Die Anwendung Maschinellen Lernens bei der Fertigung von Festoxidzellen ( Machine-Learning for Solid Oxide Cells ), Teilvorhaben: Prozesstechnische Aspekte der Anwendung Maschinellen Lernens bei der Fertigung von Festoxidzellen

Description: Im Rahmen des Projekts ML4SOC werden Verfahren des maschinellen Lernens (ML) angewandt, um die Herstellung von elektrochemischen Energiewandlern (Festoxidzellen (Solid Oxide Cells, SOC) als wichtige Technologie für die Wasserstoffwirtschaft) durch Foliengießen zu optimieren. Es wird eine neuartige Forschungsdaten-Managementstruktur aufgebaut werden, die eine lückenlose Erfassung aller Prozessschritte auf Basis eines elektronischen Laborbuchs, d.h. von der Schlickerherstellung bis zur fertigen Schicht, mittels in-situ Messmethoden ermöglicht. Anschließend werden Schlickerrezepte und Verarbeitungsparameter bereitgestellt und durch ausgewählte ML-Algorithmen getestet, um die optimalen Prozessparameter zu ermitteln. Schließlich werden diese durch Simulationen ermittelten Parameter von den Projektpartnern praktisch überprüft. Ziel des Teilprojektes KMS ist es dabei, die für die Multi-Skalen-Modellierung mit künstlicher Intelligenz (KI) und maschinellem Lernen (ML) benötigten Daten und Messwerte im Prozess der Fertigung von Festoxidzellen zu gewinnen und der Modellierung zur Verfügung zu stellen. Dazu müssen die verwendeten Foliengießanlagen modifiziert und mit geeigneter Messtechnik und Datenerfassung ausgerüstet werden.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Oxid ? Messtechnik ? Verfahrensoptimierung ? Künstliche Intelligenz ? Messverfahren ? Produktionstechnik ? Modellierung ? Datenerhebung ?

Region: Sachsen

Bounding boxes: 10.96785° .. 10.96785° x 47.85761° .. 47.85761°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Geldgeber*in)
• KMS Technology Center GmbH (Betreiber*in)
• Umweltbundesamt (Bereitsteller*in)

Time ranges: 2023-08-01 - 2026-07-31

Alternatives

• Language: Englisch/English
  Title: Subproject: Process-technical aspkete of the application of machine learning in the production of solid oxide cells
  Description: In the ML4SOC project, machine learning (ML) techniques will be applied to optimize the production of electrochemical energy converters (Solid Oxide Cells (SOC) as an important technology for the hydrogen economy) by film casting. A novel research data management structure will be established, which will provide a complete record of all process steps based on an electronic laboratory book, i.e. from slurry production to the finished layer, using in-situ measurement methods. Subsequently, slurry recipes and processing parameters are provided and tested by selected ML algorithms to determine the optimal process parameters. Finally, these parameters determined by simulations will be practically verified by the project partners. In this context, the aim of the KMS subproject is to obtain the data and measured values required for multi-scale modeling with artificial intelligence (AI) and machine learning (ML) in the process of manufacturing solid oxide cells and to make them available to the modeling. For this purpose, the foil casting systems used must be modified and equipped with suitable measurement technology and data acquisition. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1124847

Status

Aktiv

Quality score

• Overall: 0.47
• Findability: 0.55

  • Title: 0.14
  • Description: 0.15
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.