TRIREME - Digital & Green Skills Towards Future of The Mobility Ecosystem

Jedná se o evropský projekt financovaný z programu Erasmus+, zaměřený na podporu přechodu automobilového a mobilitního ekosystému k zelené a digitální ekonomice. Cílem projektu je řešit potřeby rekvalifikace a zvyšování kvalifikace více než 14,6 milionu pracovníků v tomto sektoru, který tvoří přibližně 7,5 % přidané hodnoty EU a zahrnuje přes 1,8 milionu podniků, převážně malých a středních. Mezi hlavní aktivity TRIREME patří vytvoření celoevropské Automotive-Mobility Academy, která poskytne vzdělávací programy na úrovních EQF 3–8, a podpora spolupráce mezi průmyslem, akademickou sférou a sociálními partnery. Projekt se také zaměřuje na analýzu trendů, jako je digitalizace, oběhové hospodářství a nové obchodní modely, a na vývoj strategií pro udržitelný rozvoj sektoru. V rámci projektu zajišťujeme definici metodických postupů pro výzkum a analýzu sektrorových potřeb, definici dovedností a pracovních rolí, apod. Dále také realizujeme softwarovovou podporu pro integraci výsledků na evropské úrovni (ESCO, Skills Hub apod.). Konsorcium TRIREME tvoří 31 partnerů ze 14 zemí, včetně vysokých škol, průmyslových asociací a sociálních partnerů.

Období: 2024 — 2028

Kontaktní osoba: Ing. Svatopluk Štolfa, Ph.D.

Web projektu

Vývoj nástroje pro národní monitoring velkoobchodního trhu s energiemi

Projekt byl zaměřen na vývoj a implementaci pokročilého nástroje, který provádí autonomní a automatizovaný monitoring velkoobchodního trhu s energiemi v databázovém prostředí. Nástroj byl navržen tak, aby v případě detekce podezřelého chování účastníků trhu generoval upozornění pro národní regulační autoritu, čímž naplňuje požadavky evropských nařízení. Během realizace projektu byl kladen důraz na pokročilé algoritmy pro analýzu dat a sofistikované metody detekce anomálií. Nástroj se osvědčil jako efektivní řešení nejen pro automatickou kontrolu velkoobchodního trhu, ale také pro provádění manuálních analýz chování účastníků trhu. Funkce exportu důkazních podkladů se ukázala jako klíčová pro jejich využití ve správních řízeních vedených Energetickým regulačním úřadem (ERÚ). Součástí projektu byla také komplexní znalostní a procesní podpora pro související aktivity při monitoringu velkoobchodního trhu s energiemi. Týmy se zaměřily na implementaci inovativních statistických a monitorovacích metod a zajistily efektivní zpracování velkého objemu dat. Realizace projektu přispěla ke kvalitnímu a modernímu dohledu nad velkoobchodními trhy, který odpovídá evropským regulacím, konkrétně Nařízení Evropského parlamentu a Rady EU č. 1227/2011 o integritě a transparentnosti velkoobchodního trhu s energií. ERÚ tak získal robustní nástroj, který nejen zefektivnil jeho dohledovou činnost, ale také posílil schopnost efektivně reagovat na podezřelé aktivity na trhu.

Období: 2023 — 2024

Kontaktní osoba: Ing. Jana Nowaková, Ph.D.

Simulátor skladovacích procesů a optimalizace skladu

Navrhli jsme pokročilý simulační systém, který přesně analyzuje a optimalizuje proces naskladňování a vyskladňování držáků různých typů. Díky realistickým simulacím jsme odhalili úzká místa ve skladu a zajistili, že výroba zůstane plynulá i při maximálním vytížení. Inteligentní algoritmy umožňují skladovému robotu strategicky využívat pauzy k reorganizaci skladu a předcházet zpožděním ve výrobním taktu. Výsledkem je hladká spolupráce mezi skladem a výrobní linkou, vyšší efektivita a minimalizace chyb. Tento systém ukazuje, jak může technologie změnit běžné provozní procesy na vysoce optimalizované a spolehlivé řešení.

Kontaktní osoba: prof. Ing. Jan Platoš, Ph.D.

Sledování stavu řidiče

Projekt se zaměřuje na analýzu činnosti řidiče v automobilu s cílem včas rozpoznat situace, které mohou ohrozit jeho schopnost bezpečně řídit. Pomocí hlubokých neuronových sítí, zejména architektury encoder-decoder, analyzujeme video sekvence z kokpitu a sledujeme polohu, pohyb a změny tvaru jednotlivých částí těla řidiče v čase. Identifikujeme stavy jako mikrospánek, únava, epileptický záchvat nebo infarkt, které by mohly vést k nebezpečným situacím. V případě detekce takového stavu může být aktivován asistenční systém, který převezme řízení a zvýší bezpečnost provozu. Výzkum probíhal ve spolupráci se společností ŠKODA AUTO a dalšími akademickými partnery, jako je CIIRC a Ústav automobilového a dopravního inženýrství VUT. Cílem bylo přispět k moderním bezpečnostním technologiím a zvýšení ochrany účastníků silničního provozu.

Období: 2019 — 2023

Kontaktní osoba: doc. Dr. Ing. Eduard Sojka

Monitorování polohy příslušníků složek IZS i během zásahu v rozsáhlých budovách s využitím prvků umělé inteligence

Projekt se zaměřuje do oblasti vývoje prostředku zvyšujícího bezpečnost osob složek IZS (Integrovaného záchranného systému) zasahujících při mimořádných událostech. Hlavním cílem projektu je zvýšení ochrany životů příslušníků složek IZS při zásahu, a to pomocí zprostředkování zlepšené přehledové situace o zásahu a pohybu všech členů týmu veliteli zásahu na zobrazovací jednotce, např. tabletu, případně mobilním telefonu. V rámci projektu se zabýváme integraci algoritmů umělé inteligence (AI) ve dvou hlavních oblastech. První se zaměřuje na analýzu dat z mobilních jednotek nesených zasahujícími záchranáři. AI monitoruje jejich stav a pohyb v nebezpečném prostředí s cílem minimalizovat rizika na základě aktuálních dat a naučených zkušeností. Druhá oblast využívá AI k real-time modelování prostředí zásahu na základě dat od všech zasahujících záchranářů, kteří zároveň sbírají cenné informace o situaci. Tato data slouží nejen k lepší orientaci při aktuálních zásazích, ale také k vytvoření databáze případů využitelných pro budoucí situace. Trénování probíhá nejprve na syntetických datech a následně na reálných datech, přičemž jsou využity technologie hlubokého učení a expertní systémy.

Období: 2019 — 2025

Kontaktní osoba: prof. Ing. Ivan Zelinka, Ph.D. 

Rozpoznávání 3D objektů a určování jejich polohy ve scéně pro asistovanou údržbu

V rámci tohoto projektu jsme vyvíjeli algoritmy pro porozumění scéně a jejich integraci do finálních řešení podporujících asistovanou montáž a údržbu letadel. Zaměřili jsme se na návrh a implementaci metod pro rozpoznávání 3D objektů pomocí jejich modelů (např. CAD modelů) a určování jejich polohy z různých typů dat, včetně RGB kamer, RGB-D kamer, mračna bodů a hloubkových senzorů. Vyvinuli jsme algoritmy založené na umělé inteligenci, zejména hlubokém učení, které umožňují přesnou identifikaci a analýzu objektů. Naše řešení jsou určena i pro využití v rozšířené realitě, čímž přispívají ke zefektivnění procesů v leteckém průmyslu. Výsledkem je robustní nástroj integrující analýzu RGB obrazu, hloubkových dat a strojového učení, který zvyšuje automatizaci a přesnost při výrobě a údržbě letadel.

Období: 2016 — 2020

Kontaktní osoba: doc. Dr. Ing. Eduard Sojka

ALBATTS - Alliance for Batteries Training and Skills

Cílem projektu bylo podpořit rozvoj dovedností a školení v oblasti bateriových technologií, vyřešit nedostatek kvalifikované pracovní síly v tomto rychle se rozvíjejícím odvětví a vytvořit udržitelné mechanismy pro vzdělávání a školení. Spadal do kategorie obecné formy projektů a byl součástí sektorových dovednostních aliancí ERASMUS+. Tento typ projektů podporuje spolupráci mezi vzdělávacími institucemi a průmyslem, aby se zajistila relevantnost školení a dovedností v souladu s potřebami trhu práce. Projekt také zahrnoval spolupráci napříč evropskými zeměmi, přičemž hlavním cílem je zlepšit konkurenceschopnost a inovace v oblasti baterií na evropské úrovni. Za VŠB-TUO jsme zajištovali definici metodických postupů pro výzkum a analýzu sektrorových potřeb, definici dovedností a pracovních rolí, apod. Dále také zajištění softwarové podpory pro integraci výsledků na evropské úrovni (ESCO, Skills Hub apod.). 

Období: 2019 — 2024

Kontaktní osoba: Ing. Jakub Štolfa, Ph.D.

Web projektu

Možnosti umělé inteligence s aplikacemi kybernetické bezpečnosti

Projekt se rozkládá do několika výzkumných oblastí, kde hlavními tématy jsou umělá inteligence a kybernetická bezpečnosti. Mezi cíle patří rozvoj a zdokonalení evolučních technik a bioinspirovaných algoritmů, čímž se rozumí vylepšení stávající metody, a také objevení nových přístupů, které by mohly přinést revoluční změny v různých oblastech, od strojového učení po optimalizační problémy. Projekt se také zaměřuje na výzkum a implementaci inovativních algoritmů a technik umělé inteligence specificky pro potřeby kybernetické bezpečnosti. Tento segment zahrnuje vývoj nových metod pro detekci a obranu proti sofistikovaným kybernetickým hrozbám, včetně adaptivního malware a AI řízených útoků. Další aspekt projektu se zaměřuje na posílení počítačové bezpečnosti v rychle rostoucím odvětví Esportu. Výzkum zde zahrnuje vývoj bezpečnostních protokolů a systémů pro ochranu hráčů, dat a infrastruktury spojené s elektronickými sporty, s důrazem na prevenci podvodů, zneužívání a kybernetických útoků.

Kontaktní osoba: prof. Ing. Ivan Zelinka, Ph.D. 

DRIVES - Development and Research on Innovative Vocational Education Skills

Projekt DRIVES byl zaměřen na posílení lidského kapitálu v dodavatelských řetězcích automobilového průmyslu prostřednictvím vytvoření Automotive Skills Alliance (SSA). V rámci projektu jsme byli hlavním koordinátorem a zajišťovali analýzu dovednostních potřeb sektoru, navrhování vzdělávacích iniciativ a podporu odborné mobility pracovníků. Výstupy projektu zahrnovaly modernizaci rámců dovedností v různých zemích, jejich vzájemné uznávání a rozšíření do nových regionů. VŠB-TUO se podílelo na vylepšení platformy Apprenticeship Marketplace, která efektivněji propojuje zaměstnavatele a uchazeče v oblasti automobilového průmyslu. Projekt využil GEAR 2030 jako základ pro udržitelný rozvoj dovedností bez zbytečného duplikování, přičemž přispěl k dlouhodobé spolupráci a inovacím v automobilovém sektoru.

Období: 2018 — 2022

Kontaktní osoba: Ing. Svatopluk Štolfa, Ph.D.

Web projektu

Zpracování a pokročilá analýza biomedicínských dat

Díky současným moderním laboratorním zařízením v nemocnicích a na lékařských fakultách je získáváno nebývalé množství dále zpracovatelných, tzv. biomedicínských dat. Tato data jsou díky novým technologiím na jedné straně z technického pohledu velmi přesná, na druhé straně se výzkumníci potýkají s různými problémy spojenými s nečistotami způsobenými zejména lidským faktorem. Mezi tyto problémy biomedicínských dat obvykle patří jejich neúplnost a nepřesnost způsobená zejména nedodržením metodiky sběru dat. Při všech analytických přístupech je často potřeba zohlednit jak mimořádně velký rozsah zpracovávaných dat (např. sekvence DNA), tak jejich komplexnost a heterogenitu (genetické a klinické profily pacientů spojené s vývojem v čase, se signálovými daty jako je EEG apod.), což často vyžaduje paralelní a distribuované přístupy a specifické sekvence použití metod v přesně definovaných automatizovaných či semi-automatických procesech (tzv. pipelines využívající např optické mapování, sekvenování DNA a RNA a analýzu dat z microarray čipů). Tento komplexní pohled se promítá do nových oblastí, tzv. Precision Medicine a Precision Health (léčba a péče o zdraví vycházející z dlouhodobého sběru rozsáhlých dat o pacientovi.).

Kontaktní osoba: RNDr. Eliška Ochodková, Ph.D.