Labor- und Zentrensuche

DetailsucheMehrfachauswahl möglich!
Datenstand vom: 05.11.2018
Volltextsuche in den Forschungseinheiten +
Detailsuche +
Volltextsuche in den Forschungseinheiten

Folgende Forschungseinheiten berücksichtigen:

Zeitliche Auswahl:

CD-Labor für Künstliche Intelligenz und Optimierung in Planung und Scheduling

Dieses CD-Labor erforscht innovative Lösungstechniken für Probleme der Ressourcenplanung und des Scheduling auf Basis von Künstlicher Intelligenz und Optimierung.

Problemstellungen in der Ressourcenplanung und im Scheduling treten in einer Vielzahl von Gebieten auf, wie beispielsweise im Gesundheitswesen, in der industriellen Produktion, in Bildungseinrichtungen oder beim öffentlichen Verkehr. Typische Problemstellungen sind die Projektplanung und Ressourcenzuteilung für Maschinen und Montagesysteme, Zeitpläne im Sport und in der Logistik, Terminplanung im Gesundheitssystem und die Erstellung von Mitarbeiterdienstplänen. Praktische Probleme in diesen Bereichen stellen eine große Herausforderung dar und ihre Lösungen haben Auswirkungen auf die beteiligten Menschen, die Effizienz von Arbeitsabläufen und die Kosten für die Betriebe. Aufgrund des hohen Automatisierungsbedarfs in industriellen Anwendungen (z. B. Industrie 4.0) ist die Forschung auf diesem Gebiet gegenwärtig sehr bedeutend. Zudem beinhalten die neuen Arbeitsfelder herausfordernde Probleme, die aufgrund der enormen Größe des Suchraums für potenzielle Lösungen bisher nicht optimal gelöst werden konnten.

Ziel dieses Projektes ist die Entwicklung innovativer Problemlösungstechniken, die auf der Synergie von Künstlicher Intelligenz und Optimierung basieren. Diese Methoden nutzen maschinelles Lernen für die automatische Selektion, die Konfiguration und das Design von Algorithmen. Weiters werden neue Strategien vorgeschlagen, die auf der Hybridisierung von Methoden aus beiden Bereichen basieren.

Die neuen Techniken werden angewandt, um sehr große Ressourcenplanungs- und Schedulingprobleme, unter anderem in der Personalplanung, der Produktionsplanung, und der Einteilung von Tests in industriellen Labors, zu lösen. Die erarbeiteten Lösungen sollen auch einen Beitrag zur Lösung anderer in der Komplexitätstheorie relevanter, sogenannter NP-schwerer Probleme leisten.

Leitung

Priv.Doz. Dr. Nysret Musliu

Technische Universität Wien

Institut für Logic and Computation

Favoritenstraße 9

1040 Wien

Details

Laufzeit: 01.12.2017 - 30.11.2024

Unternehmenspartner:

XIMES GmbH, MCP GmbH, Robert Bosch AG

Thematischer Cluster:

Mathematics, Computer Sciences, Electronic Engineering