Forschungsschwerpunkt Digital Labs & Production
Im Forschungsschwerpunkt Digital Labs & Production bringen wir Menschen, Räume und Prozesse zusammen. Von Mixed-Reality Digital Twins über progressive Webapplikationen bis zu Machine-to-Machine-Schnittstellen verbinden wir physische mit digitalen Welten durch Daten und Analysen.
Über uns
Der Schwerpunkt bündelt spezifische Methoden- und Technologiekompetenzen in der Digitalisierung und Virtualisierung von Laboren, Prozessen und Produktionsanlagen in den Life Sciences. Dazu gehört einerseits die Vernetzung von Geräten, Prozessen und Menschen über Schnittstellen, Datenpipelines und Datenmanagement und andererseits die Modellierung und Simulation von physischen Systemen und Infrastrukturen. Digitale Zwillinge sind ein gutes Beispiel für das Zusammenspiel dieser Themen.
Drei Forschungsgruppen sind auf diesem Gebiet aktiv.
Unsere Forschungsgruppen
Simulation & Optimization
Strategische, taktische und operative Prozessoptimierung mit Hilfe von Modellierungs- und Simulationswerkzeugen stehen im Fokus der Forschungsgruppe. Dies umfasst die Modellierung und Simulation der Dynamik heterogener, komplexer Systeme sowie die Untersuchung, Optimierung und Steuerung ihres Verhaltens.
Leiter: Prof. Dr. Lukas Hollenstein | Erfahren Sie mehr über die Forschungsgruppe Simulation & Optimization
Data Management & Visualization
Die Forschungsgruppe ist spezialisiert auf die Entwicklung von Systemen zur Datenaggregation, -transformation und -verwaltung. Verarbeitungspipelines werden so konzipiert und implementiert, dass sie Daten von ihren Quellen (z. B. grafische Benutzeroberflächen, tragbare Sensoren, Messsonden) über Vorbereitungsschritte (einschliesslich Qualitätskontrolle und Homogenisierung) bis hin zu Speicherlösungen, Analyse und Visualisierung von Ergebnissen und Erkenntnissen überführen.
Leiter: Dr. Robert Vorburger | Erfahren Sie mehr über die Forschungsgruppe Data Management & Visualization
Edge Computing & Interfaces
Die Forschungsgruppe verbindet dynamische physische Strukturen mit digitalen Umgebungen und Prozessen durch Sensoren, Aktuatoren und Edge Computing. Sie unterstützt die Automatisierung und dezentrale und intelligente Datenverarbeitung in den Life Sciences durch die Verbindung von Mensch, Maschine und Kontext.
Leiter: Dr. Christian Glahn
Lehre
Der Forschungsschwerpunkt bietet Lehrangebote auf BSc- und MSc-Stufe in den Grundlagen der Data Science, in der mathematischen und physikalischen Modellierung (mit Fokus auf simulationsbasierter Prozessoptimierung), im Data Management (mit Fokus auf Datenbanktechnologien und Visualisierung), dem Physical Computing (Sensoren und Aktoren) sowie dem Cloud und Edge-Computing an.
Die Vertiefung Digital Labs & Production des BSc ADLS wird von diesem Forschungsschwerpunkt koordiniert und es werden entsprechende Bachelor- und Master-Arbeiten angeboten.
- Bachelor of Science (ZHAW) in Applied Computational Life Sciences
- Master of Science in Life Sciences - Vertiefung Applied Computational Life Sciences
Zudem engagiert sich der Schwerpunkt über die Fachhochschulstufe hinaus im Bereich der Science Education mit Programmen und Aktivitäten und bietet Weiterbildungskurse an.
Team Digital Labs & Production
Projekte
Im Zuge des Neuaufbaus der Forschungsdatenbank sind die bisherigen Listen mit Forschungsprojekten nicht mehr abrufbar. Die Zukunft geht in Richtung Volltextsuche und Filterung, um bestmögliche Suchergebnisse für unsere Besucher:innen zur Verfügung zu stellen.
In der Zwischenzeit kannst du die Projekte ganz einfach unter folgenden Link per Textsuche finden: «Zur neuen Suche in der Projektdatenbank»
Publikationen
-
Starostina, Tatiana; Hollenstein, Lukas,
2019.
Logistik mit Simulation sicher planen und optimieren.
Lebensmittel-Industrie: Fachmagazin für das Management der Nahrungsmittel- und Getränkeindustrie.
2019(11/12), S. 14-15.
Verfügbar unter: https://doi.org/10.21256/zhaw-20245
-
Michelucci, Umberto,
2019.
Advanced applied deep learning : convolutional neural networks and object detection.
1st edition.
Berkeley:
Apress.
ISBN 978-1-4842-4975-8.
-
Ott, Thomas; Glüge, Stefan; Bödi, Richard; Kauf, Peter,
2019.
Economic measures of forecast accuracy for demand planning : a case-based discussion
.
In:
Braschler, Martin; Stadelmann, Thilo; Stockinger, Kurt, Hrsg.,
Applied data science : lessons learned for the data-driven business.
Cham:
Springer.
S. 371-386.
Verfügbar unter: https://doi.org/10.1007/978-3-030-11821-1_20
-
Hollenstein, Lukas; Lötscher, Adrian; Luccarini, Fabian,
2019.
SimLack : simulation-based optimization and scheduling of generic powder coating lines.
Simulation Notes Europe.
29(3), S. 127-132.
Verfügbar unter: https://doi.org/10.11128/sne.29.tn.10483
-
Hollenstein, Lukas; Lichtensteiger, Lukas; Stadelmann, Thilo; Amirian, Mohammadreza; Budde, Lukas; Meierhofer, Jürg; Füchslin, Rudolf Marcel; Friedli, Thomas,
2019.
Unsupervised learning and simulation for complexity management in business operations
.
In:
Braschler, Martin; Stadelmann, Thilo; Stockinger, Kurt, Hrsg.,
Applied data science : lessons learned for the data-driven business.
Cham:
Springer.
S. 313-331.
Verfügbar unter: https://doi.org/10.1007/978-3-030-11821-1_17