Methodische Grundlagen
Wir entwickeln neue Methoden, Systemarchitekturen und Algorithmen, die grosse Mengen an Daten aus der physischen Welt verarbeiten und daraus zuverlässige und wirksame Entscheidungen zur Regelung und Steuerung ableiten.
Datenwissenschaft, maschinelles Lernen und verwandte Disziplinen erlauben es der IT-Infrastruktur, die physische Welt zu erfassen. Auf der Grundlage dieses Wissens liefern Automatisierung und Regelung die Mechanismen, damit die IT-Infrastruktur Maschinen, Geräte und ganze Systeme der physischen Welt in die gewünschte Richtung lenken kann. Diesen Regelkreis schliesst der NFS Automation mit der Entwicklung methodischer Grundlagen zur Kontrolle komplexer Systeme. Dazu befassen wir uns folgenden Forschungsthemen
- Control in a data-rich world Die automatisierten Systeme werden komplexer, ihre Regelung wird immer mehr von Daten getrieben. Aus dieser Fülle von Informationen die richtigen Entscheidungen und sinnvolle Feedbacks zur Regelung abzuleiten, ist ein Kernanliegen unserer Forschung.
- Control in an uncertain world In jedem automatisierten System können Störungen auftreten – Ausfälle von Systemkomponenten oder des Kommunikationsnetzes, unvorhergesehene Einflüsse von aussen oder menschliches Verhalten. Unser Ziel ist, robuste, widerstandsfähige Regelsysteme zu entwickeln, die mit realen Verhältnissen umgehen können.
- Distributed hierarchical control and optimisation Je grösser ein Automatisierungssystem wird, desto mehr stossen zentrale Regelungseinheiten an ihre Grenzen. Um unsere Methoden für immer grössere Systeme zu skalieren, entwickeln wir verteilte, hierarchisch aufgebaute Regelungs- und Optimierungstechniken.
