Modellierung von Aufbereitungsprozessen neue Entwicklungen

Größe: px
Ab Seite anzeigen:

Download "Modellierung von Aufbereitungsprozessen neue Entwicklungen"

Transkript

1

2 Modellierung von Aufbereitungsprozessen neue Entwicklungen DVGW Forum Wasseraufbereitung Mülheim a.d.r. ( ) Hans-Joachim Mälzer

3 Überblick Warum Modelle? Mechanistische Modelle Neuronale Netze Computational Fluid Dynamics Zusammenfassung 3

4 Warum Modelle? Grundlegendes Prozessverständnis Wechselwirkungen Potenziale für Weiterentwicklung Bau von Wasseraufbereitungsanlagen Dimensionierung Betriebssicherheit Kostenersparnis Betrieb von Wasseraufbereitungsanlagen Betriebssicherheit (Schulung, Kontrolle open loop ) Automatisierung ( closed loop ) Kostenersparnis 4

5 Modelltypen und Anwendungen Modelltyp Mechanistisch Fuzzy Neuronales Netz Beschreibung kausaler Gleichungen, Gleichungs- Wenn-Dann- Regeln Wichtungsfaktoren Zusammenhänge systeme Prozessverständniss hoch mittel gering Übertragbarkeit mittel gering gering Anwendung Prozessentwicklung Schulung Dimensionierung Regelung/ Steuerung (Schulung) Regelung/ Steuerung (Schulung) Regelung/ Steuerung 5

6 Teilprozesse und Parameter Desinfektion Enthärtung Belüftung Ozonung Flockung Membranfiltration Sedimentation Aktivkohlefiltration Schnellfiltration 6

7 Teilprozesse und Parameter Belüftung Desinfektion Durchsatz Enthärtung Verweilzeit Zusatzstoffmenge Ozonung Flockung Membranfiltration Energieeintrag Spülintervalle Sedimentation Aktivkohlefiltration Schnellfiltration 7

8 Teilprozesse und Parameter Gase Temperatur Mikoorganismen Belüftung Desinfektion Ozonung Verweilzeit Leitfähigkeit Enthärtung Geschwindigkeit Flockung Kationen Zusatzstoffmenge Anionen Membranfiltration Energieeintrag Sedimentation DOC Spülintervalle Trübung Aktivkohlefiltration Schnellfiltration Spurenstoffe Partikel 8

9 Mechanistische Stufenmodelle Flockungsmittel Gesamtmodell Flockung Sedimentation Filtration Sedimentation Rohwasser Trinkwasser Probleme: Klarwasser Schlamm Kompatibler Datensatz für Qualitäts-Parameter Numerische Verknüpfung der Teilmodelle: Plattform 9

10 Mechanistische Stufenmodelle METREX IWW+UDE/D OTTER WRc/UK STIMELA TU-Delft/NL WatPro Hydromantis/CD WTP EPA/USA TAPWAT RIVM/NL 10

11 Mechanistische Stufenmodelle METREX IWW+UDE/D OTTER WRc/UK STIMELA TU-Delft/NL Workpackage: Treatment Plant Simulator WatPro Hydromantis/CD WTP EPA/USA TAPWAT RIVM/NL Neuer Standard für Stufenmodelle 11

12 Neuronale Netze Neuronale Netze sind Abbild menschlicher Nervenzellen Neuronen erhalten über die Dendriten viele Eingangssignale anderer Neuronen Eingänge können aktivierende, hemmende oder keine Signale enthalten Neuronen verarbeiten und bewerten diese Eingangssignale Sie geben ein Ausgangssignal über das Axon an andere Neuronen weiter 12

13 Multilayer-Perceptron Netze Messwerte Fehler Neuronen sind in Schichten angeordnet Input-Layer: Eingangsvektor entspr. Anzahl der Eingangsgrößen Output Layer: Ausgangsvektor entspr. Anzahl der Ausgangsgrößen Hidden-Layer: je nach Problemstellung mehrere Schichten möglich, meistens eine genügend Neuronen sind über vorwärts gerichtete Verbindungen mit jedem Neuron der Folgeschicht verbunden Verbindungen sind gewichtet Anpassung der Netzgewichte zur möglichst exakten Abbildung der Eingangsvektoren auf die Ausgangsvektoren = Training 13

14 Multilayer-Perceptron Netze Feed forward calculation of output Input layer Hidden layer Output layer x x out Error y x x4 4 8 Input Parameter Iterative weight adaption to minimize error Network Output Backpropagation Learning Measured target parameter 14

15 Vor- und Nachteile Neuronaler Netze Vorteile Abbildung von Zusammenhänge auch ohne detailliertes Prozessverständnis Keine mechanistischen Modellvorstellungen erforderlich Schnelles und einfaches Erstellen von Modellen durch Training mit vorhandenen Daten Geringerer Wartungsaufwand durch Nachtraining bei Prozessänderungen Sensitivitätsanalysen geben u.u. Hinweise auf unbekannte Zusammenhänge Nachteile Black-Box Modell Nicht extrapolationsfähig: Fehlerhafte Abbildung in Gebieten mit zu geringer Datendichte Größere Datenmengen zum Training erforderlich Hoher Aufwand bei Datenauswahl und -bearbeitung 15

16 Anwendungsbeispiele Neuronale Netze Flusswasseraufbereitung: Flockung + Mikrofiltration Talsperrenwasseraufbereitung: Flockung + Sedimentation 16

17 Flockung + Mikrofilration Optimierung des Betriebs einer Mikrofiltrationsanlage mittels Künstlicher Neuronaler Netze: Vorhersage des Transmembranen Drucks (TMP) Optimierung der Filtrationsdauer Minimierung der Betriebskosten Projektpartner Universität Duisburg-Essen, Institut für Energie- und Umwelttechnik, Bereich Wassertechnik IWW Rheinisch-Westfälisches Institut für Wasserforschung gemeinnützige GmbH Fa. aquatune Dr. Gebhardt & Co. GmbH NGK Insulators, Ltd. Japan 17

18 Flockung + Mikrofilration Versuchsanlage Betriebsbedingungen: Rohwasser: Flusswasser Ruhr Temperatur: 2-25 C Trübung: FNU Flockungsmittel: mg/l Al 3+ Zulaufdruck: kpa Flux: l/(m 2 h) Filtrationsdauer: min Keramikmembranen: Porengröße : 0.1 µm Feed channel : 2.5 mm Moduloberfläche: 0.4 m 2 18

19 Flockung + Mikrofilration Berechnung der Modellparameter TMP [kpa] mtmp_1 TMPs_1 TMPe_1 tbw Present cycle mtmp TMPs tf TMPe TMPs+1 TMP calculated TMP measured Backwash CEBalkaline CEBacidic mtmp: slope 19

20 Flockung + Mikrofilration Eingangsparameter Temperatur Trübung Al-Beladung Trübungsbeladung Flockungs-pH-Wert Zulaufdruck TMPs (start) TMPe (end) Einstellbar: Rückspülbedingungen Flux Filtrationsdauer Al-Konzentration Ausgangsparameter Vorhersagemodell TMPs für zukünftige Filtrationszyklen TMPe für zukünftige Filtrationszyklen Ausgangsparameter für Optimierungsmodell Optimale Filtrationsdauer Optimale Al-Konzentration Optimaler Flux TMPs, TMPe Minimale Betriebskosten Energie( Druck) Flockungsmittel Rückstandsentsorgung 20

21 Flockung + Mikrofilration Berechnungsschema zur Vorhersage von TMPs und TMPe Europäisches Patent EP B1 2 getrennte Neuronale Netze zur Vorhersage von TMPs und TMPe Vorteile: - einfacheres Training der Einzelnetze - einfachere Eingrenzung der tatsächlich benötigten Parameter - einfachere Interpretation der Ergebnisse 21

22 Flockung + Mikrofilration TMPs: Gemessene und berechnete Werte Periode 3 tf = 90 min Flux = 200 l/m²h Al = 3.5 mg/l Periode 4 tf = 90 min Flux 1 = 200 l/m²h Al = 3.5 mg/l TMPs [kpa] Periode 1 tf = 120 min Flux 1 = 120 l/m²h Flux 2 = 80l/m²h Al = 1.5 mg/l Periode 2 tf = 60 min Flux = 160 l/m²h Al = 3.5 mg/l Flux 2 = 250 l/m²h Abweichung [%] Datensätze -10 TMPs gemessen TMPs vorhergesagt Abweichung +10% Abweichung -10% Abweichung 22

23 Flockung + Mikrofilration TMPe: Gemessene und berechnete Werte TMPe [kpa] Abweichung [%] Datensätze TMPe gemessen TMPe vorhergesagt Abweichung +10% Abweichung -10% Abweichung

24 Flockung + Mikrofilration Berechnungsschema zur Minimierung der Betriebskosten Betriebskosten: - Energiekosten für TMP (0.08 Euro/kWh) - Abwasserkosten (0.35 Euro/m 3 Abwasser) - Al-Dosierung (0.30 Euro/kg Al) - Kosten für Chemikalien zur Rückspülung vernachlässigbar gering 24

25 Flockung + Mikrofilration Optimierung und Minimierung der bei Vorhersage von 9 Filtrationszyklen TMP [kpa] Durchschnittliche Einsparung der Betriebskosten: ca. 15 % (0,7 Euro-Cent/m 3 ) : : : : : : :00 Zeit TMPs TMPs_opt TMPe TMPe_opt 25

26 Flockung + Sedimentation Optimierung des Betriebs der Flockung durch KNN im WW Obermaubach der Stadtwerke Düren GmbH (Gefördert von RWE Aqua GmbH) Sicherstellung der Wasserqualität auch bei schwankender Rohwasserqualität Kosteneinsparungen (Zusatzstoffe, Entsorgungskosten) Erhöhung der Trinkwasserausbeute (Verlängerung der Filterlaufzeiten) Projektpartner IWW Rheinisch-Westfälisches Institut für Wasserforschung gemeinnützige GmbH Universität Duisburg-Essen, Institut für Energie- und Umwelttechnik, Bereich Wassertechnik Fa. aquatune Dr. Gebhardt & Co. GmbH Stadtwerke Düren GmbH 26

27 Flockung + Sedimentation Wasserwerk Obermaubach Wasserabgabe: ca. 5 Mio. m 3 /a 27

28 Flockung + Sedimentation Wasserwerk Obermaubach ca. 2,5 mg/l 10 µm ca mg/l Fe 28

29 Flockung + Sedimentation Eingangsparameter Durchsatz Temperatur Rohwasser Leitfähigkeit Rohwasser ph-wert Rohwasser Sauerstoffkonzentration Rohwasser Trübung Rohwasser Ozonzugabe Einstellbar: Flockungsmittelzugabe ph-wert nach Flockung Ausgangsparameter Trübung Ablauf Sedimentation 29

30 Rohwasser bis Leitfähigkeit [µs/cm] SAK 254 nm [1/m] Trübung [FNU] 30

31 Rohwasser bis Sauerstoff [mg/l] ph-wert [-] Temperatur [ C] 31

32 Flockung und Sedimentation bis Flockungsmittel [l/m³] ph-wert [-] Trübung [FNU] 32

33 Ablauftrübung Sedimentation bis Trainierte Datensätze Mittlere Abweichung: 1,7% 33

34 Flockung und Sedimentation: weiteres Vorgehen Zielwertvorgabe für Ablauftrübung der Sedimentation (Laufzeitverlängerung der Schnellfilter) Anwendung des KNN zur Minimierung der Betriebskosten (Kopplung KNN + genetischer Algorithmus) Kosten Zusatzstoffe (Flockungsmittel, Kalk) Entsorgungskosten Sedimentationsrückstand (Kosten für Rückspülung der Schnellfilter) Online-Schaltung des KNN + genetischer Algorithmus im WW Obermaubach (nur lesender Zugriff auf Rohwasser- und Betriebsparameter) Versuchsbetrieb im WW Obermaubach und Nachtraining KNN Beurteilung Einsparpotenzial und praktische Anwendung 34

35 CFD-Anwendungen in Wasseraufbereitung CFD = Computational Fluid Dynamics Numerische Strömungssimulation Lösung der Navier-Stokes Gleichung für komplexe Randbedinungen Durchströmung von Behältern, Rohren, Reaktoren, Schüttungen Verweilzeit-/Mischungsverhalten Chemische Reaktionen Bahnlinien, Partikelbahnen Anwendungsmöglichkeiten Prozessverständnis Prozessentwicklung Design, Dimensionierung 35

36 CFD Beispiel Analyse der Partikelablagerung in UF/MF Kapillaren Tieferes Prozessverständnis Verbesserte Bau und Betrieb von Membranen, Modulen und Anlagen Dissertation André Lerch (Institut für Siedlungs- und Industriewasserwirtschaft TU-Dresden) an Universität Duisburg Essen (eingereicht 2007) 36

37 Modell zur Partikelablagerung in UF/MF Kapillaren Source: A. Lerch, PhD thesis 2007, Univ. Duisburg-Essen 37

38 Beispiele für CFD Ergebnisse (UF Kapillare) Stromlinen (links) und Geschwindigkeitsfeld in der Kapillare (rechts), Flux: 80 L/(m²h); dead-end Source: A. Lerch, PhD thesis 2007, Univ. Duisburg-Essen 38

39 Stromlinien und Partikelbahnen in UF Kapillaren dimensionless capillary length z/sz dimensionless capillary length z/sz dimensionless capillary radius r/sr dimensionless capillary radius r/sr Stromlinien (blau gepunktet) und Bahnlinien von Flocken (schwarze Linien) in den Kapillaren. Flockendurchmesser 10 µm (links) and 29.5 µm (rechts) Source: A. Lerch, PhD thesis 2007, Univ. Duisburg-Essen 39

40 CFD Schlussfolgerungen Partikelablagerung in Kapillaren erfolgt abhängig von Partikelgröße Kapillaren werden - besonders von großen Partikel - von hinten her aufgefüllt Kompaktierung der Ablagerungen zu erwarten, was zu weiterer Verblockung führt 40

41 Zusammenfassung Modelle müssen für Anwendungsfall geeignet gewählt werden Prozessverständnis, Prozessentwicklung Prozessdimensionierung, Design Schulung, Erhöhung Betriebssicherheit Kostenersparnis Automatisierung Bisher wenige Anwendung von Modellen zum Bau und Betrieb von Wasseraufbereitungsanlagen in Deutschland Aufbereitungsanlagen zu einfach? Modelle nicht vorhanden oder zu komplex? Kein Bedarf? Misstrauen? 41

42 Zusammenfassung Neue Entwicklungen zeigen hohes Anwendungspotenzial Mechanistische Stufenmodelle: Erkennen und Nutzen von Wechselwirkungen, besseres Prozessverständnis Neuronale Netze: Einsparung von Betriebskosten und Erhöhung Prozesssicherheit CFD: Verbesserung von Design und Betrieb von Komponenten von Aufbereitungsanlagen Verbesserung der Leistungsfähigkeit der Modelle (Hardware + Software) Verbesserung der Anwendbarkeit (Oberflächen, Schnittstellen, Ein- und Ausgabe) 42

43 Zusammenfassung Modelle müssen für Anwendungsfall geeignet gewählt werden Bisher wenige Anwendung von Modellen zum Bau und Betrieb von Wasseraufbereitungsanlagen in Deutschland Aufbereitungsanlagen zu einfach? Modelle nicht vorhanden oder zu komplex? Kein Bedarf? Misstrauen? Neue Entwicklungen zeigen hohes Anwendungspotenzial Mechanistische Stufenmodelle: Erkennen und Nutzen von Wechselwirkungen, besseres Prozessverständnis KNN: Einsparung von Betriebskosten und Erhöhung Prozesssicherheit CFD: Verbesserung von Design und Betrieb von Komponenten von Aufbereitungsanlagen Verbesserung der Leistungsfähigkeit der Modelle (Hardware + Software) Verbesserung der Anwendbarkeit (Oberflächen, Schnittstellen, Ein- und Ausgabe) 43

44 Danksagung Herzlichen Dank an: Frau Dipl.-Ing. Silke Strugholtz/UDE Herrn Dr. Nahrstedt/IWW Herrn Dipl. Ing. André Lerch/TUD Herrn Dr. Gebhardt Fa. aquatune GmbH RWE Aqua GmbH Stadtwerke Düren 44

45 45

46 Training und Anwendung Messwerte: Flockungsmittelzugabe ph nach Flockung Training Messwerte: Rohwasserparameter KNN Optimierung: Flockungsmittelzugabe ph nach Flockung Messwerte: Trübung Ablauf Sedimentation Anwendung Messwerte: Rohwasserparameter KNN Zielwert: Trübung Ablauf Sedimentation 46

Projekt OXERAM (2010 2013)

Projekt OXERAM (2010 2013) Projekt OXERAM (2010 2013) Prozessoptimierung in der weitergehenden Abwasserbehandlung zur Phosphorentfernung 24. April 2013 U. Miehe, C. Remy M. Langer, J. Stüber, M. Boulestreau M. Godehardt (TU Berlin)

Mehr

Kohonennetze Selbstorganisierende Karten

Kohonennetze Selbstorganisierende Karten Kohonennetze Selbstorganisierende Karten Julian Rith, Simon Regnet, Falk Kniffka Seminar: Umgebungsexploration und Wegeplanung mit Robotern Kohonennetze: Neuronale Netze In Dendriten werden die ankommenden

Mehr

Simulation neuronaler Netzwerke mit TIKAPP

Simulation neuronaler Netzwerke mit TIKAPP Überblick Michael Hanke Sebastian Krüger Institut für Psychologie Martin-Luther-Universität Halle-Wittenberg Forschungskolloquium, SS 2004 Überblick Fragen 1 Was sind neuronale Netze? 2 Was ist TIKAPP?

Mehr

Mehr als reines Wasser Membrantechnik

Mehr als reines Wasser Membrantechnik Mehr als reines Wasser Membrantechnik Printed in Germany, PT PM 080 05/09 G Effektive Wasseraufbereitung Die Membranfiltration gewährleistet eine effiziente und gleich - zeitig umweltfreundliche Wasseraufbereitung,

Mehr

Simulation von CO 2 -Schneestrahldüsen

Simulation von CO 2 -Schneestrahldüsen Simulation von CO 2 -Schneestrahldüsen Clemens Buske Dr. Volker Kassera CFD Consultants GmbH Sprollstraße 10/1 D-72108 Rottenburg Tel.: 07472 988688-18 www.cfdconsultants.de - Folie 1 / 33 - Überblick

Mehr

Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und

Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und Ausgaben Aktivierungsfunktionen: Schwellwertfunktion

Mehr

SERIE UF: ULTRAFILTRATIONS-ANLAGEN UF 1D6 UF 8D6

SERIE UF: ULTRAFILTRATIONS-ANLAGEN UF 1D6 UF 8D6 ULTRAFILTRATION SERIE UF: ULTRAFILTRATIONS-ANLAGEN UF 1D6 UF 8D6 70 1100 m³/tag bzw. 3 48 m³/h Rahmenstandanlage zur Filtration von vorfiltriertem oder vorgefälltem Oberflächen- oder Brunnenwasser, basierend

Mehr

Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs

Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs 1. Klagenfurter KMU Tagung Tanja Schuschnig Alexander Brauneis Institut für Finanzmanagement 25.09.2009

Mehr

Strömungsoptimierung von Feuerräumen mittels Experiment und Computational Fluid Dynamics (CFD)

Strömungsoptimierung von Feuerräumen mittels Experiment und Computational Fluid Dynamics (CFD) Zur Anzeige wird der QuickTime Dekompressor TIFF (LZW) benötigt. Strömungsoptimierung von Feuerräumen mittels Experiment und Computational Fluid Dynamics (CFD) Marc-André Baillifard Thomas Nussbaumer Hochschule

Mehr

Das Perzeptron. Künstliche neuronale Netze. Sebastian Otte. 1 Grundlegendes. 2 Perzeptron Modell

Das Perzeptron. Künstliche neuronale Netze. Sebastian Otte. 1 Grundlegendes. 2 Perzeptron Modell Fachbereich Design Informatik Medien Studiengang Master Informatik Künstliche neuronale Netze Das Perzeptron Sebastian Otte Dezember 2009 1 Grundlegendes Als Perzeptron bezeichnet man eine Form von künstlichen

Mehr

Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider

Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Versuch: Training des XOR-Problems mit einem Künstlichen Neuronalen Netz (KNN) in JavaNNS 11.04.2011 2_CI2_Deckblatt_XORbinaer_JNNS_2

Mehr

Neuronale Netze (I) Biologisches Neuronales Netz

Neuronale Netze (I) Biologisches Neuronales Netz Neuronale Netze (I) Biologisches Neuronales Netz Im menschlichen Gehirn ist ein Neuron mit bis zu 20.000 anderen Neuronen verbunden. Milliarden von Neuronen beteiligen sich simultan an der Verarbeitung

Mehr

Verfahren zur Trübstoff- und Partikelentfernung

Verfahren zur Trübstoff- und Partikelentfernung Verfahren zur Trübstoff- und Partikelentfernung Vorlesung Trinkwasseraufbereitung Bei Nutzung Partikel belasteter Grund- und Quellwässer (z.b. aus Kluft- und Karstgrundwasserleitern) sind häufig mikrobielle

Mehr

Einführung in neuronale Netze

Einführung in neuronale Netze Einführung in neuronale Netze Florian Wenzel Neurorobotik Institut für Informatik Humboldt-Universität zu Berlin 1. Mai 2012 1 / 20 Überblick 1 Motivation 2 Das Neuron 3 Aufbau des Netzes 4 Neuronale Netze

Mehr

Einsparung von Energiekosten in Kläranlagen durch Optimierung des Belüftungssystems. 10.12.2012 Christoph Sahlmann

Einsparung von Energiekosten in Kläranlagen durch Optimierung des Belüftungssystems. 10.12.2012 Christoph Sahlmann Einsparung von Energiekosten in Kläranlagen durch Optimierung des Belüftungssystems 1.12.212 Christoph Sahlmann Inhaltsverzeichnis 1. Motivation und Ziele 2. Prozesskontrolle 3. Optimierung der Betriebsbedingungen

Mehr

Gliederung. Biologische Motivation Künstliche neuronale Netzwerke. Anwendungsbeispiele Zusammenfassung. Das Perzeptron

Gliederung. Biologische Motivation Künstliche neuronale Netzwerke. Anwendungsbeispiele Zusammenfassung. Das Perzeptron Neuronale Netzwerke Gliederung Biologische Motivation Künstliche neuronale Netzwerke Das Perzeptron Aufbau Lernen und Verallgemeinern Anwendung Testergebnis Anwendungsbeispiele Zusammenfassung Biologische

Mehr

Ein selbstmodellierendes System für die Wasserwirtschaft

Ein selbstmodellierendes System für die Wasserwirtschaft Ein selbstmodellierendes System für die Wasserwirtschaft Dipl.-Ing. Dr. ANDRADE-LEAL Wien, im Juli 2001 1 Einleitung, Motivation und Voraussetzungen Künstliche Intelligenz Neuronale Netze Experte Systeme

Mehr

Die Gruppenwasserversorgung Zürcher Oberland (GWVZO) stellt sich vor

Die Gruppenwasserversorgung Zürcher Oberland (GWVZO) stellt sich vor Die Gruppenwasserversorgung Zürcher Oberland (GWVZO) stellt sich vor Die Gruppenwasserversorgung Zürcher Oberland ist ein wichtiges Gemeinschaftswerk, an welchem 16 Gesellschafter beteiligt sind. Ihre

Mehr

Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die Modellierung und Optimierung fortschrittlicher Energieumwandlungsprozesse

Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die Modellierung und Optimierung fortschrittlicher Energieumwandlungsprozesse Hochschule Zittau/Görlitz, Fakultät Maschinenwesen, Fachgebiet Technische Thermodynamik M. Kunick, H. J. Kretzschmar, U. Gampe Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die

Mehr

Simulation der Wechselwirkung Fäden-Luft in Filamentprozessen

Simulation der Wechselwirkung Fäden-Luft in Filamentprozessen Simulation der Wechselwirkung Fäden-Luft in Filamentprozessen 21. Hofer Vliesstofftage 8. / 9. November 2006 Marco Günther Übersicht Fadenmodellierung und -dynamik Wechselwirkung Fäden-Luft Glaswolleproduktion

Mehr

Mögliche Aufbereitungsverfahren für Quellwasser

Mögliche Aufbereitungsverfahren für Quellwasser Weiterbildungskurse 2011 www.brunnenmeister.ch Mögliche Aufbereitungsverfahren für Quellwasser Von: Peter Hartmann Dipl. Umweltingenieur ETHZ WABAG Wassertechnik AG Leiter Wasser Schweiz Bürglistrasse

Mehr

Am 18.02.2011 im HSZ 03 Hilfsmittel:

Am 18.02.2011 im HSZ 03 Hilfsmittel: Klausur Am 18.02.2011 im HSZ 03 Hilfsmittel: nicht programmierbarer Taschenrechner Schreibgerät, ggf. Lineal einzelne Blätter aus dem Block gelöst Sprechstunde am 17.2.11 im CHE 268 A-J: 13:00 bis 14:00

Mehr

Mikrofiltration mit Membranen

Mikrofiltration mit Membranen Siegfried Ripperger Mikrofiltration mit Membranen Grundlagen, Verfahren, Anwendungen VCH Weinheim New York Basel Cambridge Inhalt 1 Einführung in die Mikrofiltration mit Membranen 1 1.1 Stellung der Mikrofiltration

Mehr

Chemische und Mikrobiologische Untersuchung von mittels YVE-310-Filterkanne aufbereitetem Leitungswasser

Chemische und Mikrobiologische Untersuchung von mittels YVE-310-Filterkanne aufbereitetem Leitungswasser REPORT Chemische und Mikrobiologische Untersuchung von mittels YVE-310-Filterkanne aufbereitetem Leitungswasser DI Otmar Plank Verteiler: 1-3 Fa. YVE & BIO GmbH, Bremen 4 Otmar Plank 5 HET August 2014

Mehr

MESH Integrierte Abwasserreinigung mittels Gewebefiltration zur direkten Belebtschlamm-Abtrennung

MESH Integrierte Abwasserreinigung mittels Gewebefiltration zur direkten Belebtschlamm-Abtrennung MESH Integrierte Abwasserreinigung mittels Gewebefiltration zur direkten Belebtschlamm-Abtrennung Werner Fuchs Dept. IFA-Tulln Inst. f. Umweltbiotechnologie Anforderungen an die Kläranlage der Zukunft

Mehr

Zellstofftechnologie. IM-MS Anaerob-Reaktor

Zellstofftechnologie. IM-MS Anaerob-Reaktor Zellstofftechnologie IM-MS Anaerob-Reaktor IM-MS Anaerob-Reaktor 3 IM-MS Effiziente, stabile und wirtschaftliche Abwasserreinigung IM-MS steht für Integrierter Mischer & Membran Separator und bietet gegenüber

Mehr

ENTFERNUNG VON ORGANISCHEN SPURENSTOFFEN AUFBEREITUNGSTECHNIKEN - MÖGLICHKEITEN UND GRENZEN

ENTFERNUNG VON ORGANISCHEN SPURENSTOFFEN AUFBEREITUNGSTECHNIKEN - MÖGLICHKEITEN UND GRENZEN ENTFERNUNG VON ORGANISCHEN SPURENSTOFFEN AUFBEREITUNGSTECHNIKEN - MÖGLICHKEITEN UND GRENZEN 1. Trink- und Abwassertag am 10. September 2014 in Hamburg Dr. Brigitte Haist-Gulde ANTHROPOGENE ORGANISCHE SPURENSTOFFE

Mehr

Vom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung

Vom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung Vom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung Johannes Schemmel Forschungsgruppe Electronic Vision(s) Lehrstuhl Prof. K. Meier Ruprecht-Karls-Universität Heidelberg Mitarbeiter:

Mehr

Simulation und Implementierung des Kühlnotbetriebes in einem Serverraum der OeNB. August 2014

Simulation und Implementierung des Kühlnotbetriebes in einem Serverraum der OeNB. August 2014 Simulation und Implementierung des Kühlnotbetriebes in einem Serverraum der OeNB August 2014 Übersicht der Simulation und Umsetzung des Kühlnotbetriebes in einem Serverraum der OeNB Aufgabe Simulation

Mehr

A Vortex Particle Method for Smoke, Fire, and Explosions

A Vortex Particle Method for Smoke, Fire, and Explosions Hauptseminar WS 05/06 Graphische Datenverarbeitung A Vortex Particle Method for Smoke, Fire, and Explosions ( Ein Wirbel-Partikel Ansatz für Rauch, Feuer und Explosionen ) Martin Petrasch Inhalt 1. Überblick

Mehr

Aufbau und Beschreibung Neuronaler Netzwerke

Aufbau und Beschreibung Neuronaler Netzwerke Aufbau und Beschreibung r 1 Inhalt Biologisches Vorbild Mathematisches Modell Grundmodelle 2 Biologisches Vorbild Das Neuron Grundkomponenten: Zellkörper (Soma) Zellkern (Nukleus) Dendriten Nervenfaser

Mehr

Was bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen

Was bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen Was bisher geschah Lernen: überwachtes Lernen korrigierendes Lernen bestärkendes Lernen unüberwachtes Lernen biologisches Vorbild neuronaler Netze: Neuron (Zellkörper, Synapsen, Axon) und Funktionsweise

Mehr

KNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren

KNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren KNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren Holger Rahlf; Reiner Schubert www.baw.de Künstlich Neuronales Netz Gliederung Einleitung Grundlagen Möglichkeit und Grenzen Anwendung

Mehr

Machine Learning - Maschinen besser als das menschliche Gehirn?

Machine Learning - Maschinen besser als das menschliche Gehirn? Machine Learning - Maschinen besser als das menschliche Gehirn? Seminar Big Data Science Tobias Stähle 23. Mai 2014 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der

Mehr

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining mit der SEMMA Methodik Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining Data Mining: Prozeß der Selektion, Exploration und Modellierung großer Datenmengen, um Information

Mehr

Trinkwasserbereitstellung durch Membranfiltration für kleine Menschenansammlungen in Katastrophenfällen

Trinkwasserbereitstellung durch Membranfiltration für kleine Menschenansammlungen in Katastrophenfällen Trinkwasserbereitstellung durch Membranfiltration für kleine Menschenansammlungen in Katastrophenfällen Rotary International Arbeitstagung Initiativgruppe Wasser Univ.-Prof. Dr.-Ing. Franz-Bernd Frechen,

Mehr

Lattice Boltzmann Simulation bewegter Partikel

Lattice Boltzmann Simulation bewegter Partikel Lattice Boltzmann Simulation bewegter Partikel, Nils Thürey, Hans-Joachim Schmid, Christian Feichtinger Lehrstuhl für Systemsimulation Universität Erlangen/Nürnberg Lehrstuhl für Partikeltechnologie Universität

Mehr

Kurs Membrantechnik II Nanofiltration und Umkehrosmose zur Trinkwasseraufbereitung

Kurs Membrantechnik II Nanofiltration und Umkehrosmose zur Trinkwasseraufbereitung Deutscher Verein des Gas- und Wasserfaches e.v. FORUM l www.dvgw-veranstaltungen.de Kurs Membrantechnik II Nanofiltration und Umkehrosmose zur Trinkwasseraufbereitung 23./24. September 2015 Essen Unsere

Mehr

Numerische Berechnung der Strömungs- und Temperaturverhältnisse. rippengekühlten Elektromotor

Numerische Berechnung der Strömungs- und Temperaturverhältnisse. rippengekühlten Elektromotor Numerische Berechnung der Strömungs- und Temperaturverhältnisse in einem rippengekühlten Elektromotor Dipl.-Ing. Matthias Föse AEM ANHALTISCHE ELEKTROMOTORENWERK DESSAU GmbH m.foese@aem-dessau.de Dipl.-Ing.

Mehr

Numerische Berechnungen der Windumströmung des ZENDOME 150. Dr.-Ing. Leonid Goubergrits Dipl.-Ing. Christoph Lederer

Numerische Berechnungen der Windumströmung des ZENDOME 150. Dr.-Ing. Leonid Goubergrits Dipl.-Ing. Christoph Lederer Numerische Berechnungen der Windumströmung des ZENDOME 150 Dr.-Ing. Leonid Goubergrits Dipl.-Ing. Christoph Lederer 03.08.2007 1. Hintergrund Die Windlast auf den ZENDOME 150 bei Windgeschwindigkeiten

Mehr

Wasseraufbereitung Aus der Praxis für die Praxis

Wasseraufbereitung Aus der Praxis für die Praxis Wasseraufbereitung Aus der Praxis für die Praxis Der Wasserverband Gründung im Jahr 1953 Städte und Gemeinden des Kreises Siegen- Wittgenstein seit 1989 hessische Stadt Biedenkopf, Gemeinde Breidenbach

Mehr

14. Minimale Schichtdicken von PEEK und PPS im Schlauchreckprozeß und im Rheotensversuch

14. Minimale Schichtdicken von PEEK und PPS im Schlauchreckprozeß und im Rheotensversuch 14. Minimale Schichtdicken von PEEK und PPS im Schlauchreckprozeß und im Rheotensversuch Analog zu den Untersuchungen an LDPE in Kap. 6 war zu untersuchen, ob auch für die Hochtemperatur-Thermoplaste aus

Mehr

Desinfektion, aber richtig!

Desinfektion, aber richtig! Desinfektion, aber richtig! 15. Informationsveranstaltung Wissenswertes rund um Kanalnetz und Gewässer in Löbau 20. Juni 2012 Copyright Siemens AG 2012. All rights reserved. Seite 1 Juni 2012 JVO Desinfektion,

Mehr

Seite 21 / 46. Dipl.-Ing. / Dipl.-Wirtsch.-Ing. (FH) Frank Eisele

Seite 21 / 46. Dipl.-Ing. / Dipl.-Wirtsch.-Ing. (FH) Frank Eisele 2.3 Saunabereich Abbildung Blick in Saunabereich vom Eingang kommend Abbildung Umkleidekabine Saunabereich Seite 21 / 46 Abbildung Nassbereich Sauna mit Tauchbecken (Desinfektion mittels Chlortablette)

Mehr

Entwicklung modular strukturierter sensorischer Mikrosysteme (MODSYS)

Entwicklung modular strukturierter sensorischer Mikrosysteme (MODSYS) Entwicklung modular strukturierter sensorischer Mikrosysteme (MODSYS) Im Rahmen des BMBF-Projekts MODSYS wird das Teilvorhaben Modellierung von sensitiven Schichten und Erkennungssystemen für kapazitive

Mehr

Methan in der Grundwasseraufbereitung. Vorkommen, Relevanz und Handlungsempfehlungen

Methan in der Grundwasseraufbereitung. Vorkommen, Relevanz und Handlungsempfehlungen Forum Wasseraufbereitung Karlsruhe, 05.11.2008 Methan in der Grundwasseraufbereitung Vorkommen, Relevanz und Handlungsempfehlungen Dr. Bernd Bendinger, Hamburg Außenstelle des Technologiezentrum Wasser

Mehr

Maschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn

Maschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn 16. Januar 2014 Übersicht Stand der Kunst im Bilderverstehen: Klassifizieren und Suchen Was ist ein Bild in Rohform? Biologische

Mehr

Inhaltsverzeichnis Abbildungsverzeichnis... IV 1 Einleitung...1 2 Konstruieren von technischen Erzeugnissen...4

Inhaltsverzeichnis Abbildungsverzeichnis... IV 1 Einleitung...1 2 Konstruieren von technischen Erzeugnissen...4 I Inhaltsverzeichnis Abbildungsverzeichnis... IV 1 Einleitung...1 1.1 Problemstellung...1 1.2 Zielsetzung und Aufbau der Arbeit...2 2 Konstruieren von technischen Erzeugnissen...4 2.1 Inhalte des Konstruierens...4

Mehr

Structurally Evolved Neural Networks for Forecasting

Structurally Evolved Neural Networks for Forecasting Structurally Evolved Neural Networks for Forecasting - Strukturierte neuronale Netze für Vorhersagen Institut für Informatik - Ausgewählte Kapitel aus dem Bereich Softcomputing Agenda Grundlagen Neuronale

Mehr

THE ART TO CLEAR SOLUTIONS

THE ART TO CLEAR SOLUTIONS THE ART TO CLEAR SOLUTIONS ELEKTROTAUCHLACK UNSERE LÖSUNGEN SP IR A- CE L W ic ke lm od ul e Mögliche Anwendungen unserer Produkte Anwendungen Vorteile Filtration von kathodischem Elektrotauchlack (KTL)

Mehr

H2OPT: Interaktive Entscheidungsunterstützung für das Betriebs- und Energiemanagement von Wasserversorgungsbetrieben

H2OPT: Interaktive Entscheidungsunterstützung für das Betriebs- und Energiemanagement von Wasserversorgungsbetrieben H2OPT: Interaktive Entscheidungsunterstützung für das Betriebs- und Energiemanagement von Wasserversorgungsbetrieben auf der Grundlage von mehrkriteriellen Optimierungsverfahren Prof. Dr.-Ing. Martin Böhle

Mehr

Kopplung von Prozesssimulation und CFD zur detaillierten Darstellung eines super-überkritischen Steinkohlekraftwerks

Kopplung von Prozesssimulation und CFD zur detaillierten Darstellung eines super-überkritischen Steinkohlekraftwerks Kopplung von Prozesssimulation und CFD zur detaillierten Darstellung eines super-überkritischen Steinkohlekraftwerks Dipl.-Ing. (FH) Christian Schuhbauer, M.Sc. Michael Angerer, B.Sc. Agenda 1. Einleitung

Mehr

Neuronale Netze. Literatur: J. Zupan, J. Gasteiger: Neural Networks in Chemistry and Drug Design, VCH, Weinheim, 2nd Ed. 1999, ISBN 978-3-527-29779-5

Neuronale Netze. Literatur: J. Zupan, J. Gasteiger: Neural Networks in Chemistry and Drug Design, VCH, Weinheim, 2nd Ed. 1999, ISBN 978-3-527-29779-5 Neuronale Netze Eine Reihe von ganz verschiedenen Methoden werden als Neuronale Netze (NN) bezeichnet. Die wichtigsten sind: - Feed forward, back propagation -NN (am meisten verwendet) - Kohonen-Netze:

Mehr

Zeit- und Ressourcenplanung leicht gemacht - Unterstützung durch Simulation

Zeit- und Ressourcenplanung leicht gemacht - Unterstützung durch Simulation - für Zeit- und Ressourcenplanung leicht gemacht - Unterstützung durch Simulation Zeit- und Ressourcenplanung leicht gemacht - Unterstützung durch Simulation Thomas Hanne *, Patrick Lang, Stefan Nickel,

Mehr

Statistische Versuchsplanung - zuverlässiger und schneller zu Ergebnissen" Dr. Uwe Waschatz

Statistische Versuchsplanung - zuverlässiger und schneller zu Ergebnissen Dr. Uwe Waschatz Statistische Versuchsplanung - zuverlässiger und schneller zu Ergebnissen" Dr. Uwe Waschatz Inhalt Problembeschreibung Multiple lineare Regressionsanalyse Statistische Versuchsplanung / Design of Experiments

Mehr

ph-orp-ec-tds-salz-o2-temperaturmessgerät PCE-PHD 1

ph-orp-ec-tds-salz-o2-temperaturmessgerät PCE-PHD 1 ph-orp-ec-tds-salz-o2-temperaturmessgerät PCE-PHD 1 ph-wert-, Redox-, Leitfähigkeit-, Salz-, Sauerstoff- und Tempraturmessgerät / SD- Kartenspeicher (1... 16 GB), gespeicherte Daten werden als Excel-Datei

Mehr

kurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.

kurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform. kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Aufgaben der letzten Stunde Übersicht Neuronale Netze Motivation Perzeptron Multilayer

Mehr

Einsatz von CFD für das Rapidprototyping von Fahrzeugzuheizern

Einsatz von CFD für das Rapidprototyping von Fahrzeugzuheizern Einsatz von CFD für das Rapidprototyping von Fahrzeugzuheizern Dipl.-Ing. Melanie Grote 1, Dr.-Ing. Klaus Lucka 1, Prof. Dr.-Ing. Heinrich Köhne 1, Dipl.-Ing. Günther Eberspach 2, Dr.-rer. nat. Bruno Lindl

Mehr

logi.guard Maintenance meets Automation Offene Condition Monitoring Plattform von logi.cals powered by Messfeld

logi.guard Maintenance meets Automation Offene Condition Monitoring Plattform von logi.cals powered by Messfeld logi.guard Maintenance meets Automation Offene Condition Monitoring Plattform von logi.cals powered by Messfeld EUR Ing. Dipl.Ing. Wolfgang Schähs Entwickler logi.guard Lib Projekt & Support logi.guard

Mehr

Überblick über Quadratur-Generation. Roland Pfeiffer 15. Vorlesung

Überblick über Quadratur-Generation. Roland Pfeiffer 15. Vorlesung Überblick über uadratur-generation Oszillator A Oszillator B Roland Pfeiffer 15. Vorlesung Design einer uadratur-generation Ihr Chef stellt Ihnen die Aufgabe, ein Signal in zwei um 90 phasenversetzte Signale

Mehr

Kostenminimierung in Speichernetzwerken

Kostenminimierung in Speichernetzwerken Reihe: Quantitative Ökonomie Band 159 Herausgegeben von Prof. Dr. Eckart Bomsdorf, Köln, Prof. Dr. Wim Kösters, Bochum, und Prof. Dr. Winfried Matthes, Wuppertal Dr. Martin Noppenberger Kostenminimierung

Mehr

Reinforcement Learning

Reinforcement Learning Reinforcement Learning 1. Allgemein Reinforcement Learning 2. Neuronales Netz als Bewertungsfunktion 3. Neuronales Netz als Reinforcement Learning Nils-Olaf Bösch 1 Allgemein Reinforcement Learning Unterschied

Mehr

Realisierung von CI- Regelalgorithmen auf verschiedenen Hardwareplattformen

Realisierung von CI- Regelalgorithmen auf verschiedenen Hardwareplattformen Realisierung von CI- Regelalgorithmen auf verschiedenen Hardwareplattformen Prof.Dr.-Ing. K.-D. Morgeneier FH Jena, FB Elektrotechnik und Informationstechnik www.fh-jena.de Gliederung 2. Einführung 3.

Mehr

Technische Regel Arbeitsblatt DVGW W 296 (A) September 2014

Technische Regel Arbeitsblatt DVGW W 296 (A) September 2014 Regelwerk Technische Regel Arbeitsblatt DVGW W 296 (A) September 2014 Trihalogenmethanbildung Vermindern, Vermeiden und Ermittlung des Bildungspotentials Der DVGW Deutscher Verein des Gas- und Wasserfaches

Mehr

Können neuronale Netze Vorhersagen treffen? Eine Anwendung aus der Stahlindustrie

Können neuronale Netze Vorhersagen treffen? Eine Anwendung aus der Stahlindustrie Können neuronale Netze Vorhersagen treffen? Eine Anwendung aus der Stahlindustrie 1. Erzeugung von Stahl im Lichtbogenofen 2. Biologische neuronale Netze 3. Künstliche neuronale Netze 4. Anwendung neuronaler

Mehr

Vergleich von Computational Fluid Dynamics-Programmen in der Anwendung auf Brandszenarien in Gebäuden. Frederik Rabe, Anja Hofmann, Ulrich Krause

Vergleich von Computational Fluid Dynamics-Programmen in der Anwendung auf Brandszenarien in Gebäuden. Frederik Rabe, Anja Hofmann, Ulrich Krause Vergleich von Computational Fluid Dynamics-Programmen in der Anwendung auf Brandszenarien in Gebäuden Frederik Rabe, Anja Hofmann, Ulrich Krause Gliederung Einleitung Grundlagen Grundlagen CFD NIST FDS

Mehr

Vergleich und Adaption verschiedener Modellierungskonzepte zur numerischen Simulation von Wärmeübergangsphänomenen bei Motorbauteilen

Vergleich und Adaption verschiedener Modellierungskonzepte zur numerischen Simulation von Wärmeübergangsphänomenen bei Motorbauteilen Vergleich und Adaption verschiedener Modellierungskonzepte zur numerischen Simulation von Wärmeübergangsphänomenen bei Motorbauteilen DIPLOMARBEIT zur Erlangung des akademischen Grades DIPLOMINGENIEUR

Mehr

Pilotuntersuchungen zur Dosierung von

Pilotuntersuchungen zur Dosierung von Pilotuntersuchungen zur Dosierung von Pulveraktivkohle in eine separate Adsorptionsstufe Felix Meinel, 14.09.2015 Abschlussveranstaltung lt ASKURIS und IST4R Partner Inhalt Einführung: Untersuchungsgebiet

Mehr

Simulation und Verfahren des Data Mining

Simulation und Verfahren des Data Mining Simulation und Verfahren des Data Mining Approximation des Verhaltens von Materialflussmodellen durch ein Künstliches Neuronales Netz PPI - Informatik Dr. Prautsch & Partner Curiestr. 4 70563 Stuttgart

Mehr

DATA-FORECASTER. Erich Steiner steiner@softopt.de SoftOpt www.softopt.de. 7. April 2003

DATA-FORECASTER. Erich Steiner steiner@softopt.de SoftOpt www.softopt.de. 7. April 2003 DATA-FORECASTER Erich Steiner steiner@softopt.de SoftOpt www.softopt.de 7. April 2003 Was ist DATA-FORECASTER? 1 Was ist DATA-FORECASTER? 1 eine Software für Datamining Was ist DATA-FORECASTER? 1 eine

Mehr

kurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.

kurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform. kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Neuronale Netze Motivation Perzeptron Übersicht Multilayer Neural Networks Grundlagen

Mehr

Dieses Material ist zur Veröffentlichung nicht freigegeben.

Dieses Material ist zur Veröffentlichung nicht freigegeben. Dieses Material ist zur Veröffentlichung nicht freigegeben. Anwendung Neuronale Netze im Sport - Diskussion von Edelmann-Nusser, Hohmann & Henneberg (2006) zur Prognose der Wettkampfleistung im Schwimmen

Mehr

Industrie 4.0 und der Mittelstand

Industrie 4.0 und der Mittelstand a.tent.o-zeltsysteme 16. September 2015 Classic Remise Düsseldorf Industrie 4.0 und der Mittelstand Fraunhofer Seite 1 INDUSTRIE 4.0 FÜR DEN MITTELSTAND Dipl.-Ing. H.-G. Pater Industrie 4.0 : ERP und KMU

Mehr

Kurs 6 Verfahrenstechnik der Wasseraufbereitung

Kurs 6 Verfahrenstechnik der Wasseraufbereitung Deutscher Verein des Gas- und Wasserfaches e.v. FORUM l www.dvgw-veranstaltungen.de Kurs 6 Verfahrenstechnik der Wasseraufbereitung 25. bis 27. November 2014 Göttingen Unsere Themen Naturwissenschaftliche

Mehr

Membrantechnik. Daniel Bomze Paul Gauss Paul Kautny Inhaltsverzeichnis. 1. Aufgabenstellung Theoretische Grundlagen...

Membrantechnik. Daniel Bomze Paul Gauss Paul Kautny Inhaltsverzeichnis. 1. Aufgabenstellung Theoretische Grundlagen... Daniel Bomze Paul Gauss Paul Kautny 28. 10. 2009 Inhaltsverzeichnis 1. Aufgabenstellung... 2 2. Theoretische Grundlagen... 2 2.1. Arten von Membranen... 2 2.2. unterschiedliche Membrantrennverfahren...

Mehr

Trinkwasser aus Abwasser: Was beim Recycling mit Umkehrosmose alles zu beachten ist

Trinkwasser aus Abwasser: Was beim Recycling mit Umkehrosmose alles zu beachten ist Fakultät Umweltwissenschaften Fachrichtung Hydrowissenschaften Institut für Siedlungs- und Industriewasserwirtschaft, Professur Wasserversorgung Trinkwasser aus Abwasser: Was beim Recycling mit Umkehrosmose

Mehr

Informationsveranstaltung Sicherung der Trinkwasserqualität Aufbereitungsverfahren: Membranfiltration. Meschede, Stefan Panglisch

Informationsveranstaltung Sicherung der Trinkwasserqualität Aufbereitungsverfahren: Membranfiltration. Meschede, Stefan Panglisch Informationsveranstaltung Sicherung der Trinkwasserqualität Aufbereitungsverfahren: Membranfiltration Meschede, 16.11.2011 Stefan Panglisch Inhalte Partikel und ihre Bedeutung Notwendigkeit der Partikelabtrennung

Mehr

Schnelle und konsistente Stoffwertberechnung mit Spline Interpolation Arbeiten innerhalb der IAPWS Task Group "CFD Steam Property Formulation"

Schnelle und konsistente Stoffwertberechnung mit Spline Interpolation Arbeiten innerhalb der IAPWS Task Group CFD Steam Property Formulation M. Kunick, H. J. Kretzschmar Hochschule Zittau/Görlitz, Fachgebiet Technische Thermodynamik, Zittau Schnelle und konsistente Stoffwertberechnung mit Spline Interpolation Arbeiten innerhalb der IAPWS Task

Mehr

In Bayern werden in einigen Regionen

In Bayern werden in einigen Regionen Membrantechnik der Firma Zenon bewährt sich Entfernung von Aluminium im Membranverfahren Dr.-Ing. Steffen KRAUSE; Dr. Stefan HERB Modernste stechniken helfen, die Trinkwasserqualität zu verbessern. Auch

Mehr

Neuronale Netze. Anna Wallner. 15. Mai 2007

Neuronale Netze. Anna Wallner. 15. Mai 2007 5. Mai 2007 Inhalt : Motivation Grundlagen Beispiel: XOR Netze mit einer verdeckten Schicht Anpassung des Netzes mit Backpropagation Probleme Beispiel: Klassifikation handgeschriebener Ziffern Rekurrente

Mehr

Skalierung des Ausgangssignals

Skalierung des Ausgangssignals Skalierung des Ausgangssignals Definition der Messkette Zur Bestimmung einer unbekannten Messgröße, wie z.b. Kraft, Drehmoment oder Beschleunigung, werden Sensoren eingesetzt. Sensoren stehen am Anfang

Mehr

Giessereitag 2014: Optimierung von Gusssimulationen für Niederdruckguss von Messingwerkstoffen. Pascal Dessarzin, 14. April 2014

Giessereitag 2014: Optimierung von Gusssimulationen für Niederdruckguss von Messingwerkstoffen. Pascal Dessarzin, 14. April 2014 Giessereitag 2014: Optimierung von Gusssimulationen für Niederdruckguss von Messingwerkstoffen Pascal Dessarzin, 14. April 2014 Inhalt: Einleitung Das Projekt im Überblick Motivation Gusssimulationen Gusssimulationen

Mehr

Datenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?

Datenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze? Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic

Mehr

PRÜFBERICHT

PRÜFBERICHT Tel.: +49 (843) 79, Fax: +49 (843) 724 [@ANALYNR_START=252739] [@BARCODE= R] Dr.Blasy-Dr.Busse Moosstr. 6A, 82279 Eching Lindenstraße 3 87648 Aitrang DOC-5-359656-DE-P PRÜFBERICHT 735-252739 Auftrag Analysennr.

Mehr

C1/4 - Modellierung und Simulation von Neuronen

C1/4 - Modellierung und Simulation von Neuronen C 1 /4 - Modellierung und Simulation von Neuronen April 25, 2013 Motivation Worum geht es? Motivation Worum geht es? Um Neuronen. Motivation Worum geht es? Um Neuronen. Da ist u.a. euer Gehirn draus Motivation

Mehr

Die Trinkwasseranalyse der Stadtwerke Emsdetten GmbH Wasserwerk Ortheide

Die Trinkwasseranalyse der Stadtwerke Emsdetten GmbH Wasserwerk Ortheide Die Trinkwasseranalyse der Stadtwerke Emsdetten GmbH Wasserwerk Ortheide Das Trinkwasser aus dem Wasserwerk Ortheide wurde am 29. Februar 2016 vom Hygieneinstitut der Universität Münster beprobt. Im Einzelnen

Mehr

Titration einer Säure mit einer Base

Titration einer Säure mit einer Base Titration einer Säure mit einer Base Peter Bützer Inhalt 1 Einleitung... 1 2 Modellannahmen (Systemdynamik)... 2 3 Simulationsdiagramm (Typ 1)... 2 4 Dokumentation (Gleichungen, Parameter)... 3 5 Simulation...

Mehr

Die Fuzzy-Logik als methodischer Ansatz in der wissensbasierten Informationsverarbeitung

Die Fuzzy-Logik als methodischer Ansatz in der wissensbasierten Informationsverarbeitung Ilka Kürbis, Ruhr-Universität Bochum, 20.Jan. 200 Die Fuzzy-Logik als methodischer Ansatz in der wissensbasierten Informationsverarbeitung am Fallbeispiel der Bewertung von luftchemischen Messdaten Logik

Mehr

Protokoll Physikalisch-Chemisches Praktikum für Fortgeschrittene

Protokoll Physikalisch-Chemisches Praktikum für Fortgeschrittene K. B. Datum des Praktikumstags: 4.12.2007 Matthias Ernst Protokoll-Datum: 8.12.2007 Gruppe 11 Assistent: T. Bentz Testat: AK-Versuch: Modellierung von verbrennungsrelevanten Prozessen Aufgabenstellung

Mehr

Some Software Engineering Principles

Some Software Engineering Principles David L. Parnas: Some Software Engineering Principles Marco Oppel 30.06.2004 Seminar Software-Architektur Institut für Informatik Humboldt Universität zu Berlin 1 Problemstellung Software Engineering Multi-Personen

Mehr

Untersuchung der DurchstrÄmung eines Radialventilators mit nicht rotationssymmetrischen Laufrad

Untersuchung der DurchstrÄmung eines Radialventilators mit nicht rotationssymmetrischen Laufrad Untersuchung der DurchstrÄmung eines Radialventilators mit nicht rotationssymmetrischen Laufrad Albert Jeckel, Alexander Fischer, Ludwig Berger CFD Schuck Ingenieurgesellschaft mbh, D-89518 Heidenheim

Mehr

«Vertical Sky» Die neue Generation vertikaler Windturbinen

«Vertical Sky» Die neue Generation vertikaler Windturbinen AGILE WIND POWER AG Wangenstrasse 31 CH-8600 Dübendorf Tel. +41 44 228 90 00 Fax +41 44 228 90 01 info@agilewindpower.com Dübendorf, 22. April 2014 «Vertical Sky» Die neue Generation vertikaler Windturbinen

Mehr

"Ermittlung von geometrischen Produktionstoleranzen mittels 3D-Messtechnik und ihre Auswirkungen. Kay Heinze Technische Universität Dresden

Ermittlung von geometrischen Produktionstoleranzen mittels 3D-Messtechnik und ihre Auswirkungen. Kay Heinze Technische Universität Dresden "Ermittlung von geometrischen Produktionstoleranzen mittels 3D-Messtechnik und ihre Auswirkungen Technische Universität Dresden 3. Dresdner Probabilistik-Workshop 08.10.2010 Motivation Die Produktion von

Mehr

Service Engineering. Ableitung der Servicekomposition aus BPMN-Modellen. Prof. Dr. Andreas Schmietendorf 1. SoSe 2012. Service Engineering

Service Engineering. Ableitung der Servicekomposition aus BPMN-Modellen. Prof. Dr. Andreas Schmietendorf 1. SoSe 2012. Service Engineering Ableitung der Servicekomposition aus BPMN-Modellen Prof. Dr. Andreas Schmietendorf 1 Ziele der Übung Möglichkeiten der BPMN-Notation Umgang mit Workflow-Pattern Verwendung konkreter Werkzeuge zur Modellierung

Mehr

Das Drei-Komponenten-Modell

Das Drei-Komponenten-Modell Control signal ycc Input signal yi H. Gerisch / W. Wolf Institut für Informationstechnik 1 Fakultät für Elektrotechnik und Informationstechnik Organisationsstruktur in der Forschung Universität der Bundeswehr

Mehr

Energie sicher im Griff Effizienz steigern, Kosten senken: Das Lösungsangebot von ABB für die produzierende Industrie.

Energie sicher im Griff Effizienz steigern, Kosten senken: Das Lösungsangebot von ABB für die produzierende Industrie. Energie sicher im Griff Effizienz steigern, Kosten senken: Das Lösungsangebot von ABB für die produzierende Industrie. Planvoll produzieren, sinnvoll optimieren: Unser Programm für Ihre Energieeffizienz.

Mehr

Modellfreie numerische Prognosemethoden zur Tragwerksanalyse

Modellfreie numerische Prognosemethoden zur Tragwerksanalyse Modellfreie numerische Prognosemethoden zur Tragwerksanalyse Zur Erlangung des akademischen Grades Doktor-Ingenieur (Dr.-Ing.) an der Fakultät Bauingenieurwesen der Technischen Universität Dresden eingereichte

Mehr

Unser Beitrag zum verantwortungsvollen Umgang mit Mensch und Umwelt. Abwasser-Aufbereitungsanlagen für LKW- und PKW-Waschanlagen.

Unser Beitrag zum verantwortungsvollen Umgang mit Mensch und Umwelt. Abwasser-Aufbereitungsanlagen für LKW- und PKW-Waschanlagen. Unser Beitrag zum verantwortungsvollen Umgang mit Mensch und Umwelt. Abwasser-Aufbereitungsanlagen für LKW- und PKW-Waschanlagen. Ressourcen mit Weitsicht nutzen und verantwortungsvoll recyceln. Um die

Mehr