Projektet anvender simuleringsbaseret morfogenese til at designe varmevekslere til høje temperaturforskelle. Målet er at forstå termomekaniske laster ved høje temperaturforskelle og samspillet med vibrationer i tryksatte strukturer. Projektet vil udvikle nye beregningsmetoder og værktøj som vil give Vestas Aircoil muligheden for at levere varmevekslere til fx røggas recirkulationskølere (EGR) til store 4-taktsmotorer, som reducerer NOx-emissionen. Her spænder temperaturen fra 800 til 200 grader.

Dette projekt anvender en kombination af beregningsmæssig væskedynamik, maskinlæring og eksperimentelle teknikker til at forbedre designprocessen af ??Kamstrups ultralydsflowmålere. Dens mål er at identificere ydeevnemålinger, optimere værktøjer og implementere hurtigere digitale designfunktioner, hvilket i sidste ende reducerer udviklingstid og omkostninger for nye produkter med op til 50 %. Fysisk prototypen vil ikke være nødvendig, hvilket gør designprocessen fuldstændig digital.

Projektet sigter mod at udvikle en machine learning (ML) model, som rettidigt kan identificere bankkunder i tidlig kreditforringelse (Early Warning). Forud for udviklingen af modellen vil vi gennem funktionel dataanalyse identificere, hvornår og hvordan kunder er i tidlig kreditforringelse for at danne sande og præcise signaler til træning af modellen. Projektet vil bidrage med en bredere forståelse af bankkunder og en ML model, som kan anvendes under den nyligt godkendte EU AI Act.

Projektet forsker i digital resonansstyring og energieffektive driverkredsløb til elektromagnetiske vibratorsystemer (EVS) i fødevarehåndtering. Formålet er at udforske nye metoder, der reducerer energitab og giver præcis vibrationskontrol. Modeller for mekanisk kobling og komponentældning integreres for at optimere drift, øge gennemløb og begrænse vedligehold. Avanceret kontrol implementeres til start-stop-forløb. Resultaterne bidrager til bæredygtig industriel produktion i Danmark.