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.