\/p>\n\n\n\n

Die SCC 2025 bot Wissenschaftlern und Ingenieuren aus der Industrie eine Plattform zum Austausch von Ideen, bew\u00e4hrten Verfahren und fortgeschrittenem Wissen in den Bereichen dynamische Systemsteuerung, Elektronik und Mikroelektronik, Kommunikation, Signalverarbeitung, Smart Grids und Computational Intelligence. Das technische Programm der Konferenz umfasste die Pr\u00e4sentation angenommener Beitr\u00e4ge, die technologische Fortschritte und Anwendungen in verschiedenen Bereichen der Elektrotechnik beleuchteten. <\/p>\n\n\n\n

Tesa nahm an der Sektion teil Computerintelligenz und maschinelles Lernen<\/strong>, wo sie f\u00fcr ihren Forschungsbeitrag ausgezeichnet wurde Auszeichnung f\u00fcr die beste Arbeit<\/strong>. <\/p>\n\n\n\n

Ihre Arbeit, Zur Qualit\u00e4tsverbesserung in der Lithium-Ionen-Batteriezellenproduktion durch datengetriebene Modelle: Wickelprozess<\/em>, stellt neue Methoden zur Verbesserung der Produktion von Lithium-Ionen-Batterieartikeln unter Verwendung von Datenanalyse und maschinellem Lernen vor. <\/p>\n\n\n\n

Die vorliegende Arbeit konzentriert sich auf den Wickelprozess, einen wichtigen Schritt in der Herstellung zylindrischer Batteriezellen. Hierbei ist eine pr\u00e4zise Steuerung der Maschinenparameter unerl\u00e4sslich, um hochwertige Zwischenprodukte, sogenannte \u201eJelly-Rolls\u201c, zu erhalten, die die Qualit\u00e4t der Endzellen direkt beeinflussen. In der Arbeit wird ein Vorhersagemodell entwickelt, das die optimalen anf\u00e4nglichen Maschineneinstellungen durch Integration der Eigenschaften der Eingangsmaterialien, der Prozessparameter und der gew\u00fcnschten \u201eJelly-Roll\u201c-Eigenschaften bestimmt. Die besten Ergebnisse wurden mit dem Algorithmus erzielt. Random Forest Regression<\/strong>, mit erreichten R\u00b2 = 0,976<\/strong>. <\/p>\n\n\n\n

Diese Ergebnisse tragen zur Entwicklung intelligenter, datengesteuerter Fertigungssysteme bei, wodurch der Bedarf an manuellen Maschineneinstellungen verringert, die R\u00fcstzeiten experimenteller Prozesse verk\u00fcrzt und der Ausschussanteil in der Pilotproduktion reduziert wird. <\/p>\n\n\n\n

Zus\u00e4tzlich zum wissenschaftlichen Programm umfasste die Konferenz auch verschiedene Veranstaltungen, die Forscher, Professoren und Branchenexperten zusammenbrachten und Einblicke in die neuesten Trends und Herausforderungen auf dem Gebiet der Computertechnik und der industriellen Digitalisierung boten. <\/p>\n\n\n\n