INFO zu den Projektgruppen der Fakultät für Informatik mit Beginn im Sommersemester 2012

Transkript

1 INFO zu den Projektgruppen der Fakultät für Informatik mit Beginn im Sommersemester 2012 Michael Engel Projektgruppen-Beauftragter Otto-Hahn-Str. 16, Raum E19 Postadresse: Technische Universität Dortmund Lehrstuhl Informatik Dortmund

2 Inhalt Projektgruppen Sommersemester 2012 und Termine der Einzelpräsentationen Allgemeines zu Projektgruppen Zum Auswahlverfahren Anmeldung zu den Projektgruppen Zur Stellung der Projektgruppen in der Diplom- und Masterprüfungsordnung Übersicht zu den Voraussetzungen der einzelnen Projektgruppen Kurzbeschreibung der Projektgruppen Projektgruppen Sommersemester 2012 und Termine der Einzelpräsentationen Nr. Thema der Projektgruppe Veranstalter Einzelpräsentation 1 Crowd Transport Überbetrieblicher Gütertransport im Zeitalter des Web EuroCheck3D Dreidimensionale Rekonstruktion und Qualitätsbewertung von Ladungsträgern mittels stereoskopischer Smartphones in der Logistik 3 Kooperatives Datamining mit vernetzen Robotern 4 Situation-Aware Semantic Service Discovery Sascha Feldhorst, Christian Mosblech, Prof. Dr. Heiko Krumm Dr. Frank Weichert, Constantin Timm, Andreas Hörsken Prof. Dr. Katharina Morik, Prof. Dr.-Ing. Christian Wietfeld Anna-Lena Lamprecht, Stefan Naujokat Mi, :00-16:00 Uhr Emil-Figge-Str. 73 Pavillon 10, Raum 107 Di, ab 14:00 Uhr Otto-Hahn-Str. 14 Raum E04 Do, :00-16:00 Uhr LS8, Joseph-von- Fraunhofer-Straße 23 Di, :00-18:00 Uhr Martin-Schmeisser- Weg 16, Raum E29

3 Allgemeines zu Projektgruppen Nach dem erfolgreich bestandenen Diplom oder Master wird der oder die frischgebackene Informatikstudierende in der Berufspraxis häufig mit Fragestellungen konfrontiert, die aufgrund der rasanten Fortentwicklung unseres Fachgebiets nicht ausschließlich mit im Studium erworbenen Wissen gelöst werden können. Besonders in der Informatik wird die Herausforderung des lebenslangen Lernens immer bedeutender. Damit stehen besonders Informatiker und Informatikerinnen vor der Herausforderung, selbständig und selbstmotiviert kontinuierlich neues Wissen zu erwerben. Diese Fähigkeit wird aber in den üblichen Frontalveranstaltungen an Universitäten nur selten vermittelt. Projektgruppen sind das geeignete Mittel, im Rahmen des Studiums sowohl selbständiges Lernen und Arbeiten wie auch organisatorische Aspekte, wie das Arbeiten in Gruppen, das Bilden von Hierarchien und das Aufteilen von großen Problemen in Teilprobleme sowie nicht zuletzt auch das Lösen von Konflikten anhand einer praxisnahen Umgebung und Aufgabenstellung kennenzulernen. Dabei soll auf das bisher erworbene Wissen (z.b. Vorlesungsinhalte) und die erlernten Fähigkeiten (z.b. Programmierkenntnisse) zurückgegriffen werden, um auf Basis dieser im Team eine komplexe, zwei Semester umfassende Aufgabe zu bearbeiten. Die Fakultät für Informatik bietet daher seit Anfang der 1970er Jahre Studierenden die Projektgruppe als eine spezielle Lehrveranstaltungsform an, die mittlerweile weit über Dortmund hinaus bekannt ist und vielfach in ähnlicher Form von anderen Hochschulen übernommen wurde. Die Projektgruppe bearbeitet dabei eine konkret und deutlich beschriebene Problemstellung. Im Hinblick auf die Motivierung der Projektgruppenteilnehmer sollte die Problemstellung möglichst realitätsrelevant sein; interdisziplinäre Themen sind ausdrücklich zugelassen. Die positiven Erfahrungen mit dieser Lehrveranstaltungsform haben inzwischen dazu geführt, dass die Teilnahme an einer Projektgruppe für Studierende der Informatik und Angewandten Informatik im Diplombzw. Masterstudiengang obligatorisch ist. Der Veranstalter (bzw. zumindest einer der Veranstalter) einer Projektgruppe ist Hochschullehrer oder wissenschaftlicher Mitarbeiter der Fakultät für Informatik. Lernende wie auch Lehrende kommen bei der Projektarbeit in eine völlig neue, ungewohnte und sicherlich teilweise schwierig zu akzeptierende Situation. Für die Studenten heißt das zunächst: weg von der Konsumentenhaltung aus Vorlesungen, weg vom Bearbeiten vorgegebener Aufgaben aus Übungen, Praktika und Seminaren stattdessen selbständiges Strukturieren der Arbeit, selbständiges Erarbeiten von Problemen und eigenverantwortliches Lösen der Probleme. Für die Lehrenden heißt das: weg von der Rolle als reiner Wissensvermittler, stattdessen auch Zugestehen von fachlicher Autorität an Studenten. Und das wiederum heißt zu akzeptieren, dass die Lehrenden weder für alle fachlichen Probleme fertige Lösungen, noch bei jeder persönlichen Auseinandersetzung ideale Ratschläge zur Verhinderung von Streitigkeiten haben. Zusammengefasst heißt das: Projektarbeit lebt vom Engagement der Projektgruppenmitglieder (Studenten und Veranstalter) und stirbt bei einem Mangel davon. Noch stärker als bei anderen Lehrveranstaltungsformen liegt es in der Verantwortung jedes Teilnehmers (auch hier Studenten und Veranstalter), was er für sich und die Gruppe daraus macht.

4 Zum Auswahlverfahren Im Sommersemester 2012 werden vier Projektgruppen angeboten, unter denen Sie eine Auswahl bei der Online-Anmeldung treffen können. Dabei ist anzugeben, mit welcher Priorität Sie welche Projektgruppe wählen: 1 = höchste Priorität 4 = niedrigste Priorität 0 = an dieser PG bin ich nicht interessiert Es ist nicht erlaubt, die gleiche Priorität mehrfach zu vergeben. Jeder Veranstalter erhält die Anmeldungen, bei denen seine Projektgruppe mit erster Priorität angegeben ist und wählt sich seine Teilnehmer nach fachlichen Gesichtspunkten aus. Nicht besetzte Plätze in einer Projektgruppe werden durch überzählige Studenten aus anderen Projektgruppen entsprechend den Prioritäten besetzt. Jede Projektgruppe muss mindestens 8 und darf höchstens 12 Teilnehmer haben. Die PG-Teilnehmer werden nach folgendem Verfahren ausgewählt und auf die PGs verteilt: 1. Die PG-Bewerber werden gemäß ihrer 1. Priorität den Veranstaltern zugeordnet. 2. Die PG-Veranstalter wählen davon insgesamt maximal 9 Teilnehmer nach fachlichen Gesichtspunkten aus. 3. Weitere Teilnehmer werden aus den Bewerbern mit 1. Priorität abhängig vom Zeitpunkt ihres Vordiploms bzw. Bachelors (je weiter in der Vergangenheit, um so größere Priorität; für Bewerber, die bereits an einer PG erfolglos teilgenommen haben, gilt der Zeitpunkt der letzten Anmeldung) bestimmt; bei gleichem Zeitpunkt entscheidet das Los. 4. Ist die Gesamtzahl 12 in einzelnen PGs nicht erreicht, wird das Verfahren ab (2.) gemäß 2. Priorität, in einer weiteren Runde gemäß 3. Priorität etc. durchgeführt. 5. Nachrücklisten (max. 3 Nachrücker pro PG) werden erst nach Abschluss des Verteilverfahrens vom Veranstalter erstellt. Anmeldung zu den Projektgruppen Vordiplom bzw. Bachelor ist Voraussetzung (Stichtag: ) Die Anmeldung erfolgt bis (12.00 Uhr) online unter Weitere Informationen zu Projektgruppen können auch unter abgerufen werden.

5 Zur Stellung der Projektgruppen in der Diplom- und Masterprüfungsordnung Die Teilnahme an einer Projektgruppe ist Pflicht für alle diejenigen Studenten, die im Hauptfach Informatik oder Angewandte Informatik im Diplom- oder Masterstudiengang studieren. Im Diplomstudiengang gibt es für die erfolgreiche Teilnahme einen Schein, der dem Antrag auf Zulassung zur letzten Diplomprüfung beigefügt werden muss. Kriterien zur Scheinvergabe sind in der Projektgruppenordnung näher erläutert. Im Masterstudiengang stellt die Projektgruppe ein verpflichtendes Modul dar, zu dem Leistungspunkte erworben werden müssen. Bei erfolgreichem Abschluß des Moduls Projektgruppe werden 25 ECTS-Punkte gutgeschrieben. Im Masterstudiengang darf das Modul Projektgruppe maximal zweimal wiederholt werden. Wie auch im Diplomstudiengang ist die Projektgruppe unbenotet. Die jeweils aktuelle Projektgruppenordnung kann beim Projektgruppenbeauftragten eingesehen werden. Sie ist auch auf dem WWW-Server der Fakultät unter abrufbar. Hinweis zum Arbeitsaufwand in Projektgruppen: Immer wieder gibt es Diskussionen über den Arbeitsaufwand, der für eine Projektgruppe aufgebracht werden muss. Für die Studierenden ist es wichtig zu wissen, dass die im Vorlesungsverzeichnis genannten 8 SWS pro Semester NICHTS bzw. nur wenig mit dem tatsächlichen Arbeitsaufwand zu tun haben, der für die PG-Arbeit notwendig ist. In gleicher Weise, wie z. B. bei einer Lehrveranstaltung mit 6 SWS (4 SWS Vorlesung, 2 SWS Übung) erhebliche Vor- und Nacharbeit bis zum Bestehen der Prüfung notwendig ist, ist auch bei PGs deutlich mehr Zeit aufzubringen als etwa 8 Stunden pro Woche. Man rechnet für durchschnittlich begabte Studierende mit dem Faktor 2,5 über die gesamten 2 Semester, auch hier wie bei Prüfungen inkl. der vorlesungsfreien Zeit. Durchschnittlich begabte Studierende sollten mit einer tatsächlichen durchschnittlichen Arbeitsbelastung von etwa Stunden pro Woche rechnen, weniger Begabte wie bei Prüfungen mit teilweise deutlich mehr, sehr Begabte mit weniger. Die Teilnahme an weiteren Lehrveranstaltungen ist entsprechend zu planen. Der Aufwand für die PG sollte etwa der Hälfte eines Vollzeitstudiums entsprechen. Ansprechpartner: Sollte es im Verlauf der Projektgruppenarbeit zu Schwierigkeiten, z. B. wegen zu hoher Anforderungen, zu großem Arbeitsaufwand oder ähnlichem kommen, steht der Projektgruppenbeauftragte der Fakultät für Informatik als Ansprechpartner zur Verfügung. (Alle Angaben ohne Gewähr. Im Zweifel ist die entsprechend gültige Diplom- oder Masterprüfungsordnung maßgeblich.)

6 Übersicht zu den Voraussetzungen der einzelnen Projektgruppen (V) Voraussetzung (W) wünschenswert (P) mindestens eine 1: Crowd Transport - Überbetrieblicher Gütertransport im Zeitalter des Web 2.0 (Sascha Feldhorst, Christian Mosblech, Prof. Dr. Heiko Krumm) Kenntnisse äquivalent zu Modellierung und Analyse eingebetteter und verteilter Systeme (P) Kenntnisse äquivalent zu Software- Konstruktion (P) Kenntnisse in OOP mit Java (V) Rechnernetzanwendungen oder Software ubiquitärer Systeme (W) Webtechnologien 1 (W) Effiziente Algorithmen oder Theorie der verteilten Systeme (W) 2: EuroCheck3D - Dreidimensionale Rekonstruktion und Qualitätsbewertung von Ladungsträgern mittels stereoskopischer Smartphones in der Logistik (Dr. Frank Weichert, Constantin Timm, Andreas Hörsken) Kenntnisse äquivalent zu Mensch-Maschine- Interaktion (Graphische Systeme) (P) Kenntnisse äquivalent zu Digitale Bildverarbeitung (P) Kenntnisse äquivalent zu Graphische Datenverarbeitung (P) Kenntnisse äquivalent zu Eingebettete Systeme (P) Kenntnisse äquivalent zu Rechnergestützter Entwurf von Mikroelektronik bzw. Synthese Eingebetteter Systeme (P) Kenntnisse äquivalent zu Rechnerarchitektur (P) Kenntnisse in Java, C++ oder C (V) 3: Kooperatives Datamining mit vernetzen Robotern (Prof. Dr. Katharina Morik, Prof. Dr.-Ing. Christian Wietfeld) Grundlagen in Kommunikationssystemen/Maschine-zu-Maschine-Kommunikation (V) rung (C++, Java) Kenntnisse in objektorientierter Programmie- (V) Grundlagen im Datamining (V) Linux-Kenntnisse (W)

7 4: Situation-Aware Semantic Service Discovery (Anna-Lena Lamprecht, Stefan Naujokat) Fundierte Kenntnisse in mindest. einer objektorient. Programmiersprache (z.b. Java) (V) Kenntnisse über formale und logische Systeme, z.b. durch Teilnahme am einer der Vorlesungen Formale Methoden des Systementwurfs, Darstellung, Verarbeitung und Erwerb von Wissen, Dienstleistungsinformatik (V) Kenntnisse in Eclipse-Werkzeugen und - Programmierung (W) Kenntnisse über Geschäftsprozesse, Web Services, Semantic Web (W)

8

9 1) Crowd Transport 9 Projektgruppenantrag Lehrstuhl für Förder- und Lagerwesen (FLW) 1. Titel Transport-Crowd : Überbetrieblicher Gütertransport im Zeitalter des Web Zeitraum Sommersemester 2012 und Wintersemester 2012/ Umfang 8 SWS pro Semester 4. Veranstalter Sascha Feldhorst, EF73, Raum 140, Tel.4073, safe@flw.mb.tu-dortmund.de Christian Mosblech, EF73, Raum 125, Tel.3450, chmo@flw.mb.tu-dortmund.de Prof. Dr. Heiko Krumm, Informatik, LS 4 5. Aufgabe Die vorgeschlagene Projektgruppe soll eine Crowd-basierte Lösung für die Durchführung überbetrieblicher Gütertransporte erarbeiten, welche die steigende Individualisierung von Warensendungen in der Logistik in einem hochdynamischen System abbildet. Diese Lösung soll die Möglichkeiten des Web-2.0 ausschöpfen und in Form eines Demonstrators umgesetzt werden. 5.1 Motivation Der Begriff des Crowdsourcing ist mittlerweile in der öffentlichen Wahrnehmung angekommen und ein etablierter Begriff, der die Kollaboration geographisch verteilter Personen beschreibt, die zusammen ein gemeinsames Projekt bearbeiten. Der Begriff wurde im Jahr 2006 von Jeff Howe, einem Autor des Wired-Magazine, geprägt, der in einem Artikel feststellte: Remember outsourcing? Sending jobs to India and China is so The new pool of cheap labor: everyday people using their spare cycles to create content, solve problems, even do corporate R & D. [How06]. Dieser überspitzt formulierten Grundidee folgend stellen Menschen beim Crowdsourcing auf freiwilliger Basis ihre Arbeitskraft zur Verfügung, um einen gemeinsamen Nutzen zu stiften. Bei dieser Form der interaktiven Leistungserbringung kooperieren eine große Anzahl von Akteuren, wobei die Motivationen der Einzelnen und die Art der Beiträge grundverschieden sein können [MLV08]. Das wichtigste Hilfsmittel für die Zusammenarbeit ist das Internet und weitere IuK-Technologien, wie etwa Web-2.0-Plattformen oder Smartphones. Es existieren viele prominente Beispiele für die immense Schaffenskraft, die Crowdsourcing-Projekte entfalten können. Die freie Enzyklopädie Wikipedia, die zahlreichen Open-Source-Projekte, allen voran das freie Betriebssystem Linux, oder auch das Gutenplag zeigen dies eindrucksvoll. So wurden von Freiwilligen binnen anderthalb Monaten Plagiatsfragmente aus 135 Quellen in der insgesamt über 500 Seiten starken Doktorarbeit eines ehemaligen deutschen Verteidigungsministers gefunden. Eine Arbeit, für die eine eingesetzte Kommission wohl Jahre gebraucht hätte. Wenn die Crowd also dermaßen leistungsfähig ist, was kann sie noch? Den folgenden möglichen Anwendungsfall soll die vorgestellte Projektgruppe zeigen: Bisherige Ansätze des Crowdsourcing basieren größtenteils darauf, dass die beteiligten Akteure ihre intellektuelle Arbeitskraft zur Verfügung stellen und dabei vorzugsweise komplexe Aufgaben bearbeiten, die von kleineren Gruppen nicht in annehmbarer Zeit bewältigt werden können. Dieser Projektgruppe liegt die Idee zu Grunde, dass Menschen nicht nur arbeiten, sondern auch immer mobiler werden oder dies berufsbedingt sogar müssen. Sei es der tägliche Weg zur Arbeit, Freizeitaktivitäten, Dienstreisen oder Urlaube: die Menschheit ist permanent in Bewegung. Dieser Umstand kann im Rahmen eines Crowd-basierenden Ansatzes genutzt werden, um ein überbetriebliches Netzwerk für den Gütertransport aufzubauen. Zu Verdeutlichung dieser Idee soll folgendes Beispiel dienen: Ein Kunde ersteigert in einem Online- Auktionshaus eine Ware. Nach Erhalt der Zahlung bringt der Verkäufer, der in diesem Beispiel aus derselben Stadt kommt, die Ware zur Geschäftsstelle eines lokalen Transportdienstleisters im Stadtteil Hombruch. Von dort wird die Ware zu einem Verteilzentrum im Dortmunder Norden gebracht, wo sie zusammen mit vielen anderen Sendungen ausgeladen, etikettiert, sortiert und wieder verladen wird. Von dort wird sie dann zurück in Dortmunder Süden, nach Aplerbeck, gefahren und an den Käufer ausgeliefert. Der Umweg, den die Ware zurückgelegt hat, ist erheblich (vgl. Abb. 1). Hätte stattdessen einer der zahlreichen Pendler, die täglich von Hombruch nach Aplerbeck verkehren, das Paket mitgenommen, wären nicht nur der Weg, sondern auch Zeit und damit Kosten eingespart worden. 1

10 10 1) Crowd Transport Abbildung 1: Vergleich Transportstrecken Das Potential solcher Pendlerbewegungen in einem bevölkerungsreichen Bundesland wie Nordrhein- Westfalen ist unverkennbar. Die Stadt Köln verzeichnete 2009 rund Pendler, von denen die Stadt verlassen und in die Stadt hinein kommen (siehe [Lan11b]). Gleichzeitig sind auf der Hauptachse des Ruhrgebiets Dortmund - Bochum - Essen etwa Menschen ebenfalls jeden Morgen und jeden Abend unterwegs. Die Verteilung auf unterschiedliche Start- und Zielorte ermöglicht es außerdem, gezielte Transportstrecken zwischen individuellen Ortsteilen oder sogar Adressen zu ermöglichen (vgl. Abb.2). Wenn nur ein Bruchteil dieser Personen eine Warensendung auf ihrem jeweiligen Weg transportiert, wird eine enorme Transportkapazität erzeugt, ohne dass zusätzliche Kosten für die individuelle Person entstehen. Im Gegenteil können persönliche Gewinne durch den Transport erzielt werden, und somit die Kosten für das berufliche Pendeln reduziert werden. Abbildung 2: Pendlerstrecken im Ruhrgebiet (nach [Lan11a]) Gleichzeitig ermöglicht dieser Ansatz für die Transportdienstleister eine Aufwandsreduzierung für die letzte Meile. Dies ist der Streckenabschnitt einer Transportkette, die von dem letzten Verteilzentrum bis zur individuellen Adresse zurückgelegt wird. Durch die kontinuierliche Atomisierung von Sendungsgrößen wird dieser Bereich immer schwieriger zu beherrschen. Während früher viele Artikel zusammen verschickt wurden, ermöglicht es das Internet einem Kunde heute, jeden Artikel bei dem günstigsten Anbieter zu bestellen. So wird u. U. aus vormals einer einzelnen Warensendung eine Vielzahl kleinerer Pakete, wodurch ein erhöhtes Transportvolumen entsteht. Bestehende Ansätze versuchen, diesen Abschnitt der Transportkette mittels technischer Hilfsmittel wie dem Tower 24 oder der DHL-Packstation zu realisieren [SSI11, DHL11]. Es ist denkbar, diese bestehenden Lösungen in den Crowd-Ansatz zu integrieren und somit die bereits erzielten Vorteile weiterhin zu nutzen. 2

11 1) Crowd Transport Problemstellung Um einen überbetrieblichen Gütertransport zu etablieren, gilt es zunächst grundsätzliche konzeptionelle Fragestellungen zu klären. Bisherige Crowd-basierte Lösungen zeigen, dass die größte Schwierigkeit das Erreichen einer kritische Masse von Akteuren darstellt. Im vorliegenden Fall werden Akteure für verschiedene Aufgaben innerhalb der Transport-Crowd benötigt, z. B. als Versender, Empfänger, Transporteur oder Zwischenstation. Deshalb muss ein tragfähiges Konzept entwickelt werden, mit dem der Ausgangspunkt für die Transport-Crowd geschaffen wird. Grundvoraussetzung ist die Klärung, wie die Systemakteure motiviert und zusammengebracht werden und wie sich ferner eine multilaterale Vertrauensbeziehung herstellen lässt. Außerdem muss erarbeitet werden, welche Reichweite mit dem Vorhaben initial angestrebt wird. Denkbar ist beispielsweise eine lokale Lösung für die TU Dortmund als großem Arbeitgeber und täglichen Anlaufpunkt einer großen Anzahl von Menschen. Im weiteren Verlauf kann eine innerstädtische oder regionale Reichweite angestrebt werden. Zuletzt ergeben sich rechtliche Fragestellungen aus dem Vorhaben, die innerhalb des Konzepts zu berücksichtigen sind. Neben dem konzeptionellen Problemfeld, sind verschiedene technische Herausforderungen zur Umsetzung des Crowd-Ansatzes zu bewältigen. Zuerst muss eine Möglichkeit zur Interaktion zwischen verschiedenen Akteuren geschaffen werden. Die Mechanismen müssen es erlauben, dass sich Akteure auf einfache Weise, ähnlich einer Internet-Community, bei der Transport-Crowd an- und abmelden können. Essentieller als die Interaktion verschiedener Akteure ist die Aufgabe der Transportplanung und Koordinierung der Akteure. Die zu erstellende technische Lösung muss bestehende Modelle zur Planung von Transporten und Algorithmen adaptieren, die zumeist auf Basis von Graphen und Lösungsverfahren für das Traveling Salesperson Problem (TSP) beruhen [BC + 09, Ohr08, KN09], und auf den Crowd-basierten Ansatz anpassen. Die direkte Eignung verfügbarer Lösungen ist insbesondere vor dem Hintergrund zu hinterfragen, dass sich in einem Crowd-Ansatz die Knoten und Kanten des grundlegenden Modells hochdynamisch durch die Einflussnahme unterschiedlicher Nutzergruppen ändern. Die möglichen Verbindungen zwischen den Orten entstehen beispielsweise durch individuelle Anbieter von Transportdienstleistungen und somit ist nicht jeder Knoten des Graphen zu jeder Zeit erreichbar. Gleichzeitig benötigen die Mitglieder der beteiligten Gruppen unterschiedlich aufbereitete Daten aus dem System. Für potentielle Versender muss mindestens ersichtlich sein, ob eine gewünschte Route verfügbar ist, wann der Transport stattfinden kann und wo eine Warensendung aufgegeben bzw. abgeholt werden kann. Anbieter von Transportdienstleistungen benötigen Informationen ob und welche Sendungen sie befördern sollen. Schlussendlich muss es für Personen an Übergabepunkten ersichtlich sein, ob Berechtigungen zum Empfang einer Warensendung durch bestimmte Personen vorliegen. Zusätzlich fallen kontinuierlich Statusinformationen an, welche die Zustände aller Systemobjekte beschreiben und das Gesamtmodell aktualisieren. So muss beispielsweise bei Übergabe einer Warensendung eine entsprechende Rückmeldung an das System erfolgen, unabhängig davon, ob diese an einem Ort stattfindet, der fest mit dem System verbunden ist, oder ad-hoc durch die Überschneidung zweier Wegstrecken entsteht. 5.3 Aufgabenstellung Die Aufgabe der vorgeschlagenen Projektgruppe gliedert sich in vier Teile. Im ersten Teil müssen die konzeptionellen Fragestellungen beantwortet werden und damit der Rahmen und die Ausrichtung des Projekts festgelegt werden. Die dazu gehörenden Teilaufgaben können direkt aus der Problemstellung abgeleitet werden. Im zweiten Teil müssen Modell und Lösungsverfahren entwickelt werden, welche die Transportplanung und Koordinierung der Akteure erlauben und dynamisch auf Änderungen reagieren. Dazu können z. B. Algorithmen zur Lösung des Capacitated Vehicle Routing Problems eingesetzt werden [Ohr08]. Im Anschluss muss eine Client-Server-Anwendung entwickelt werden, welche das entwickelte Modell und das Lösungsverfahren umsetzt. Dazu werden Strukturen benötigt, mit deren Hilfe die Daten des Modells gespeichert und verändert werden können. Gleichzeitig gilt es, passende Schnittstellen zu entwickeln, über die Anweisungen an das System gegeben und Statusinformationen abgerufen werden können. Diese Schnittstellen dienen zur Interaktion mit den Client-Systemen, welche aktuelle Web- 2.0-Technologien und moderne Smartphone-Systeme unterstützen sollen. Abgeschlossen wird die Aufgabenstellung mit einem Gesamtsystemtest. Die PG-Teilnehmer, Mitarbeiter der Lehrstühle und Freiwillige sollen eine Warensendung durchführen und dies ausschließlich über die entwickelte Plattform steuern und dokumentieren. 3

12 12 1) Crowd Transport 6 Teilnahmevoraussetzungen Für die Teilnahme an der Projektgruppe werden die Kenntnisse vorausgesetzt, die dem Inhalt der folgenden Lehrveranstaltungen entsprechen ( Mindestens eine Veranstaltung verpflichtend (P), Wünschenswert (W), Voraussetzung (V) ): Software-Konstruktion(P) Modellierung und Analyse eingebetteter und verteilter Systeme (P) Software ubiquitärer Systeme oder Rechnernetzanwendungen (W) Kenntnisse in OOP mit Java (V) Webtechnologien 1 (W) Effiziente Algorithmen oder Theorie der verteilten Systeme (W) 7 Minimalziel Die Projektgruppe hat die folgenden Zielsetzungen: Erstellung eine Berechnungs- und Speichermodells für die Routenplanung: Dieses Modell soll dynamische Routensysteme verwalten und optimieren können. Implementierung einer Server-Applikation: Diese Software implementiert das zuvor erstellte Modell und soll dessen Verwaltung und den Zugriff durch Clients ermöglichen. Umsetzung zweier Clients zur Interaktion: Diese Clients sollen eine Nutzung des erstellten Systems ermöglichen und die speziellen Möglichkeiten des Web 2.0 (Web-Anwendung) und der Smartphone-Technologie (z. B. eine Android-App) nutzen. 8 Referenzen [AA + 05] Arends, R.;Austein, R. u. a.: RFC Protocol Modifications for the DNS Security Extensions. URL: March 2005 [BC + 09] Buchholz, P.;Clausen, U. u. a.: Große Netze in der Logistik - Ergebnisse des Sonderforschungsbereichs 559. Springer-Verlag Berlin Heidelberg, 2009 [DHL11] DHL Vertriebs GmbH & Co. OHG: DHL Packstation - Rund um die Uhr Pakete empfangen und versenden. html. Version: [How06] Howe, J.: The Rise of Crowdsourcing. In: Wired 14 (2006), Nr com/wired/archive/14.06/crowds.html [KN09] Krumke, S.; Noltemeier, H.: Graphentheoretische Konzepte und Algorithmen. 2., aktualisierte Auflage. Vieweg+Teubner GWV Fachverlage GmbH, Wiesbaden, 2009 [Lan11a] Landesbetrieb für Information und Technik Nordrhein-Westfalen: Landesdatenbank Nordrhein-Westfalen - Einpendler (Tagespendler) nach Quelle/Ziel. Website. Version: [Lan11b] Landesbetrieb Information und Technik Nordrhein-Westfalen (IT.NRW): Information und Technik Nordrhein-Westfalen (IT.NRW) - Neue Pendlerrechnung: Köln tagsüber Millionenstadt. Website /pres_166_09.html. Version: [MLV08] Martin, N. ; Lessmann, S.; Voss, S.: Crowdsourcing: Systematisierung praktischer Ausprägungen und verwandter Konzepte. In: Bichler, M. et a. (Hrsg.): Tagungsband zur Multikonferenz Wirtschaftsinformatik, Multikonferenz Wirtschaftsinformatik, 2008, S [Ohr08] Ohrt, C.: Tourenplanung im Straßengüterverkehr. Betriebswirtschaftlicher Verlag Dr. Th. Gabler GWV Fachverlage GmbH, Wiesbaden, 2008 [SSI11] SSI Schäfer Noell GmbH: Tower 24. Website. Version: Rechtliche Hinweise Die Ergebnisse der vorgeschlagenen Projektgruppe und die dabei erstellte Software sollen der Fakultät für Informatik und der Fakultät Maschinenbau uneingeschränkt für Lehr- und Forschungszwecke zur freien Verfügung stehen. Darüber hinaus sind keine Einschränkungen der Verwertungsrechte an den Ergebnissen der Projektgruppe und keine Vertraulichkeitsvereinbarungen vorgesehen. 4

13 2) EuroCheck3D 13 Projektgruppenantrag 1. PG-Thema: EuroCheck3D Dreidimensionale Rekonstruktion und Qualitätsbewertung von Ladungsträgern mittels stereoskopischer Smartphones in der Logistik 2. PG-Zeitraum: SS 2012, WS 2012/ PG-Umfang: 8 SWS pro Semester 4. PG-Veranstalter: Dr. Frank Weichert, Informatik VII (Graphische Systeme), OH16, R.121, Tel.: 6122, frank.weichert@tu-dortmund.de Constantin Timm, Informatik XII (Entwurfsautomatisierung Eingebetteter Systeme), OH16, R.105, Tel.: 6144, constantin.timm@cs.uni-dortmund.de Andreas Hörsken, Fraunhofer IML (Verpackungs- und Handelslogistik), Joseph-von-Fraunhofer-Str. 2-4, Tel.: , andreas.hoersken@iml.fraunhofer.de 5. PG-Aufgabe: a) Motivation: Im inter- und intralogistischen Bereich ist die Verwendung von Mehrwegladungsträgern und -behältersystemen (s. Abbildung 1) zum Transport von Waren zum Standard geworden Erfassen, Zählen und Erkennen von Behältern und Ladungsträgern sind dabei ständig wiederkehrende Aufgaben in Mehrwegkreisläufen [4]. Am Beispiel der Europalette, von der in Deutschland ca. 90 Millionen von weltweit 300 Millionen Paletten im Umlauf sind, wird die damit verbundene Komplexität dieser Aufgaben schnell deutlich. Als Mehrwegladungsträger finden sie sich ständig in einem Umlauf/Tausch zwischen Verlader, Empfänger und Transporteur und müssen damit auch immer wieder gezählt, geprüft, palettiert, depalettiert und verbucht werden. Allein das physische Handling und die administrative Verwaltung verursachen Gesamtkosten von jährlich zwischen Millionen Euro [5]. Bestehende manuelle und automatische Lösungen zur Handhabung dieser Prozesse genügen bisher nicht den gestellten Anforderungen. So beruhen sie zumeist auf subjektiven visuellen Kontrollen durch Mitarbeiter und auf zumeist noch manuellen, fehleranfälligen Verbuchungen in das IT-System [4, 8]. Bestehende alternative automatisierte Lösungen erfordern meist tiefe Eingriffe in bestehende Prozesse und hohe Investitionen. Technische Prüfsysteme sind zudem häufig fest installiert und nicht flexibel mobil einsetzbar. Ausgehend von diesen Anforderungen ist die Zielsetzung dieser Projektgruppe der Entwurf und die Implementierung einer mobilen Vision-System-Lösung zur Qualitätsbewertung (Fehlerdetektion) und Identifikation von Behältern und Ladungsträgern respektive zur Ermittlung des aktuellen Beladungsstatus. Innerhalb der Projektgruppe soll daher ein (a) Logistikzentrum (b) IML-Versuchshalle (c) Mehrwegladungsträger Abbildung 1: (a) Foto von einem typischen Logistikzentrum, (b) Versuchshalle am FraunhoferInstitut für Materialfluss und Logistik (IML) und (c) exemplarische Darstellung von einem Mehrwegladungsträger (Europalette) mit Paketen 1

14 14 2) EuroCheck3D (a) 3D-Smartphone (b) CCD-Bild (c) Dreidimensionales Tiefenbild Abbildung 2: (a) Smartphone mit autostereoskopischem 3D-Display und stereoskopischer Kamera und Darstellung einer mit zwei verschiedenen Klappkisten beladenen Europalette als (b) klassisches CCD-Kamerabild bzw. (c) als dreidimensionales Tiefenbild System/eine Applikation zur 3D-Rekonstruktion von Europaletten und deren Beladung unter Einsatz von modernen mit 3D-Sensorik ausgestatteten Smartphones (stereoskopisch, s. Abbildung 2(a)) realisiert werden. Da aktuelle Modelle neben immer besseren 2D-CCDBilddaten auch stereoskopische 3D-Daten liefern, sollen im Hinblick auf ein optimales Ergebnis explizit 2D- und 3D-Informationen fusioniert und auf dem Handy verarbeitet werden. Dieses ist besonders im Hinblick auf den mobilen Einsatz interessant, da aus Flexibilitätsgründen keine stationäre und dezidierten Tiefensensorik zur Anwendung kommen kann. Insbesondere haben die meisten optischen dezidierten Tiefensensoren eine, für den mobilen Anwendungsfall zu hohe Leistungsaufnahme. Konkrete Aufgabenstellungen sind die Erkennung verschiedener Behälter mittels bildbezogener und geometrischer Merkmale, die dreidimensionale Rekonstruktion und Visualisierung der beladenen Palette sowie die quantitative Erfassung von gestapelten Behältern. Diese Repräsentation erlaubt durch einen Abgleich mit den in einer zentralen Datenbank vorliegenden Informationen die Korrektheit der Beladung zu erkennen und damit die sichere Weiterverarbeitung zu gewährleisten. Anhand der (rekonstruierten) Europalette soll eine qualitative Zustands-/Qualitätsbestimmung einzeln und im Stapel anhand fest vorgegebener Kriterien erfolgen. Die Verfahren als auch die Visualisierung sollen dabei als Applikation auf dem Smartphone implementiert und verifiziert werden. Hierfür sollen mehrere Möglichkeiten der effizienten Programmierung für mobile Plattformen analysiert und evaluiert werden, um hinreichend skalierbare Verfahren zu erhalten. b) Aufgabenbeschreibung: Aus Sicht der Informatik umfasst das Gesamtkonzept der Projektgruppe (s. Abbildung 3) zwei wesentliche Aufgabengebiete. Ein Teilgebiet fokussiert sich auf die digitale Bildverarbeitung/Mustererkennung und 3D-Geometrieverarbeitung bzw. Visualisierung, das zweite beinhaltet den Entwurf und die Implementierung von Konzepten Eingebetteter Systeme. Dabei werden die verschiedenen Aufgabengebiete während der gesamten Projektgruppe parallel bearbeitet. Für die Bild- und Geometrieverarbeitung sind folgende Verarbeitungsschritte angedacht: Kamerakalibrierung: Die klassische photogrammetrische Kalibrierung von RGBKameras [11] ist auf die speziellen Anforderungen stereoskopischer Kameras bei Smartphones anzupassen. Im Falle von PMD-Kameras ist ein zusätzlicher Kalibrierungsschritt zur Korrektur systematischer, PMD-typischer Fehler wie z.b. sogenannte Flying Pixels notwendig Ansätze zur Korrektur sind u.a. Lookup-Tabellen oder B-Spline basierte Korrekturfunktionen [6]. Datenaufbereitung: Sowohl durch die Kamerasensorik als auch durch die realen Bedingungen in Logistikzentren kann es zu geometrischen Verzerrungen und Diskontinuitäten (z.b. Rauschen, Reflektionen) innerhalb der Aufnahmesequenzen kommen. Diese Artefakte sind durch Methoden digitaler Bildverbesserung zu beheben [10]. Zusätzlich sind Beleuchtungsveränderungen innerhalb der Bild-/Videosequenzen zu kompensieren. 2

15 2) EuroCheck3D 15! # " $ Abbildung 3: Schematische Darstellung zum Gesamtkonzept der Projektgruppe #)23+"1!"#$%&'()*+$",-. #$%&'()*+$",-."/011 In Abhängigkeit der 3D-Sensorik ist eventuell zudem die Kompensierung von Artefakten in der Distanzmessung, beispielsweise Ausreißer bei räumlichen Diskontinuitäten, Thema dieses Arbeitspakets [7]. 3D-Rekonstruktion und Visualisierung: Mittels Methoden projektiver Geometrie, eventuell unter zusätzlicher Integration adaptierter Kalibrationsverfahren, soll eine 3D- Rekonstruktion des Ladungsträgers und der Beladung erfolgen. Die 3D-Rekonstruktion kann durch modellbasierte Algorithmen erfolgen, welche u.a. die Geometrie der Europalette beachten. Hierbei könnte ein Lösungsansatz auch in der Kombination von rigiden Registrierungsverfahren [12] (z.b. ICP) in Kombination mit projektiver Geometrie bestehen. Ein Teilaspekt bei der Rekonstruktion ist auch die Kompensierung des Handtremors ( Verwackelung ) [2] denkbar ist hierbei an eine Spline-Approximation. Zudem sollen die multiplen Daten der Sensoren und deren Detektionsergebnisse visualisiert werden als interaktives 3D-Visualisierungssystem soll dabei auch das 3D-Display der Smartphones genutzt werden. Mustererkennung und Klassifikation: Ausgehend von den zweidimensionalen Bilddaten und den 3D- Rekonstruktionen ist u.a. die Güte der Europalette zu bewerten. Hierbei können geometrische und Farb-assoziierte Merkmale [3], aber auch topologische Informationen berücksichtigt werden. Im Hinblick auf die automatische Erkennung des Beladungszustands können diese um Merkmale aus der Mustererkennung ergänzt, wie z.b. Pattern-Matching und mit unüberwachten als auch überwachten Klassifikationsverfahren kombiniert werden [9]. Das zweite Teilgebiet der Projektgruppe geht von den o.g. Bildverarbeitungsalgorithmen aus und zielt auf eine effiziente Realisierung dieser Methoden auf Eingebetteten Systemen und auf eine hochperformante Kommunikation mit einer zentralen Datenbank ab. Hierzu sind folgende Arbeitspunkte umzusetzen: Android-Programmierung: Die Nutzung von Programmierungskonzepten und Bibliotheken aus der PC -Welt für den Mobilfunkmarkt hat die Verbreitung und Nutzung von Smartphones gefördert. Ausgehend von den im Bildverarbeitungsteil entwickelten Konzepten soll evaluiert werden, ob ein reines Google Android SDK/NDK Projekt oder die Programmierung mit QT effektiver innerhalb der Projektgruppe betrieben werden kann. SOA-basierte Kommunikation: SOA-basierte Kommunikationsmöglichkeiten werden immer häufiger im Bereich der Eingebetteten Systeme genutzt. Dies geschieht insbesondere vor dem Hintergrund des flexibleren Einsatz und der Möglichkeit der Wiederverwendbarkeit. Im Rahmen der Projektgruppe sollen dafür verschiedene vorhandene Middlewares verglichen und dann eine geeignete Wahl auf die Zielplattform portiert werden. Die entwickelten Algorithmen zur Verarbeitung der Sensordaten, als auch die Implementierung auf den Smartphones sollen kontinuierlich evaluiert werden. Hierzu stehen die Versuchshalle am Fraunhofer-Institut mit Europaletten und Packstationen als auch entsprechende Smartphones mit 3D-Kameras zur Verfügung (s. Abbildung 1(b)). Bei der Umsetzung dieser 3

16 16 2) EuroCheck3D Anforderungen in ein Softwaresystem sollen verschiedene Entwurfsphasen beachtet werden [1] und adäquate Werkzeuge (Quellcodeverwaltung, Wiki-System, Bugtracking) eingesetzt werden. Dieses geht mit der angestrebten modularen Umsetzung einher, welche eine spätere einfache Erweiterung des Systems erlaubt, beispielsweise zur globalen Lokalisierung der Europaletten im Logistikzentrum und zur Erstellung von Palettierungs- und Depalettierungssystemen. Das gewählte Thema gibt einen engen thematischen Anschluss zu verschiedenen Forschungsarbeiten in Richtung digitale Bild-/Geometrieverarbeitung am LS VII, Softwareentwicklung für Eingebettete Systeme am LS XII und hoch aktuelle Fragestellungen im Kontext des IMLs und erlaubt damit den Teilnehmenden, sich für eine Reihe von möglichen Master- und Diplomarbeiten an den Lehrstühlen zu qualifizieren. 6. Teilnahmevoraussetzungen: Kenntnisse äquivalent zu einer der folgenden Vorlesungen: Mensch-Maschine-Interaktion (Graphische Systeme), Digitale Bildverarbeitung, Graphische Datenverarbeitung, Eingebettete Systeme, Rechnergestützter Entwurf von Mikroelektronik oder Rechnerarchitektur [V] Kenntnisse in einer Programmiersprache, z.b. Java, C++ oder C [V] Legende: [V] vorausgesetzt, [W] wünschenswert 7. Minimalziel: Implementierung eines Smartphone-fähigen Softwaresystems zur dreidimensionalen Rekonstruktion und Bewertung von beladenen Europaletten Berechnungen und Visualisierungen sollen dabei auf einem Android-Smartphone erfolgen. 8. Literatur: [1] H. Balzert. Lehrbuch der Software-Technik. Spektrum Akademischer Verlag, [2] R.J. Elble. Mechanisms of Physiological Tremor and Relationship to Essential Tremor, chapter Handbook of Tremor Desorders, pages [3] R. C. Gonzales and R. Woods. Digital Image Processing. Prentice Hall International, [4] V. Lange and M. Becker. Ladungsträgermanagement-Studie. Fraunhofer IML, [5] V. Lange and J. Hoffmann. Empirische Kostenanalyse des Tauschverfahrens im Europalettenpool. Fraunhofer IML, [6] M. Lindner and A. Kolb. Calibration of the Intensity-Related Distance Error of the PMD TOF-Camera. SPIE: Intelligent Robots and Computer Vision XXV, 6764: , [7] M. Lindner, M. Lambers, and A. Kolb. Sub-Pixel Data Fusion and Edge-Enhanced Distance Refinement for 2D/3D Images. Dynamic 3D Imaging Workshop, [8] M. Löw. Analyse zum Zug-um-Zug Palettentausch. GS1 Germany, [9] H. Niemann. Klassifikation von Mustern. 2. edition, [10] M. Sonka, V. Hlavac, and Boyle. R. Image Processing, Analysis and Machine Vision. PWS Publishing, 2. edition, [11] Z. Zhang. A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(11): ,2000. [12] B. Zitova and J. Flusser. Image registration methods: a survey. Image and Vision Computing, 21(11): , Rechtliche Hinweise: Die Ergebnisse der Projektarbeit inklusive der dabei erstellten Software sollen der Fakultät für Informatik uneingeschränkt zur freien Forschung und Lehre zur Verfügung stehen. Darüber hinaus sind keine Einschränkungen der Verwertungsrechte an den Ergebnissen der Projektgruppe und keine Vertraulichkeitsvereinbarungen vorgesehen. 4

17 3) Kooperatives Datamining mit vernetzen Robotern 17 Projektgruppenantrag 1. Thema 2. Zeitraum: 3. Umfang: 4. Veranstalter: 5. Aufgabe Fortschritte in der Miniaturisierung und der Akku und Computertechnologie haben in den vergangenen Jahren neue Anwendungen im Bereich des Embedded Computing und der Robotik möglich gemacht. In Einsatzszenarien wie dem Katastrophenschutz werden autonome Plattformen fürmessunderkundungsaufgabeneingesetzt.zielderaktuellenforschungistes,ausverschiedenen SensorenmöglichstschnelleinaggregiertesLagebildzuerstellen. Auch in den SmartCities der Zukunft werden autonome Fahrzeuge wichtige Aufgaben erfüllen. Sie könnenzumtransportvonpersonenoderauchmaterialeingesetztwerden.einefrage,diesichdann stellt, ist die nach einer dauerhaften Energieversorgung der Fahrzeuge. DasEnergy Harvesting soll nichtüberausgewieseneladestationenfunktionieren,sondern,umeinmöglichstautarkessystemzu realisieren,übersolarzellen.hierzusollenimrahmenderprojektgruppeunmannedgroundvehicles (UGVs) mit Temperatur und Helligkeitssensoren eingesetzt werden, die kooperativ ein Gebiet erkunden [1] um möglichst energiereiche Orte zu lokalisieren. Mit Hilfe von Datamining Methoden und Algorithmen sollen die Sensordaten fusioniert werden. Verteilte Dataminingalgorithmen sollen Modelle über den zeitlichen Verlauf des optimalen Solarpotentials liefern und besonders geeignete Ladestandorte für die Abb.1 DarstellungderSolarenergiedichte gesamtedauerdesladevorgangs(abb.1)identifizieren. 6. HerausforderungendesAnwendungsfalls UmeineeffektiveErkundungsowieeinenstetigenDatenaustauschzwischendenUGVszuerzielen, müssen sich die UGVs fortlaufend koordinieren. Seitens der Elektrotechnik/Kommunikationsnetze sinddreifragestellungendabeivonbesondererbedeutung: I. MitwelcherStrategiekönnendieUGVsameffektivsteneinGebieterkunden? II. WiehaltensiedabeidieKommunikationsverbindunguntereinanderaufrecht? III. Sind bioinspirierte oder Potential Fields basierte Algorithmen für diesen Anwendungsfall einsetzbar? Hierfür kommen dezentrale, agentenbasierte Schwarmalgorithmen zum Einsatz. Inspiriert von Vogelschwärmen oder Ameisenkolonien organisieren sich die UGVs autonom im Schwarm. Eine

18 18 3) Kooperatives Datamining mit vernetzen Robotern zentrale Steuerung gibt es nicht. In theoretischen und simulativen Vorarbeiten [2,3,7,8] wurden genausolchealgorithmenentworfen. Abb. 2 zeigt einen Ansatz zur effizienten Erkundung eines unbekannten Gebiets. Hierbei wird, inspiriert durch Ameisen, eine virtuelle Duftspur hinterlassen. Allerdings werden stark duftende,alsooftbesuchtebereichegemieden,umgezieltin Gebietevorzustoßen,dienochnichterkundetwurden.DieUGVs tauschen kontinuierlich ihre aktuellen Positionen aus, damit Gebietenichtredundanterkundetwerden. Ein anderer Ansatz, dargestellt in Abb. 3, der primär eine gute Verteilung der UGVs im Raum erzielen soll, aber auch bereits Abb.2CooperativeRepellingWalk[8] Hindernisse beachtet sind künstliche Potentialkräfte. UmdieKommunikationaufrechterhaltenzukönnen,dürfensichdie UGVs nicht zu weit voneinander entfernen. Andererseits sollte der Abstandaberauchnichtzugeringsein.DeswegenerzeugtjedesUGV ein Potentialfeld. Bei geringen Distanzen stoßen sich zwei UGVs voneinander ab, bei zunehmenden Entfernungen dreht sich das VerhaltenumunddieUGVsziehensichmitsteigenderKraftan.Bei Hindernissen wirkt ausschließlich eine abstoßende Kraft. Mit Hilfe dieser sich selbst koordinierenden UGVs soll ein aggregiertes Abb.3 PotentialForces[7] LagebilddesEinsatzgebietserstelltwerden. DieFragestellungenzumThemamaschinellesLernen/Dataminingsindhier: III. Wie sieht eine gute Charakterisierung des Gesamtgebietes aus? Sind eher Klassifikationsalgorithmen wie z.b. Entscheidungsbaumlernen oder Clusteringalgorithmen wiez.b.kmeansadäquat?welchemodellesolldasdataminingliefern? IV. Wie kann der tradeoff zwischen beschränkten Ressourcen und Modellgüte gesteuert werden? BisherwurdenDataminingalgorithmenmeistaufgroßenRechnernoderRechenclusternausgeführt. HierbestehtdieHerausforderunggleichguteModellezulernen,aberaufressourcenbeschränkten Systemen zu verwenden. Das Gebiet des Distributed Datamining entwickelt Algorithmen, die ein Gesamtmodell aus verteilten Datenquellen gewinnen. Es muss eine Abwägung zwischen der SpeicherungderDaten,derVerteilungderDatenzwischendenUGVsundderdirektenVerarbeitung des Sensordatenstroms getroffen werden. Der beschränkte Energievorrat, die damit verbundenen hohen Kommunikationskosten und der beschränkte Speicherplatz machen es erforderlich, die Algorithmen auf die gegebene Situation anzupassen, beispielsweise nur eine Auswahl von Daten zwischendenugvszukommunizierenoderallgemein diealgorithmennuraufeinerauswahlvon Sensordaten auszuführen, jedoch ohne die Güte der Algorithmen zu stark zu verringern. Für den skizzierten Anwendungsfall muss entschieden werden, ob alle UGVs mit den oben genannten SensorenbestücktodereinigeUGVsnurzumRechnenverwendetwerden.Weiterhinsollennurdie UGVs für die Erkundung eingesetzt werden, die gerade keine anderen Aufgaben, wie der oben skizziertetransport,ausführen. AufgabederProjektgruppe Die Projektgruppe wird zur Aufgabe haben, die Mobilitäts und Dataminingalgorithmen unter Berücksichtigung der Ressourcenbeschränkung des Embedded PCs (Abb. 4) zu entwickeln und zu

19 3) Kooperatives Datamining mit vernetzen Robotern 19 validieren. In einem ersten Schritt soll die Entwicklung der AlgorithmenineinerSimulationdesFahrzeugesabermitechter Embedded Hardware ( Hardware in the Loop Simulation ) erfolgen. Nach der Implementierung der Algorithmen soll ihre Funktionsfähigkeit experimentell getestet und optimiert Abb.4EmbeddedPC werden. Hierzu gehört auch, geeignete Testszenarien zu entwickeln,mitdenenderanwendungsfallnachgestelltwerden kann.zudiesemzeitpunktwirddiesimulationdesfahrzeugesdurchautonomefahrzeuge(ugvs) ersetzt. UnterVerwendungexistierenderFrameworks,wieJXTAundRapidminer,solleineserviceorientierte Peer2Peer Infrastruktur für Datamining Agenten geschaffen werden, auf der verteilte Clustering, Klassifikations und Regressionsalgorithmen des Dataminings ausgeführt werden können [4,5,6]. Diese Infrastruktur soll es ermöglichen, verteilte Dataminingalgorithmen für die Anwendung anzupassenundderenergebnissedarzustellen. EinigedieserAlgorithmensollenimplementiertwerdenundaufechtenDatenvalidiertwerden.Die Algorithmen werden durch eine bereits existierende Schnittstelle des Mobilitätsagenten zur SensordatenabfragemitDatenversorgt.EineForschungsaufgabewirdessein,dieLeistungsfähigkeit in einem System mit beschränkten Ressourcen zu evaluieren und daraufhin die Algorithmen zu verbessern. DerAbschlussderProjektgruppewirddurcheineDemonstrationdesintegriertenSystemsaufeinem freiengeländestattfinden.dierobotersollendurchmobilestrahlungsquellenbeschienenepunkte findenunddamitdieerfolgreicheerfüllungdesskizziertenanwendungsszenarioszudemonstrieren. 7. Vorkenntnisse GrundlageninKommunikationssystemen,insbesondereMaschinezuMaschine Kommunikation GrundlagenimDatamining,maschinellemLernen KenntnisseinobjektorientierterProgrammierung(C++,Java) LinuxKenntnisse 8. Minimalziel WelcheZielesollenfüreineerfolgreichePGerreichtwerden? InterAgentKommunikation HardwareintheLoopMobilitätssimulationmitSensorsimulation DatenaustauschzwischenDataminingAgentundMobilitätsagent EntwicklungundImplementierungkommunikationssensitiverErkundungsstrategien EntwicklungvonandieAnwendungangepasstenverteiltenDataminingalgorithmen 9. Literatur [1]S.János;I.Matijevics,, "Implementationofpotentialfieldmethodformobilerobotnavigation ingreenhouseenvironmentwithwsnsupport," 8thInternationalSymposiumonIntelligentSystems andinformatics(sisy),2010

20 20 3) Kooperatives Datamining mit vernetzen Robotern [2] Y. Li, Y.Q. Song, Y.h. Zhu, and R. Schott, Deploying Wireless Sensors for Differentiated CoverageandProbabilisticConnectivity,inProc.ofIEEEWirelessCommunicationsandNetworking Conference(WCNC),April2010 [3] M. Garetto, M. Gribaudo, C.F. Chiasserini, and E. Leonardi, A Distributed Sensor Relocatlon SchemeforEnvironmentalControl inproc.ofieeeinternatonalconferenceonmobileadhocand SensorSystems(MASS),October2007 [4]S.Datta,C.R.Giannella,H.Kargupta,"ApproximateDistributedKMeansClusteringoveraPeer topeernetwork,"ieeetransactionsonknowledgeanddataengineering,oct.2009 [5] M.M. Gaber,A. Zaslavsky, S. Krishnaswamy, Resourceaware Knowledge Discovery in Data Streams,ProceedingsoftheFirstInternationalWorkshoponKnowledgeDiscoveryinDataStreams, Italy,2004 [6] H.Kargupta, ByungHoon Park, "Mining decision trees from data streams in a mobile environment",2001.icdm2001,proceedingsieeeinternationalconferenceondatamining,2001 [7]N.Goddemeier,S.Rohde,J.PojdaandC.Wietfeld."EvaluationofPotentialFieldsMobility StrategiesforAerialNetworkProvisioning",acceptedforpresentationonProc.ofIEEEGlobecom WorkshoponWirelessNetworkingforUnmannedAutonomousVehicles,Houston,TX,USA,Dec2011. [8] D. Behnke, K. Daniel and C. Wietfeld. "Comparison of Distributed Adhoc Network Planning AlgorithmsforAutonomous FlyingRobots",acceptedforpresentationon Proc.ofIEEEGlobecom 2011,Houston,Texas/USA,Dec2011. K. Daniel, S. Rohde. N. Goddemeier and C. Wietfeld, "Cognitive Agent Mobility for Aerial Sensor Networks",IEEESensorsJournal,Juli2011. M.May,B.Berendt,A.Cornuéjols,J.Gama,F.Giannotti,A.Hotho,D.Malerba,E.Menesalvas,K. Morik,R.Pedersen,L.Saitta,A.Schuster,K.Vanhoof, ResearchChallengesinUbiquitous KnowledgeDiscovery,CRCPress,Chapter2ResearchChallengesinUbiquitousKnowledge Discovery,2009 M.Stolpe,K.Morik,B.Konrad,D.LieberandJ.Deuse, ChallengesforDataMiningonSensorData of Interlinked Processes, Proc. of the Next Generation Data Mining Summit 2011: Ubiquitous Knowledge Discovery for Energy Management in Smart Grids and Intelligent MachinetoMachine (M2M)Telematics, RechtlicherHinweis DieErgebnissederProjektarbeitinkl.derdabeierstelltenSoftwaresollenderFakultätfürInformatik und der Fakultät für Elektro & Informationstechnik uneingeschränkt zur Forschung und Lehre zur Verfügung stehen. Darüber hinaus sind keine Einschränkungen der Verwertungsrechte an den ErgebnissenderPGundkeineVertraulichkeitsvereinbarungenvorgesehen.

21 4) Situation-Aware Semantic Service Discovery 21 1 Thema Situation-Aware Semantic Service Discovery 2 Zeitraum Sommersemester 2012 und Wintersemester 2012/ Umfang Jeweils 8 Semesterwochenstunden 4 Veranstalter Anna-Lena Lamprecht <anna-lena.lamprecht@cs.tu-dortmund.de>, Tel Stefan Naujokat <stefan.naujokat@tu-dortmund.de>, Tel Informatik Lehrstuhl 5, Otto-Hahn-Straße 14, Raum Aufgabe Motivation In vielen wissenschaftlichen und nichtwissenschaftlichen Anwendungsgebieten werden Workflows oder Prozesse eingesetzt, um Aufgaben verschiedener Art service-orientiert zu automatisieren. Dementsprechend existieren zahlreiche Workflow- und Prozessmanagementumgebungen, die Softwareunterstützung für ihre Modellierung und Ausführung bieten. Sie verlassen sich jedoch zumeist darauf, dass der Nutzer die Services, aus denen er den Workflow oder Prozess konstruieren möchte, kennt und mit ihrer Handhabung vertraut ist. Das bedeutet häufig, dass der Nutzer, aus welcher Anwendungsdisziplin er auch kommen mag, sich mit den technischen Aspekten und Informatik-Begrifflichkeiten der Services beschäftigen muss, anstatt seine eigene Fachterminologie verwenden zu können. In vielen Bereichen der klassischen und serviceorientierten Softwareentwicklung spielt in diesem Zusammenhang das Konzept von Discovery eine wichtige Rolle, bei der basierend auf abstrakten Beschreibungen konkrete Instanzen gefunden werden. Als einfachstes Beispiel kann hierfür zum Beispiel das Reflection-Konzept angesehen werden, das von vielen objektorientierten Programmiersprachen, wie z.b. Java, C# oder Python, unterstützt wird. Es ermöglicht, Klassen und Methoden aufgrund von Name und Signatur zur Laufzeit zu finden, ohne dass sie zur Kompilierzeit bereits bekannt sein müssen. Im Umfeld von SOA (Service-Oriented Architectures) werden Prozesse aus abstrakt definierten Services zusammengestellt (orchestriert), die dann von der Ausführungsumgebung mittels Discovery durch ausführbare Instanzen ersetzt werden. Beim Semantic Web werden im Rahmen einer ontologisch spezifizierten Domäne Reasoner oder Rules Engines eingesetzt, die zu Anfragen des Anwenders (Suchbegriffe, Tags,...) gültige Dienste liefern. All diesen Bereichen gemeinsam ist, dass qualitative Kriterien herangezogen werden, die zu einer klaren ja/nein-auswertung führen. In der PG soll nun eine Service-Discovery entwickelt werden, welche die Graustufen quantitativer Aspekte (wie z.b. statistische Verfügbarkeit, Zuverlässigkeit, Performance oder sogar Beliebtheit) mit einbezieht. Dazu sollen die Methoden von Recommender Systems [8, 9] eingesetzt werden. Um die entwickelten Verfahren in der Praxis evaluieren zu können, sollen sie für die EMBOSS Toolsuite [2, 3] umgesetzt werden. Diese enthält mehr als 430 Bioinformatik-Tools 1 und ist als einzige große und frei vergügbare Bibliothek von Services bereits mit semantischen Annotationen (auf Basis der EDAM-Ontologie [4]) versehen. Auch die einzusetzende Workflowmanagementumgebung Eclipse4Bio, 1 Anmerkung: Für die Anwendung dieses Beispiels und die PG im Allgemeinen werden keine Bioinformatik-Kenntnisse vorausgesetzt 1