Angaben gemäß § 5 TMG:
Dr. Rafał Noga
Waldstr. 3
94149 Kößlarn
Deutschland
Kontakt
Telefon: +49 175 617 6792
E-Mail:
Umsatzsteuer-ID (§ 27a UStG)
DE457893621
Akademischer Titel
Dr. (Promotion in Spanien)
Inhaltlich Verantwortlicher gemäß § 55 Abs. 2 RStV: Dr. Rafał Noga (Anschrift wie oben).
Diese Website verwendet keine Cookies, keine externen Schriftarten und kein Tracking. Der Server speichert nur technische Logs (IP, Zeitstempel, angeforderte Datei), die für den Betrieb notwendig sind und regelmäßig gelöscht werden. Wenn Sie mich per E-Mail oder Telefon kontaktieren, werden Ihre Daten ausschließlich zur Bearbeitung Ihrer Anfrage verarbeitet.
Verantwortlicher
Dr. Rafał Noga
Waldstr. 3, 94149 Kößlarn, Deutschland
E-Mail:
Energie verbrennt, Ausschuss steigt, Inbetriebnahmen ziehen sich — und das nächste Dashboard findet die Ursache nicht. Sie sitzt eine Schicht tiefer: zwischen Messung, Modell und Regelkreis. Genau dort arbeite ich seit 2007.
Dieses Grundproblem zeigt sich in zwei typischen Situationen — Produktionsdruck im Mittelstand und anspruchsvolle technische Systeme, die unter Realbetrieb nicht robust genug laufen.
Typische Symptome in Produktionsunternehmen:
Typische Symptome in technischen Systemen:
Diese Symptome sind selten reine Datenprobleme — sie entstehen aus dem Zusammenspiel von Physik, Regelkreis und Realbetrieb. Vor jeder Lösung muss klar sein:
Vom Erstgespräch bis zur laufenden Senior-Beratung — vier Schritte, ein bezahlter Einstiegspunkt.
Systemtyp, Symptome, Randbedingungen und Passung schnell klären.
30-Min Technik-Fit-Call buchenVertraulichkeit absichern und festlegen, welche Daten, Dokumente oder Logs benötigt werden.
Gezielte Analyse, um zu klären, wo Regelung, Zustandsschätzung oder Architektur nicht mehr zum realen System passen.
Einseitige Executive Summary · ausführlicher technischer Bericht · 60-min Q&A-Call.
Fortlaufende Senior-Beratung zu 900 €/Tag, mindestens 5 Tage/Monat. Monatlich kündbar mit 30 Tagen Vorlauf.
Stufen: Light 5 T/Mo 4.500 € · Medium 10 T 9.000 € · Standard 15 T 13.500 € · Heavy 20 T 18.000 €.
So funktioniert derselbe erste Schritt für etablierte KMU und für Startups.
Ich habe genau diese Problemklasse schon bearbeitet: nichtlineare Systeme mit unvollständiger Messung, harten Randbedingungen, wechselnden Betriebszuständen und übernommenen Reglern oder Optimierern, die nicht mehr zuverlässig reagieren.
Internationale Formation & Vor-Ort-Verfügbarkeit: PhD zwischen Spanien, der Schweiz (CERN) und Japan · Master zwischen Frankreich, Deutschland und Polen · C2 in 5 Sprachen (PL, DE, EN, FR, ES) · Vor-Ort-Tage EU-weit verfügbar.
Frühere Stationen, keine Kunden-Endorsements.
PUBLIKATION / PROOF-OF-CONCEPT Kryotechnik · NMPC Output-Feedback Economic NMPC und nichtlineare Zustandsschätzung für einen hochgradig nichtlinearen LHC-Suprafluid-Helium-Prozess mit Totzeit, inverser Reaktion, Sättigung, Randbedingungen und sparsamer Instrumentierung.
Zeigt, wie First-Principles-Modellierung, Schätzung, Vereinfachung und Online-Optimierung Advanced Control für einen beschränkten kryogenen Prozess praktisch nutzbar machen.
Relevant für: Kryoanlagen, Beschleunigerlabore, Fusion, supraleitende Magnete und Prozessregelungs-Teams.
Belegte Aufgabe"best possible controller for the temperature regulation … of the … superconducting magnets … (LHC)"
CERN · Empfehlungsschreiben (Geneva, 10.03.2009)
Bewertung„Ich empfehle Herrn Noga ohne jegliche Vorbehalte."
CERN · Empfehlungsschreiben (Genf, 10.03.2009)
PUBLIKATION + PROJEKTARBEIT Airborne Systems · Trajektorienoptimierung SkySails-Erfahrung von Full-Scale-Prototyp-Tuning, Flugdatenanalyse, Identifikation und modellbasierter Feedback-Verbesserung über Sollwertanpassung bis zur nichtlinearen, beschränkten Trajektorienoptimierung für Variable-Trim-Kites.
Zeigt den Weg vom nutzbaren realen Prototyp bis zu Optimierungs-Workflows für Sollwerte, Performance-Studien, Sensitivitäten und Komponentenentscheidungen.
Relevant für: AWES, Parafoil-, Tethered-Drone-, UAV- und Flight-Autonomy-Teams.
Belegte Aufgabe„Nichtlineare Optimierung von Flugbahnen von gefesselten Drachen“
SkySails Power GmbH · Arbeitszeugnis (Hamburg, 31.03.2024)
Bewertung„Aufgrund seiner sehr guten Leistungen und Fähigkeiten waren wir mit Herrn Noga stets außerordentlich zufrieden.“
SkySails Power GmbH · Arbeitszeugnis (Hamburg, 31.03.2024)
PROJEKT / ÖFFENTLICHES MATERIAL Windenergie · Große Maschinen Windturbinen-Regelung mit modellbasierter Architektur, Zustandsschätzung, Economic-NMPC-Denken, Parameteroptimierung, Diagnostik und dem Ausgleich von Energieertrag, Strukturbewegung, Ermüdungslasten, Aktuatorverschleiß und Randbedingungen.
Relevant, wenn eine neue Maschinengeneration flexibler oder stärker gekoppelt wird und das übernommene Regelungskonzept Performance und Lasten nicht mehr robust ausbalanciert.
Relevant für: Windturbinen-OEMs, Maschinenbauer, Renewable-Energy-R&D und Heavy-Machinery-Control-Teams.
Belegte Aufgabe„Konzeption nichtlinearer modellprädiktiver Regler (NMPC) für eine Windenergieanlage“
IAV GmbH · Arbeitszeugnis (Gifhorn, 31.07.2020)
Bewertung„Besonders hervorzuheben sind sein ausgesprochen analytisches Denkvermögen und seine sehr rasche Auffassungsgabe.“
IAV GmbH · Arbeitszeugnis (Gifhorn, 31.07.2020)
PROJEKT + WIEDERKEHRENDES MUSTER Soft Sensors · Sensorfusion Nichtlineare Datenfusions-Schätzung für ein Paragliding-Variometer — First-Principles-Aerodynamikmodell, Sensorfusions-Architektur und experimentelle Flüge — sowie das wiederkehrende Soft-Sensor-Muster, das sich quer durch die oben gezeigte Kryogenik-, Wind- und Airborne-Systems-Arbeit zieht.
Zeigt den Soft-Sensor-Ansatz als konkrete Produkt-Engineering-Arbeit: Modell + verfügbare Sensoren + nichtlineare Schätzung liefert die Größe, die Operator oder Regler tatsächlich braucht.
Relevant für: Prozessanlagen, Maschinenbauer, Sensorhersteller, Soft-Sensor-Projekte, F&E-Teams mit spärlichen oder verrauschten Messungen.
Belegte Aufgabe„Entwicklung von Zustandsschätzern für lineare und nichtlineare Systeme“
SkySails Power GmbH · Arbeitszeugnis (Hamburg, 31.03.2024)
Peer-Review-Artikel, Konferenzbeiträge und Dissertationen zu Model Predictive Control, Zustandsschätzung und Kryotechnik am CERN.
arXiv:2403.00382
IECON 2018 - 44th Annual Conference of the IEEE Industrial Electronics Society
5th IFAC Conference on Nonlinear Model Predictive Control (NMPC), Seville. IFAC-PapersOnLine, 48(23), pp. 440-445
PhD Thesis, University of Valladolid
53rd IEEE Conference on Decision and Control (CDC), pp. 3530-3535
18th International Conference on Process Control, Tatranská Lomnica, Slovakia
18th IFAC World Congress, pp. 3647-3652
19th IEEE International Conference on Control Applications (CCA), Yokohama, Japan, pp. 1654-1659
Technical Report, CERN
MSc Thesis (Joint: Univ. Valladolid, ENSIEG Grenoble, Univ. Karlsruhe, Politechnika Gdańska)
Wenn das Symptom klar ist, geht es nicht um ein Schlagwort. Entscheidend ist, welche technische Schicht schwach ist: Messung, Schätzung, Überwachung, Regelung, Optimierung oder Simulation.
Typische Lösung: Messung & Dateninfrastruktur
Bevor Optimierung oder fortgeschrittene Regelung greifen, braucht die Anlage belastbare Messwerte, Zeitstempel, Skalierung und Datenzugang.
Typische Lösung: Soft Sensors & Zustandsschätzung
Relevant bei verspäteten Laborwerten, versteckten Zuständen oder wenn eine inferentielle Messschicht fehlt.
Typische Lösung: Prozessüberwachung (SPC / MSPC / FDD)
Damit werden Abweichungen früh sichtbar, bevor daraus Ausschuss, Qualitätsprobleme oder Stillstände werden.
Typische Lösung: Prädiktive Instandhaltung
Relevant, wenn das eigentliche Problem zustandsbasierte Instandhaltung ist und nicht Sollwertführung oder Prozessoptimierung.
Typische Lösung: APC / MPC / NMPC
Das ist die richtige Schicht, wenn die Anlage bessere geschlossene Regelung braucht und nicht nur mehr Sichtbarkeit.
Typische Lösung: Echtzeit-Optimierung
Relevant, wenn Durchsatz, Energie, Ausbeute und Restriktionen unter wechselnden Bedingungen laufend gegeneinander abgewogen werden müssen.
Typische Lösung: Digitaler Zwilling
Nützlich, wenn das Nadelöhr in Experimenten, What-if-Analysen oder Vertrauensaufbau vor Änderungen an der realen Anlage liegt.
Die Arbeit konzentriert sich dort, wo modellbasierte Regelung, Schätzung und Optimierung direkt in den Betrieb eingreifen.
APC/MPC, Soft-Sensoren und modellbasierte Regelung für Prozessanlagen, einschließlich kryogener und thermo-hydraulischer Systeme mit harten Grenzen.
Zykluszeiten senken und Durchsatz erhöhen bei CNC-Bearbeitung, Roboterfräsen und Montagelinien. Konturfehler-Kompensation, Vorschuboptimierung und Auslenkungsvorhersage reduzieren Ausschuss und verbessern Oberflächenqualität.
Pitch-, Torque- und Supervisory-Control, Diagnostik sowie Economic-Control-Konzepte für Utility-Scale-Anlagen.
Flugzustandsschätzung und geschlossene Regelkreise für Gleitschirme und Drachensysteme — Beobachterentwurf, Stabilitätsaugmentierung und autonome Führung, gestützt auf über 1.000 Gleitschirm-Flugstunden.
Verfügbar als benannter technischer Partner / wissenschaftlicher Berater für Anträge in Eureka, Eurostars-3, Horizon Europe und ZIM-Kooperation international. Kredentialierte Tiefe in den Säulen Prozesstechnik, Mechatronik und autonome Flugsysteme. In Deutschland ansässig; ZIM-förderfähig.
Häufige Fragen zu Advanced Process Control und zur Zusammenarbeit.
MPC ist eine fortschrittliche Regelungsstrategie, die ein mathematisches Modell Ihres Prozesses nutzt, um zukünftiges Verhalten vorherzusagen und Stellgrößen zu optimieren. Sie eignet sich besonders für Mehrvariablen-Systeme mit Nebenbedingungen.
Die Dauer variiert je nach Umfang. Eine Diagnosephase dauert typischerweise 2-4 Wochen. Ein vollständiger Proof-of-Concept kann in 2-3 Monaten abgeschlossen werden. Ich arbeite in agilen 2-Wochen-Sprints.
Veröffentlichte Referenzimplementierungen berichten: 17 % weniger Primärenergie in der Simulation gegenüber der bisherigen regelbasierten Steuerung eines Schweizer Bürogebäudes (ETH Zürich OptiControl-II, IEEE TCST 2016), mehr als 50 % geringere Variabilität der Calcinatortemperatur in einem Zementwerk (Holcim Lägerdorf / ABB, 2008) und den mittleren Brammentemperaturfehler eines Wärmofens von 13,0 K auf 0,9 K gesenkt (Dillinger / TU Wien, 2013). Die Amortisation hängt von Ihren Energie- und Qualitätskosten und vom Ausgangspunkt ab – deshalb schätze ich sie pro Fall, statt eine pauschale Spanne zu nennen. Jeder Prozess ist anders — ein 30-Min Technik-Fit-Call genügt, um das realistische Potenzial für Ihr System einzuschätzen.
Beides. Viele Phasen können remote erfolgen: Datenanalyse, Modellentwicklung, Simulation. Vor-Ort-Präsenz ist wertvoll für Inbetriebnahme, Operator-Training und erste Diagnose.
Prozessindustrie (Chemie, Pharma, Lebensmittel), Fertigung, Maschinenbau und Energieerzeugung. Jede Branche mit komplexen Mehrvariablen-Prozessen kann profitieren.
Ja — eine gegenseitige NDA ist Standard. Ich unterzeichne, bevor Daten oder Prozessdetails ausgetauscht werden. Ich arbeite auch in exportkontrollierten und sicherheitssensiblen Umgebungen.
Jedes Engagement ist in Phasen mit klaren Lieferobjekten und Ausstiegspunkten strukturiert. Wenn eine Phase zeigt, dass der erwartete Nutzen nicht erreichbar ist, kommuniziere ich das klar — und stoppe — anstatt weiter zu fakturieren. Ein gescheiterter Proof-of-Concept früh ist weit günstiger als ein gescheitertes Deployment spät.
Ja. Ich arbeite auf der Datenschicht — wenn Ihr Historian oder Ihre Dateninfrastruktur Standardformate exportiert (OPC-UA, CSV, REST), kann ich damit arbeiten, unabhängig vom DCS- oder SCADA-Anbieter. Integration auf SPS-Ebene erfordert Zusammenarbeit mit Ihrem Automatisierungsteam oder dem Anbieter.
Der entwickelte Code und die Modelle bleiben geistiges Eigentum von Dr. Noga. Der Kunde erhält eine im Entwicklungspreis enthaltene dauerhafte Nutzungslizenz. Exklusivlizenzen und Wettbewerbsverbote (NCA) sind möglich und verhandelbar. Details werden im Vertrag festgelegt.
Hauptsächlich allein — das bedeutet Aufmerksamkeit auf Senior-Level bei jeder Aufgabe, keine Junior-Übergaben und kein Account-Manager-Overhead. Für Projekte, die zusätzliche Kapazität erfordern, habe ich ein bewährtes Netzwerk von Spezialingenieuren.
Weitere Fragen?
Direkt fragenDr. Rafał Noga
Erhalten Sie Einblicke zu Industrieller KI, APC und Prozessoptimierung direkt in Ihr Postfach.
Kurz & verständlich: Praxisnotizen zu Regelung, Optimierung und Digitalisierung.
Viele Hersteller verlieren keine Zeit, weil der Regelungsalgorithmus zu schwierig wäre. Sie verlieren Zeit, weil der Weg vom Expertenwissen zur eingesetzten Engineering-Lösung zu manuell ist. Deployment Toolchains beheben das — und Siemens, Beckhoff, Rockwell und MathWorks beweisen es bereits.
Die 'industrielle KI-Revolution' ist real — aber der Großteil davon ist Analytik, kein Regelungssystem. Dieser Artikel zählt die bestätigten neuronalen Netz-Regler im geschlossenen Regelkreis auf echten Produktionsanlagen, erklärt warum diese Zahl klein ist und zeigt, wer die echten Kandidaten sind.
Schlecht eingestellte Regelkreise kosten viele Prozessanlagen unbemerkt Durchsatz und Energieeffizienz. Hier sind die fünf Symptome, auf die Sie achten sollten – und was jedes davon kostet.
