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
- Vorherige Seite
- Seite 01
- Seite 02
- Seite 03
- Seite 04
- Seite 05
- …
- Seite 12
- Nächste Seite
-
Reinforcement Learning Analysis Framework
Das Ziel dieses Projekts ist es, einen Rahmen zu schaffen, der die Entwicklung von RL-Lösungen für reale Anwendungen erleichtert. Dies ist notwendig, da sich die akademische Literatur in der Regel auf spezifische Algorithmen konzentriert und sich die Ansätze für verschiedene Regionen im hochkomplexen RL-Problemraum ...
-
Smart Hospital – Integrated Framework, Tools & Solutions (SHIFT)
Das Spital der Zukunft wird ein anderes sein, als wir es heute kennen. Durch den konsequenten Einsatz neuer Organisationsformen, digitaler Technologien und mittels der Vernetzung von Abläufen und Daten wird das Spital kontinuierlich in ein intelligentes System transformiert: das Smart Hospital. Darin steht ...
-
AWACS – Animal Welfare Assessment and Control System for Fish Farms
Urban Blue bietet Softwarelösungen für landbasierte Aquakulturbetriebe an, die technische und betriebliche Aspekte umfassen. Bei diesem Innovationsprojekt werden fischbasierte Aspekte entwickelt, um die Software zu vervollständigen. Auf diese Weise kann Urban Blue ein umfassendes Farm-Management-System anbieten, das ...
-
Simulationsbasierter Vergleich einer End-to-End- und einer Platform-Konfiguration für Spritzgussanlagen
Für eine neue Produktionslinie hat der Projektpartner zwei Layout-Vorschläge erhalten und wollte diese bezüglich ihrer Tauglichkeit und Performance vergleichen. Beim Spritzgussverfahren kann es zu Ausfällen einzelner Spritzguss-Kavitäten kommen, was zu systematischen oder zufälligen Fehlteilen führt. Die Module ...
-
PE(K)O Sustain – Physikalisch modifizierte Öle als nachhaltige Alternative zu tropischen Fetten für die Back- und Süsswarenindustrie
In diesem Projekt sollen tropische Fette für die Anwendung in Mürbeteig und Schokoladenfüllungen durch Sonnenblumen- und/oder Rapsöl ersetzt werden, indem diese physikalisch modifiziert werden.
Publikationen
-
Derman, Melih; Hollenstein, Lukas,
2024.
Reduktion potenzieller Schadensmengen entlang der Kakao-Supply-Chain.
Transfer.
2024(1), S. 5.
Verfügbar unter: https://doi.org/10.21256/zhaw-30613
-
Müller, Claudia; Zbinden, Erich; Beretta, Claudio; Baumer, Beatrice,
2024.
In:
61. Wissenschaftlicher Kongress der DGE, Kassel, Deutschland, 4.-6. März 2024.
-
Pannen, Sarah T.; Gassmann, Roland; Vorburger, Robert; Rohrmann, Sabine; Sych, Janice; Steinemann, Nina,
2023.
Development of a multilingual web-based food frequency questionnaire for adults in Switzerland.
Nutrients.
15(20), S. 4359.
Verfügbar unter: https://doi.org/10.3390/nu15204359
-
2023.
Gebietsüberwachung im Pflanzenschutz : das Surveillance Tool.
TRANSFER.
2023(1), S. 4.
Verfügbar unter: https://doi.org/10.21256/zhaw-29500
-
Rüegg, Ramona; Schmid, Tamara; Hollenstein, Lukas; Müller, Nadina,
2022.
Effect of particle characteristics and foaming parameters on resulting foam quality and stability.
LWT - Food Science and Technology.
167(113859).
Verfügbar unter: https://doi.org/10.1016/j.lwt.2022.113859