Christian Huemer (CDP) und Stefan Thalmann (Pro2Future) stellen auf der 20th IEEE International Conference on Business Informatics ein Visionspapier zum gemeinsamen Demonstratorprojekt 3 vor. „Truly joined“ und mit 17 AutorInnen aus beiden Zentren stellt dieses Paper einen wichtigen Meilenstein im gemeinsamen „Common Research Programme“ dar.
Gemeinsam mit den Unternehmenspartnern Keba, Fronius, Trumpf und Wacker Neuson wurden die Projekte SeeIT, WorkIT und GUIDE am 4. Mai in Linz gestartet. Die wissenschaftliche Begleitung der Projekte erfolgt durch das Institut für Pervasive Computing der Johannes Kepler Universität in Linz.
Pro²Future war heuer erstmalig auf der Hannover Messe Industrie vom 23.-27. April vertreten. Geschäftsführer Heimo Theuretzbacher-Fritz und Area Manager Georg Weichhart präsentierten unser Kompetenzzentrum im Rahmen des Gemeinschaftsstandes UAR Innovation Network unseres Gesellschafters Upper Austrian Research GmbH. Die weltweit größte Industriemesse mit mehr als 5.000 Ausstellern und mehr …
Pro²Future auf der Hannover Messe Industrie 2018 Weiterlesen »
Gemeinsam mit Mitgliedern des Vorstandes der AMAG Austria Metall AG wurde das Projekt „RedUsa“ am 01. April in Ranshofen gestartet. Ziel des Projektes ist die Qualitätsverbesserung im Produktionsprozess von hochqualitativen Aluminiumblechen. Die wissenschaftliche Begleitung des Projektes erfolgt durch das Institut for Interactive Systems and Data Science sowie durch das Institut of Computer Graphics and Knowledge …
Am 05. März 2018 fand die erste Pro²Future Partnerkonferenz an der Johannes Kepler Universität in Linz statt. Ihr Ziel war der erfolgreiche Austausch zwischen unseren Partnerunternehmen, den wissenschaftlichen PartnerInnen und dem wachsenden Team von Pro²Future. Am Vormittag wurden die aktuellen und geplanten Forschungsleistungen sowie bereits erreichte Ziele seit der Gründung der GmbH im April 2017 …
Am 30.01.2018 fand der offizielle Projektstart des Projektes „Advanced Defect Classification“ bei der EPCOS OHG in Deutschlandsberg statt. Ziel des Projektes ist es mit Hilfe vonn deep learning Ansätzen, Fehler in der Halbleiterproduktion zu klassifizieren. Die wissenschaftliche Begleitung des Projektes erfolgt durch das Institute for Interactive Systems and Data Science der TU Graz. Nähere …
