Browsing CSEM Archive by Research Areas "Industry 4.0"

Now showing items 1-20 of 50

    • AIWizard – Simplifying the evaluation and interpretation of Differential Scanning Calorimetry curves 

      Schmid, Ph. A. E. (2022-11-03)
      SIMPLIFYING THE WORLD OF MATERIALS PROPERTIES EVALUATION USING AI Mettler-Toledo, together with CSEM and ZHAW has developed AIWizard: An artificial intelligence (AI) option for their STARe software that will make it easier ...

    • A bat on the production floor. Condition based monitoring with ultrasound 

      Kastanis, Iason (2023-01-24)

    • Benchmarking Neuromorphic Computing for Inference 

      Narduzzi, Simon; Mateu, Loreto; Jokic, Petar; Azarkhish, Erfan; Dunbar, L. Andrea (2022-06)
      In the last decade, there has been significant progress in the IoT domain due to the advances in the accuracy of neural networks and the industrialization of efficient neural network accelerator ASICs. However, intelligent ...

    • Data Driven Innovation - from Predictive Maintenance to Predictive Quality 

      Schmid, Philipp (2022-10-14)
      At the junction where the digital, the physical, communication and people cross, is where Industry 4.0 comes forth: The automation that has long since become norm is being revolutionized, one could almost say, by ...

    • Data Generation for Deep Learning 

      Russi, Mario (2022-01-25)
      Big Data ist in aller Munde. Häufig sind allerdings gerade die Daten, die einen Mehrwert bringen nur aufwändig zu erhalten. Dazu kommt, dass Daten alleine meistens nicht ausreichen sondern eine Annotierung derer unerlässlich ...

    • Datenbasierte Instandhaltung darf nicht zum Glücksspiel werden 

      Biggio, Luca; Schmid, Philipp A. E.; Kastanis, Iason (2022-12-09)
      Moderne Algorithmen, basierend auf neuronalen Netzwerken (Künstlicher Intelligenz), lassen den Traum von Predictive Maintenance immer mehr zur Wirklichkeit werden. Ein grosser Nachteil dieser Ansätze sind die für den ...

    • DeckCheck - One-Shot-Learning for Smart Lab Automation 

      Russi, Mario (2023-01-24)
      Liquid Handling Maschinen sind heute aus der Laborautomation nicht mehr wegzudenken. Die Aufgabe dieser Maschinen ist es, Substanzen und Flüssigkeiten automatisiert zu prozessieren oder zu vermischen. So können in grossem ...

    • Deep Dive in ihre Daten 

      Schmid, Philipp A. E.; Deflorin, Patricia (2021-08-17)
      Innovationen sind für das Überleben von Unternehmen notwendig. Die von der Innosuisse geförderten NTN Innovationbooster verfolgen das Ziel, durch geeignete Kombination von Wirtschaft und Wissenschaft radikale Innovationen ...

    • Deep Learning für die Industrie: Oder – Wie kommen Fledermäuse in die Produktion? 

      Schmid, Philipp A. E. (2022-06-08)
      AI setzt sich immer stärker im Alltag durch: Übersetzungsprogramme, lustige Fotofilter auf dem Handy oder Fahrassistenzen im Auto. Nun steht der grosse Durchbruch in der produzierenden Industrie an. Perfekte Qualität und ...

    • Deep Learning für die Industrie: Qualitätskontrolle, Prozessoptimierung und Predictive Maintenance 

      Schmid, Philipp A. E. (2022-06-15)
      Deep Learning für die Industrie - Qualitätskontrolle, Prozessoptimierung und Predictive Maintenance

    • Deepfake für die Industrie 

      Schmid, Philipp A. E. (2022-08-23)
      Wie kann Deepfake in der industriellen Produktion die Qualität verbessern. Einblicke in die Technologie und Beispiele von umgesetzten Lösungen.

    • Deepfake für die Industrie 

      Schmid, Philipp; Fulterer, Ruth (2021-11-18)
      Unwahrheiten werden durch sogenannte Deepfake-Videos vorwiegend auf den sozialen Netzwerken verbreitet. Täuschendechte Falschaussagen von beispielsweise Politikern wie Angela Merkel oder Barack Obama führen gezielt zu ...

    • Deepfake in the lab 

      Schmid, Philipp A. E. (2022-06-07)
      Beyond robotics: automation with AI From visual inspection to predictive quality Synthetic data generation: the breakthrough for AI in the lab

    • Deepfake und Fledermäuse in der Produktion 

      Schmid, Philipp A. E. (2022-06-30)

    • DeepFake for Life Sciences 

      LUONGO, Francesca; NTAVELIS, Evangelos; KASTANIS, Iason; SCHMID, Philipp A.E (2022-05-16)
      Spheroids are three-dimensional cellular aggregates and one of the most common and versatile way to culture cells in 3D. In order to scale laboratory tests, automated processes are needed, including robust classification. ...

    • Denkende Maschinen: KI treibt Predictive Maintenance 

      Netsch, Christoph; Russi, Mario; Schmid, Philipp A. E. (2021-12-03)
      Wie sieht die Instandhaltung von Maschinen und Anlagen in naher Zukunft aus? Die eine Seite proklamiert Industrie 4.0 als Schlüsseltechnologie, andere sind in Anbetracht der grossen Datensammelwut skeptisch. Fakt ist, dass ...

    • Design Thinking: Probleme verstehen und Innovationen entwickeln 

      Deflorin, Patricia; Schmid, Philipp A. E. (2021-06-16)
      Innovationen sind für das Überleben von Unternehmen notwendig. Die von der Innosuisse geförderten NTN Innovation Booster verfolgen das Ziel, durch geeignete Kombination von Wirtschaft und Wissenschaft, radikale Innovationen ...

    • Digital OPLL-based distributed Brillouin sensing system in optical fibers 

      Chin, Sanghoon; Denis, Séverine; Kundermann, Stefan; Brasch, Victor; Lecomte, Steve (2022-05-23)
      A digital optical phase-locked loop (OPLL) has been implemented to develop a distributed Brillouin sensing system in optical fibers. In our experiment, two commercial semiconductor lasers are phase-locked to each other ...

    • eSorter - Schnelle und autonome Vereinzelung von Paketen aller Art 

      Widmer, Silvan (2023-01-24)
      In kleinen Postzentren müssen Pakete für die Zustellung sortiert werden. Mitarbeiter legen die Pakete einzeln auf das Förderband der Sortiermaschine. Das Innosuisse-Projekt 'eSorter' hat zum Ziel ein kostengünstiges und ...

    • Fledermausohren und Fliegenaugen 

      Russi, Mario; Netsch, Christoph; Steinecker, Alexander (2022-04)
      Mit geschärften Sinnen und künstlicher Intelligenz lassen sich Maschinenfehler besser und leichter entdecken.