Projektid

Gravitatsioonilainete avastamine pakub uusi võimalusi Universumi alusseaduste täpsemaks väljaselgitamiseks ja potentsiaalseks paradigmanihkeks osakestefüüsika ja kosmoloogia vallas. Tippkeskus "Universum" seab eesmärgiks interdistsiplinaarse uurimustöö, sidudes gravitatsioonilainete vaatlused käimasolevate uuringutega teoreetilise ja eksperimentaalse kosmoloogia, osakestefüüsika ja gravitatsiooni alal. Tippkeskus toob nende erialade eksperdid kokku ühtsesse raamistikku, mis soodustab interdistsiplinaarset koostööd. Lisaks uuringutele fundamentaalfüüsika vallas hõlmavad tippkeskuse tegevused eksperimentaalse riistvara ja infotehnoloogia meetodite arendamist, sealhulgas järgmise põlvkonna masinõppe algoritmide välja töötamist ning kvantarvutite võimalikke rakendusi fundamentaalteaduslikes uuringutes. Tippkeskus tugineb Eesti liikmelisusele ESA-s ja CERN-is, edendades teadmiste ülekannet nendest organisatsioonidest Eestisse ja tõstes Eesti teaduse rahvusvahelist konkurentsivõimet.

Uurimisprojekt keskendub Tööstus 4.0/5.0 digitootmise tehnoloogiatele, mis võimaldavad uute toodete väljatöötamist ja tootmisvalmiks arendamist oluliselt kiirendada. Vaatluse all on toote kogu elutsükkel digitaalsete tootemudelite loomisest läbi 3D skaneerimise, digitaalsete kaksikute ja simulatsioonitehnoloogiate kasutamise; toote kiirprototüüpide loomine läbi kihtlisandustehnoloogiate nii mehaanika kui elektroonika integreerimiseks; tootestamine lähtudes timmitud tootmise põhimõtetest, kvaliteedikontrolli ning toote ja tootmise monitooringust. Projekti tulemusel luuakse Virumaa Kolledžisse prototüüpimise arendus- ja demokeskus-katselabor, mis võimaldab keerukate ja tarkade mehhatroonikatoodete arendamist ja tootestamist.

Inseneriakadeemia on Haridus- ja teadusministeeriumi ellukutsutud ja Euroopa Sotsiaalfondist rahastatav projekt, mille eesmärk on tõsta inseneriõppe kvaliteeti ja leevendada tehniliste erialade tööjõupuudust. Projekti juhib Haridus- ja Noorteamet ning sellega on liitunud viis kõrgkooli. Inseneriakadeemiasse kuulub ülikooli 22 tehnika valdkonna õppekava, millest kümme on valitud eelisarendatavaks fookuskavaks. Projektil on kolm tegevussuunda: • Sisseastujate arvu kasvatamine • Õppe kvaliteedi arendamine ja tööturu ootustele vastavuse suurendamine • Katkestamise vähendamine Tehnikaülikool võttis eesmärgiks inseneeria valdkonna suurendada vastuvõttu igal aastal 15%. Õppe kvaliteedi arendamiseks nähakse ette projekt ja probleemõppe olulist laiendamist, õppekavaarendust, kvaliteediarendust ning taristu uuendamist; õppejõudude koolitamist ja õppeassistentide värbamist. Katkestamise vähendamiseks suurendatakse tudengitele individuaalset tuge nii esimesel kursusel kui lõputööde sooritamisel, samuti pakutakse esmakursuslastele täiendavat matemaatikaõpet. Eesmärk on oluliselt vähenda väljalangevust ning tõsta lõpetajate arvu.

Easy2reUse projekt arendab intelligentset taaskasutatavat maski tervishoiutöötajatele, kriitilistele töögruppidele ja kodanikele. Mask on jätkusuutlik, kergesti hingamist tagav, mugav pikaajaliseks kandmiseks, madala maksumusega, lihtsalt puhastatav ning vastavuses universaalse sobivuse ja standardinõuetega. Maski kasutajakogemusi uuritakse põhjalikult Soomes ja Hispaanias. Maski puhastamine ja hooldamine haigla- ning muudes keskkondades on oluline osa selle taaskasutatavuse ja puhtusenõuete täitmise tagamisel. Taaskasutatavate näomaskide turuvalmiduse uuring keskendub tootmisprotsesside kavandamisele, rõhutades materjalide hankimist, kulutõhusust ja kestlikkust. Majandusliku teostatavuse, kasutusmugavuse ja tootmise efektiivsuse terviklik arusaam saavutatakse, ühendades kvantitatiivsed ja kvalitatiivsed analüüsid kogu prototüüpide arenduse ja katsetamise faasides. Nende katsete käigus hinnatakse elektroonikaga integreeritud maskiprototüüpide funktsionaalsust, vastupidavust ning vastavust kehtivatele eeskirjadele ja standarditele. Samuti koostatakse dokumentatsioon ELi tüübikinnituseks ning kehtestatakse ja kontrollitakse sisemine kvaliteedikontrollisüsteem. Projekt uurib häid tavasid ja väljakutseid tootmises, regulatiivses vastavuses ja turule sisenemisel, kasutades teadmisi sarnastest tööstusharudest. Võrdlevaid juhtumiuuringuid, elutsükli maksumuse (LCC) analüüse ning turu- ja tehnoloogiavalmiduse (MRL ja TRL) hindamisi kasutatakse skaleeritavate tootmisplaanide koostamisel. Samuti töötatakse välja valmisolekuplaan ladustamiseks, tootmise laiendamiseks ja kasutuselevõtuks tervishoiutöötajate ja elanikkonna poolt pandeemiate ajal, mis on rakendatav kogu Euroopas. Tootmisprotsess on kavandatud nii, et tootmine toimuks Euroopas, toetades piirkondliku tarneahela vastupidavust. Turuvalmidust ja kulutõhusust hinnatakse selleks, et luua terviklik plaan kiireks tootmiseks ja laialdaseks turule sisenemiseks.

CERN on 24 liikmesriiki ja 10 assotsieerunud riiki ühendav teaduskeskus, kus viiakse läbi kõrge ja madala energia osakestefüüsika eksperimente, nendega seotud kosmiliste kiirte, atmosfäärifüüsika ja materjaliteaduse eksperimente ja töötatakse välja uusi tehnoloogiaid ning IT-lahendusi, sh. meditsiini, AI ja kvantarvutite alal. Alates 2023. a koordineerib Eesti teadlaste tööd CERNis KBFI, TÜ ja TalTechi moodustatud CERNi konsortsium, mille liikmed osalevad LHC CMS, WLCG, FCC, CLIC, iFast, AMBER, Cloud ja CCC eksperimentides. CERNis tehtav teadus on eesliiniteadus, mis annab tõuke Eesti teaduse, tehnika ja IT rahvusvahelistumisele ning taseme tõusule. CERN on ka aktiivne tudengite, doktorantide, õpetajate ja inseneride koolitaja, panustades Eesti teaduse järelkasvu. Käesolev taotlus esitab CERNi teadustaristu ja konsortsiumi edasise tegevus- ja investeerimiskava 2029 a lõpuni, võttes arvesse nii teadustaristu taotluse retsensioonis kui ka RVTT3 vahearuandes toodud kriitikat ja soovitusi.

ESA on 22 liikmesriigist koosnev organisatsioon, mille ülesanneteks on kosmosemissioonide kavandamine, arendamine ja elluviimine (ennekõike kosmoseuuringuteks ning maavaatlusteks), samuti kosmosetehnoloogia, -teaduse ja -hariduse edendamine.

Kaasaegse tootmise kohandamisnõuded nõuavad tihedamat koostööd operaatorite ja automatiseeritud tehnoloogiate vahel, mille tulemuseks on uudne inimese ja roboti koostöö (HRC) ja interaktsiooni (HRI) paradigma, mille eesmärk on suurendada inimeste võimeid töökohal. Digitaalne Kaksik (DT) ja Ümbritsevad tehnoloogiad (XR) toetavad inimoperaatori kaasamist simulatsioonipõhistesse liidestesse, mis on mõeldud turvaliseks, tõhusaks, multimodaalseks ja adaptiivseks HRI-ks. Nende liideste kavandamist ja rakendamist ei ole veel piisavalt käsitletud. Selle projekti eesmärk on määratleda, milline on praegune lähenemisviis DT ja XR nõuete määratlusele, analüüsides DT liideste ja muud tüüpi sisendmeetodite kasutuselevõtu potentsiaali ja väljakutseid HRC kontekstis, nende jaotamist inimese ja arvuti interaktsioonis ( HCI) ja selle valdkonna praeguste eksperimentaalsete uuringute seis, mis toob inimese tagasi ahelasse Tööstus 5.0 kontseptina, läbi tööstus- ja tervishoiu valdkondi.

Inimene-robot koostöövaldkonna arendamiseks luuakse nii Virumaa Digi- ja Rohetehnoloogiate Innovatsioonikeskuse, Virumaa kolledži kui ka Taltechi peamaja baasil koostöörobootika ja protsessidele adapteeruvate seadmete arendus- ja katselabor. Loodavas laboris on võimalik uurida inimene-masin koosloome psühholoogilisi aspekte, töökoha disaini jms. Lisaks seadmete/füüsiliste süsteemide adapteeruvust tootmise protsessidesse. Seda kõike nii reaalses kui ka digitaalses (laiendatud reaalsuse) keskkonnas, toetudes Tööstus X.0 kontseptsioonile.

Projekt keskendub laiendatud reaalsuse ja olemasolevate digitaalsete tööriistade väljatöötamisele, arendamisele ja integreerimisele, et toetada tööstusvaldkonna inseneriharidust. XRERNi eesmärk on tuua inseneritudengiteni digitaalse tootmise valdkonna teadustegevuse tulemused. Tootmise peamisteks uurimisteemadeks on olnud modelleerimine, analüüs, virtuaal- ja liitreaalsus, aga ka inimfaktori roll tehastes. Projekti eesmärk on arendada, katsetada ja valideerida XR-tehnoloogiatel põhinevaid õppemeetodeid, keskendudes järgmistele teemadele: • VR-keskkonna arendamine, et toetada õppetegevust insenerivaldkonnas, nimelt tootmissüsteemide kavandamisel ja analüüsimisel. • AR-lähenemise väljatöötamine õppetegevuse toetamiseks masinate projekteerimise valdkonnas. • Töötada välja lähenemisviisid ja metoodikad nendel tehnoloogiatel põhinevate õppemeetodite analüüsimiseks ja hindamiseks.

Osakeste kiirendid on Euroopa teadusruumi peamine vara. Nende kasutamine ulatub fundamentaalteadusele pühendatud suurseadmetest paljude väiksemate kiirenditeni, mis võimaldavad röntgen- või neutronikiire kasutust eri teadusharudele. Lisaks teaduslaboritele kasvab kiirendite kasutamine kiiresti meditsiinis ja tööstuses. Hoolimata kõrgest küpsusastmest seisavad osakeste kiirendid silmitsi kriitiliste väljakutsetega, mis on seotud osakeste füüsika uurimise järgmises etapis kavandatud seadmete suuruse ja jõudluse kasvuga, rakenduslikele kiirenditele esitatavate suurenevate nõudmistega, ja ühiskonna spetsiifiliste vajadustega. Kiirendite arenduse praeguses faasis on I.FAST-i eesmärk edendada innovatsiooni kiirendipõhistes teadustaristutes, arendades uuenduslikke läbimurdetehnoloogiaid, mis on sobivad mitmetele kiirendiplavormidele, ja töötades välja tulevaste arengute strateegilised tegevuskavad. I.FAST keskendub kõrgtehnoloogilisele teadus- ja arendustegevusele, kiirendipõhiste teadusuuringute pikaajalisele jätkusuutlikkusele, eesmärgiga töötada välja toimivamad ja taskukohasemad tehnoloogiad ning vähendada kiirendite energiatarbimist, sillutades seeläbi teed jätkusuutlikele järgmise põlvkonna kiirenditele. Kaasates konsortsiumisse kuuluva 17 tööstusettevõtte kaudu (millest 12 on VKEd) tööstust kaasinnovatsioonipartneriks, loob ja hoiab I.FAST kiirendipõhiste teadusasutuste ümber innovatsiooni ökosüsteemi, mis toetab kiirendite tehnoloogia pikaajalist arengut Euroopa.Eesmärkide saavutamiseks uurib I.FAST uusi alternatiivseid kiirendikontseptsioone ja edendab võtmetehnoloogiate abil täiustatud prototüüpimist. Arenduste hulka kuuluvad muu hulgas sünkrotronvalgusallikate mõõtmete vähendamise lahendused, väiksema energiatarbimisega arenenud ülijuhttehnoloogiad, ning strateegiad ja tehnoloogiad kiirendite energiatõhususe parandamiseks.

Antud projekti käigus loodi reaalsete 3D objektide varjujoone mõõtmise seadme kontseptsioon ning prototüüp ja toimus ja katsetamine test- ja reaalses tootmiskeskkonnas. Süsteemi kasutatakse kõnealuste objektide turvalise pakkimise jaoks sobivaima transpordi pakendi valmistamiseks. Käesoleval ajal sisaldab tootmisprotsess liialt käsitööd ja automatiseerituse tase vajab parandamist. Loodav süsteem võimaldab vähendada manuaalse töö mahtu ja samuti tõsta töö kvaliteeti (vältida vigu ja tõsta täpsust).

Üheks väljakutseks, mida antud demoprojekti käigus sooviti lahendada, oli akustiliste paneelide tootmise robotiseerimine, et lühendada nende valmistamisele kuluvat aega. Demoprojekti käigus testiti erineva konfiguratsiooniga akustiliste paneelide robot-kruvimise protsessi, arvestades paneelide erinevaid mõõte, paigaldatavate kruvide arvu ja nende paigaldust. Antud demoprojektis seoti omavahel robootika (koostöörobot UR10), automaatika (kruvide etteande seade, automaatne kruvikeeraja, intelligentne rakis), AI töövahendid (töökoha digikaksik, masinnägemise töövahendid, roboti töötrajektoori simulatsioon). Lahenduse juures arvestati ettevõtte spetsiifilisi tootmisprotsesse ja nõudeid akustiliste paneelide parameetritele ning ka võimalusi täisautomatiseeritud tootmise rakendamiseks ettevõttes või juurutusteks teistes antud valdkonna ettevõtetes. Demoprojekti tulemused: toote koostamisoperatsiooni teostus, koosterakise kontseptsiooni väljatöötamine, sobiliku roboti valik koostamisoperatsiooni teostamiseks, töövahendite valiku teostud, simulatsioonide koostamine ja testimine, andmete kogumine, analüüs ja tulemuste verifitseerimine.

Demoprojekti uudsuseks on vormi mittehoidvate tekstiilmaterjalide ja tahkete raamimaterjalide ühine käsitlemine intelligentsete ja paindlike roboti/koosteroboti jaamade poolt. Aktiivkontrolli meetodil tuvastatakse roboti tööorganite sooritus ja kontrollitakse kvaliteeti tagavaid andmeid tegelikega. Läbi kogutavate andmete analüüsi ja mustrituvastuse peab tehisintellekt olema võimeline tegema muudatused koostamisprotsessi. Testimise käigus kogutakse andmeid ja luuakse algoritmid tehisintellektile otsuste tegemiseks.