Unsere Arbeit

Wir sind ein Team hochmotivierter Softwarearchitekten und Mathematiker. Mit unseren Erfahrungen aus verschiedenen Gebieten, vom Machine Learning über Routing-Algorithmen und Signalverarbeitung bis zum Compilerbau und zur theoretischen Mathematik,

entwickeln wir CeleraOne's Technologie täglich fort und steigern CeleraOne's analytische Kompetenz. Wir verstehen die Stahlherstellungsprozesse und gehen Aufgabestellungen systematisch an. Unsere Analysen führen zu substantiellen Resultaten innerhalb überschaubarer Zeit.

Deep Learning

Deep Neural Networks

Deep Learning übertrifft andere Technologien, wenn es um komplexe Aufgaben wie Computer Vision und Spracherkennung geht. Die Anwendungsgebiete reichen von automatischen Übersetzungen bis hin zu medizinischen Diagnosen und Verkehrszeichenerkennung.

Die Stärke - die ausgeprägte Modellierungskraft der Deep Neural Networks - führt zu komplizierten Herausforderungen im Aufbau der Optimierungsmodelle. CeleraOne profitiert von ihrem breiten, branchenübergreifenden Erfahrungsschatz und überwindet diese Hürden durch gründliche Modellierung der kundenspeziefischen Aufgabenstellungen sowie Anpassung von voroptimierten Architekturen.

Fortgeschrittene Signalverarbeitung

Zeit-Frequenz- analyse

Vielschichtige Prozesse liefern auf kanonische Weise Zeitreihendaten. Für komplexe Probleme sind diese Daten nicht-stationär. Die Heisenbergsche Unschärferelation legt die grundlegende Schwierigkeit der praktischen Zeit-Frequenzanalyse dar. Eine Extraktion äußerst präziser Frequenzinformationen führt zu Unsicherheit im Zeitbereich und umgekehrt.

CeleraOne wendet eine Vielzahl an multiauflösenden Modellen auf Zeitreihendaten an, die manuell für die Extraktion des Maximums an Informationen für die spezifische Aufgabenstellung angepaßt werden.

Big Data-Visualisierung

Interaktive Visualisierung

Aussagekräftige Visualisierungen und das Verständnis industrieller Daten müssen verknüpft sein. Während der Stahlherstellung tauchen 1D, 2D und 3D Datensätze in Kombination mit unterschiedlichen Datentypen auf. Diese enthalten z.B. Prozeßvariable und Verteilungen von Oberflächenfehlern auf Kaltbändern.

CeleraOne nutzt interaktive, webbasierte Tools zum Zugriff auf Machine Learning-Modelle und zur Visualisierung. Insbesondere für die Analyse großer Stahlherstellungsdatensätze, hat CeleraOne einfach anzuwendende Darstellungsmethoden erstellt.

Big Data-Speicherung

Effiziente Speicherung von Big Data

Jeder Anlagenbauer und Automatisierer bringt eigene, inkompatible Datenbanken mit. Üblicherweise weckt dies den Wunsch nach dem Aufbau eines universellen Data Warehouse. Dies erfordert Zeit, Geld und interne Ressourcen. Die Einführung eines solchen Data Warehouses reduziert allerdings nicht die Produktionskosten. Zugleich findet state-of-the-art Machine Learning nicht innerhalb von Data Warehouses statt.

CeleraOne unterstützt Stahlhersteller auf dem Weg zur nachhaltigen Verarbeitung von Big Data. Zentralisierung von Daten ist notwendig. Die Implementierung wird sowohl effizient als auch mit zeitgleicher substantieller Senkung der Produktionskosten innerhalb eines absehbaren zeitlichen Rahmens durchgeführt.

Gerne präsentieren wir Ihnen unsere Lösung