Mathematiker als Beruf - Was ist das? Jahrestreffen von Alumni, Studierenden und Dozenten 24. November 2012
|
|
- Paula Grosser
- vor 7 Jahren
- Abrufe
Transkript
1 Mathematiker als Beruf - Was ist das? Jahrestreffen von Alumni, Studierenden und Dozenten 24. November 2012
2 FCE Portfolio Kompetenzen Mathematische Modellierung industrieller Prozesse Mathematische Statistik und Wahrscheinlichkeitsrechnung Mathematische Optimierung Reliability Engineering Inventory Modelling Explorative Datenanalyse Starker Forschungs- und Entwicklungsschwerpunkt Kunden Luftfahrt Airbus Lufthansa Technik Finnair Technical Services Cathay Pacific Schienengebundener Verkehr Schweizerische Bundesbahnen (SBB) Deutsche Bahn DB Schenker Automobilindustrie Daimler Volkswagen Porsche Audi Energie Electricité de France (EDF) Energie Baden Württemberg (EnBW) Siemens Cities and Infrastructure
3 ooooohhh- Typische Reaktionen auf die Aussage: Ich bin Mathematiker Sie sind Lehrer? Sie müssen aber intelligent sein Und was machen Sie? Die meisten wissen nicht, was Mathematiker machen und haben keine Vorstellung davon, wofür Mathematiker gebraucht werden 3
4 Warum ist das so? Mathematik wird angesehen als Extrem schwierig abstrakt und nicht anwendbar ohne Verbindung zum Alltag Aber: Viele Dinge gäbe es ohne Mathematik nicht Mathematiker werden benötigt 4
5 Was bedeutet das? Wenn der normale Mensch nicht weiß, was ein Mathematiker macht, dann hat das Implikationen auf das Berufsbild Mathematik muss verkauft werden können Wichtige Aspekte sind Kommunikation und Visualisierung der Ergebnisse in leichtverständlicher Form 5
6 und was macht ein Mathematiker? Strukturieren von Problemstellungen und Abläufen durch Abstraktion und Reduktion auf bekannte Probleme Erstellung und Definition von Maßen und Kriterien zur Bewertung Anwendung von bekannten Techniken Entwicklung neuer Verfahren und Algorithmen Programmierung Kommunikation -> Vermittlung an Nichtmathematiker 6
7 Vom Kunden zur Mathematik und zurück Kunde Mathematik und Algorithmen 7
8 Vom Kunden zur Mathematik und zurück Der Werkzeugkasten Kunde Mathematisches Wissen Programmierung und Simulation Grafische Aufbereitung / Visualisierung Mathematik und Algorithmen 8
9 Vom Kunden zur Mathematik und zurück Kunde Mathematik und Algorithmen 9
10 Vom Kunden zur Mathematik und zurück Kunde Mathematische Modellierung Mathematik und Algorithmen 10
11 Vom Kunden zur Mathematik und zurück Mathematische Modellierung ist die konsequente Abbildung industrieller Prozesse Kunde in mathematische Modelle (Funktionen, Algorithmen, etc.) Das Ergebnis ist ein Modell, mit dessen Hilfe mathematisch fundierte Mathematische Aussagen zu den erwarteten Ergebnissen eines Prozesses Modellierung in Abhängigkeit von den Eingangsvariablen und Randbedingungen möglich sind. Mathematik und Algorithmen 11
12 Vom Kunden zur Mathematik und zurück Kunde Mathematische Modellierung Mathematik und Algorithmen 12
13 Vom Kunden zur Mathematik und zurück Kunde Ent- Mathematisierung Mathematische Modellierung Mathematik und Algorithmen 13
14 Vom Kunden zur Mathematik und zurück Der Anwender will / darf nichts von der zugrunde liegenden Mathematik Kunde sehen Er muss in den Ergebnissen seine Realität wiederfinden Ergebnisse Ent- müssen entsprechend aufbereitet Mathematische und Mathematisierung Modellierung visualisiert werden. Die Mathematik und der Mathematiker treten für die Umwelt in den Hintergrund Mathematik und Algorithmen 14
15 Vom Kunden zur Mathematik und zurück Kunde Ent- Mathematisierung Mathematische Modellierung Mathematik und Algorithmen 15
16 BEISPIEL: EIN TYPISCHES PROJEKT 16
17 Typischer Projektverlauf verbale Beschreibung Prozess Randbedingungen Eingangsgrößen Erwartete Ergebnisse 17
18 Typischer Projektverlauf verbale Beschreibung Prozess Randbedingungen Eingangsgrößen Erwartete Ergebnisse Strukturierung Modellierung Mathematische Gleichungen und Algorithmen Entwicklung von geeigneten Maßen zur Bewertung 18
19 Typischer Projektverlauf verbale Beschreibung Prozess Randbedingungen Eingangsgrößen Erwartete Ergebnisse Strukturierung Modellierung Mathematische Gleichungen und Algorithmen Entwicklung von geeigneten Maßen zur Bewertung Prüfung Anpassung Testrechnungen / Simulation Abgleich mit erwarteten Ergebnissen Bei Abweichung Ermittlung der Ursache und ggf. Anpassung des Modells 19
20 Typischer Projektverlauf verbale Beschreibung Strukturierung Modellierung Prüfung Anpassung Anwendung Prozess Randbedingungen Eingangsgrößen Erwartete Ergebnisse Mathematische Gleichungen und Algorithmen Entwicklung von geeigneten Maßen zur Bewertung Testrechnungen / Simulation Abgleich mit erwarteten Ergebnissen Bei Abweichung Ermittlung der Ursache und ggf. Anpassung des Modells Erklärung und Visualisierung der Ergebnisse 20
21 BEISPIEL: MATHEMATIK UND VISUALISIERUNG 21
22 Signaldatenauswertung und Schadensfrüherkennung 22
23 Einleitung Idee & Ziele Frühzeitige Erkennung kritischer und abnormaler Ereignisse in einem Flugzeugsubsystem durch statistische Analyse der Signaldaten
24 Einleitung Idee & Ziele Frühzeitige Erkennung möglichst vieler kritische Ereignisse - Unter Minimierung der Anzahl der Fehlalarme - Bei gleichzeitiger Steigerung der Erkennungsrate gegenüber konventionellen Methoden Je länger ein abnormaler Zustand anhält, umso kritischer wird er Das rechtzeitige Erkennen solcher Zustände ist daher ein wichtiges Ziel Rechtzeitige Erkennung von Störungen - erhöht die Sicherheit - verringert die Instandhaltungskosten - schützt die Außenwirkung
25 Anomaliedetektion Verwendung von modernen Anomaliedetektions -und Mustererkennungs verfahren Das System wird multidimensional betrachtet unter Einbeziehung von Signalkorrelationen Die Wahl eines Distanzmaßes beeinflusst die Ausprägung der Signalkorrelationen (Mahalanobis, Euklidisch, Indikator, ) Korrelationsmatrix
26 Die Herausforderung Die Berechnung erfolgt im hochdimensionalen Raum Die Betrachtung einzelner Dimensionen ist nicht immer ausreichend, um die Ursache eines Fehlers zu erkennen Selbst sehr gute Ergebnisse waren dem Kunden nicht oder nur schwer zu vermitteln. Neue Formen der Visualisierung waren notwendig! 26
27 Visualisierung 1
28 Visualisierung 2 Y-Achse: Normierte Signalwerte X-Achse: Signalindex Blaue Punkte: Signalwerte der Trainingsdaten Blau transparente Fläche: Repräsentiert die Hauptbetriebszustände in der Punktwolke Grüne Linie: Gesunder Datensatz Rote Linie: Abnormaler Datensatz Orange Fläche: Gruppe von Datensätzen zu verschiedenen Zeitpunkten, die einen ähnlichen Systemzustand aufweisen
29 Erste Graphik: - Blaue Kurve: Gemessenes Signal (gemittelt) - Grüne Kurve: Erwartungswert unter Berücksichtigung des Gesamtsystems Monitoring Results (1/4) Decorrelation warning Signal View HP Bleed Valve on 14th of August Zweite Graphik: - Blaue Kurve: Residuum-Signal Dritte Graphik: - Grüne Kurve: Aufkumuliertes Residuum CUSUM-Technik Verarbeitet das Residuum-Signal, um Warnungen auszusprechen Qualitätsmerkmale: - Ws für einen Fehlalarm (alpha) - Ws einen Fehler zu übersehen (beta) - Shift in Mean Wert für Gegenhypothese
30 Vor HP Bleed Valve-Wechsel: Warnung Monitoring Results (2/4) Decorrelation warning Multidimensional View Nach HP Bleed Valve Wechsel: Warnung verschwindet
31 Monitoring Results (3/4) Level change warning Signal View Bleed Valve on 11th of October
32 Vor Bleed Valve- Wechsel: Warnungen Monitoring Results (4/4) Level change warning Multidimensional View Nach Bleed Valve Wechsel: Warnungen verschwinden
33 Vielen Dank für Ihre Aufmerksamkeit! FRAGEN? 33
Einführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Landmarkenbasierte anhand anatomischer Punkte interaktiv algorithmisch z.b. zur Navigation im OP Markierung von
MehrInhaltsverzeichnis XVII
Inhaltsverzeichnis 1 Der Weg vom Verstehen zum Gestalten im digitalen Zeitalter...... 1 1.1 Der digitale Wandel als zentrale unternehmerische und gesellschaftliche Herausforderung................. 1 1.2
MehrMultivariate Verfahren
Multivariate Verfahren Lineare Regression Zweck: Vorhersage x Dimensionsreduktion x x Klassifizierung x x Hauptkomponentenanalyse Korrespondenzanalyse Clusteranalyse Diskriminanzanalyse Eigenschaften:
Mehr1 Grundprinzipien statistischer Schlußweisen
Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrKapitel 2. Mittelwerte
Kapitel 2. Mittelwerte Im Zusammenhang mit dem Begriff der Verteilung, der im ersten Kapitel eingeführt wurde, taucht häufig die Frage auf, wie man die vorliegenden Daten durch eine geeignete Größe repräsentieren
MehrA Big Data Change Detection System. Carsten Lanquillon und Sigurd Schacht
A Big Data Change Detection System Carsten Lanquillon und Sigurd Schacht Digitale Transformation in Unternehmen u Umfassende Erfassung, Speicherung und Verfügbarkeit von Daten à Big Data Quelle: Rolland
MehrEntwicklung einer netzbasierten Methodik zur Modellierung von Prozessen der Verdunstungskühlung
Institut für Energietechnik - Professur für Technische Thermodynamik Entwicklung einer netzbasierten Methodik zur Modellierung von Prozessen der Verdunstungskühlung Tobias Schulze 13.11.2012, DBFZ Leipzig
MehrVirtuelle Teams in der Schweiz unter Berücksichtigung vorgegebener Qualitätsmerkmale
Informatik Virtuelle Teams in der Schweiz unter Berücksichtigung vorgegebener Qualitätsmerkmale Studienarbeit Virtuelle Teams in grossen Unternehmungen (>250 Mitarbeiter) in der Schweiz unter Berücksichtigung
MehrVisualisierung komplexer Sicherheitssituationen in einem Netzwerk
Visualisierung komplexer Sicherheitssituationen in einem Netzwerk Sebastian Spooren Sebastian Spooren spooren@internet-sicherheit.de Institut für Internet-Sicherheit https://www.internet-sicherheit.de
MehrNetzüberwachung mit SIGUARD PDP
Netzüberwachung mit SIGUARD PDP Sicherer Netzbetrieb durch Wide Area Monitoring (Phasor Data Processor) verwendet Synchrophasoren und erleichtert die schnelle Beurteilung des aktuellen Netzzustands. Leistungspendelungen
MehrDas Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle. Christoph Kugler, Thomas Hochrein 26. Mai 2011
Das Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle Christoph Kugler, Thomas Hochrein 26. Mai 2011 Das in Echtzeit und inline Unmessbare messen Softsensoren zur Prozessanalyse
MehrKorrespondenzanalyse
Seite 1 von 5 Korrespondenzanalyse Ziel der Korrespondenzanalyse... 1 Anforderungen an die Daten (Stärke des Verfahrens)... 1 Einordnung in die multivariaten Verfahren... 1 Normierung der Daten... 1 Festlegung
MehrQuantitative Methoden der Betriebswirtschaftslehre I Überblick
Quantitative Methoden der Betriebswirtschaftslehre I Überblick Prof. Dr. Norbert Trautmann Universität Bern Frühjahrssemester 2016 Gliederung 1 2 3 4 5 Prof. Dr. Norbert Trautmann, Frühjahrssemester 2016
MehrModell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen
Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen Roland Koppe, Stefan Häusler, Axel Hahn 2 Übersicht Einleitung und Motivation Ansatz und Methodik
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Einführungsveranstaltung Überblick Organisation Literatur Inhalt und Ziele der Vorlesung Beispiele aus der Praxis 2 Organisation Vorlesung/Übung + Projektarbeit. 4 Semesterwochenstunden.
MehrBIM in der Planungs- und Bauphase - Nutzen für den späteren Betrieb Karsten Bartels
BIM in der Planungs- und Bauphase - Nutzen für den späteren Betrieb Karsten Bartels Max Bögl Stiftung & Co. KG Geschäftsbereich Facility Management Was ist TITEL BIM? Wofür steht das Akronym BIM? BIM Building
MehrDiagnose einer Kraftwerksturbine
Diagnose einer Kraftwerksturbine Dr. Patrick Bangert, algorithmica technologies GmbH Die Turbine ist der wichtigste Teil eines Kraftwerks. Der Betriebsausfall einer Turbine kann zu lang anhaltenden Betriebsstörungen
MehrDie Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation. Jens Schiborowski
Die Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation Jens Schiborowski Gliederung Einführung Monte-Carlo-Simulation Definition von Monte-Carlo-Simulation Einsatzgebiete von Monte-Carlo-Simulation
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 15.01.2009 Numerische Methoden und Algorithmen in der Physik Christian Autermann 1/ 47 Methode der kleinsten Quadrate
MehrStatistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
Mehr<; ;6 ++9,1, + ( #, + 6( 6( 4, 6,% 6 ;, 86': ; 3'!(( A 0 "( J% ;;,,,' "" ,+ ; & "+ <- ( + " % ; ; ( 0 + A,)"%1%#( + ", #( +. +!
!
MehrAlgorithmen für Sensornetze
Algorithmen für Sensornetze Markus Völker 02. Februar 2010 Lokalisierung in Gebäuden Lokalisierung Ausgangssituation? Lokalisierung Ziel! Lokalisierung Signalabfall in Gebäuden Signalabfall mit ca. 1/d
MehrModulhandbuch für den Master-Teilstudiengang Mathematik innerhalb der Lehramtsstudiengänge
handbuch für den Master-Teilstudiengang Mathematik innerhalb der Lehramtsstudiengänge der Universität Hamburg Inhalt Erläuterungen... 1 Modulbeschreibungen... 2 M-LLG/LBS-SW Softwarepraktikum... 2 M-LPSI/LS-VAZ
MehrModel-based Design für medizintechnische Anwendungen
Model-based Design für medizintechnische Anwendungen Dr. Momme Winkelnkemper Projektumfeld Entwicklungsdienstleister Algorithmen Datenanalyse U.a. für Messgeräte- Entwicklung 2 Projektumfeld Entwicklungsdienstleister
MehrNaive Bayes für Regressionsprobleme
Naive Bayes für Regressionsprobleme Vorhersage numerischer Werte mit dem Naive Bayes Algorithmus Nils Knappmeier Fachgebiet Knowledge Engineering Fachbereich Informatik Technische Universität Darmstadt
MehrThema: Analyse des Verhaltens dynamischer Wirkungsgefüge
Rahmenbedingungen: - Klasse 10, da einige Voraussetzungen (Anwendersysteme, Algorithmen) nötig sind - Bezug zu Inhalten aus der Mathematik, Physik, Politische Bildung, Biologie, Erdkunde - Software: Dynasys,
MehrStochastische Unabhängigkeit. 01. Dezember 2014
Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht
MehrKinga Szűcs
Kinga Szűcs 25.10.2011 Die Schülerinnen und Schüler werten graphische Darstellungen und Tabellen von statistischen Erhebungen aus, planen statistische Erhebungen, sammeln systematisch Daten, erfassen sie
MehrMITTEILUNGSBLATT VERORDNUNGEN, RICHTLINIEN
MITTEILUNGSBLATT Studienjahr 2005/2006 Ausgegeben am 14.09.2006 43. Stück Sämtliche Funktionsbezeichnungen sind geschlechtsneutral zu verstehen. VERORDNUNGEN, RICHTLINIEN 276. Äquivalenzverordnung zum
MehrÜber das Lesen mathematischer Texte Teil 2: Definition, Satz, Beweis
Über das Lesen mathematischer Texte Teil 2: Definition, Satz, Beweis Hagen Knaf Prof. Dr. H. Knaf, Mathematisches Beweisen 1 Struktur mathematischer Texte Ein mathematischer Text enthält neben dem fortlaufenden
Mehr3.3 Absenkungsverlauf
3.3 Absenkungsverlauf 3.3.1 Aufgabe 3.3.1.1 Verzögerungsfunktion Der Absenkungsverlauf des Grundwassers auf Grund einer Entnahme aus einem Brunnen (z.b. durch einen so genannten Pumpversuch) kann in erster
MehrHerzlich willkommen! Mathematik & Strak Arne Leetz, Volkswagen AG, EBS
Herzlich willkommen! Mathematik & Strak Arne Leetz, Volkswagen AG, EBS Vom Design-Entwurf zum DDKM Design Strak DDKM Vom Design-Entwurf zum DDKM Design Strak DDKM Strak Woher kommt der Begriff Strak? Ursprünglich
MehrUmbuchungen im Bachelor-Studiengang Technische Informatik für den Wechsel von der PO 2010 zur PO 2017
Umbuchungen im Bachelor-Studiengang Technische Informatik für den Wechsel von der PO 2010 zur PO 2017 Allgemeine Umbuchungsregeln: Für alle bisherigen Studierenden, die sich nach dem Prüfungszeitraum Sommersemester
MehrÜbung 1 zur Vorlesung GEBÄUDESYSTEMTECHNIK
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Übung 1 zur Vorlesung GEBÄUDESYSTEMTECHNIK Übungsleiter: Dr.-Ing. H.-D. Ribbecke Bearbeitungszeitraum:
Mehr3D-Simulation in der Intralogistik
3D-Simulation in der Intralogistik Siemens Postal, Parcel & Airport Logistics AG Seite 1 siemens.ch/logistics Inhalt 3D Simulation in der Intralogistik Abgrenzung/Definition Animation Simulation Emulation
MehrProduktionsbasiertes Energiemanagement in der Lebensmittelindustrie
Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Ansätze und Ergebnisse aus einem Forschungsprojekt, aufbereitet für die Lehrstuhl für Lebensmittelverpackungstechnik, Lehrstuhl für mathematische
MehrBuilding information modeling (BIM) Die Sicht eines Gebäudeautomationsherstellers
Building information modeling (BIM) Die Sicht eines Gebäudeautomationsherstellers Unrestricted Siemens Switzerland Ltd 2016 siemens.com/buildingtechnologies Der digitale Zwilling Seite 2 Steigerung der
MehrMathematica kompakt. Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß. Oldenbourg Verlag München
Mathematica kompakt Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß Oldenbourg Verlag München Inhaltsverzeichnis Vorwort Tabellenverzeichnis VII XVII 1 Einleitung 1 1 Grundlagen
MehrCredits. Studiensemester. 1. Sem. Kontaktzeit 4 SWS / 60 h 2 SWS / 30 h
Modulhandbuch für den Lernbereich Mathematische Grundbildung im Studiengang Bachelor of Arts mit bildungswissenschaftlichem Anteil für die Studienprofile Lehramt an Grundschulen und Lehramt für sonderpädagogische
MehrGrundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften
Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,
MehrVerwendung von strukturierten Massendaten für Produktions-, Prozess- & Energieoptimierung
Verwendung von strukturierten Massendaten für Produktions-, Prozess- & Energieoptimierung Innovationsforum nachhaltige Energiesysteme 17. & 18.10.2017 Nürnberg Massendaten Energiedatenmanagement Typischerweise
MehrDidaktik der Stochastik (Leitidee: Daten und Zufall)
Didaktik der Geometrie und Stochastik WS 09 / 10 15. 1. 2010 Didaktik der Stochastik (Leitidee: Daten und Zufall) 7. Beschreibende Statistik 7.1 Zum Begriff Stochastik : Seit den Fünfziger Jahren werden
MehrGrundlagen, Vorgehensweisen, Aufgaben, Beispiele
Hans Benker - Wirtschaftsmathematik Problemlösungen mit EXCEL Grundlagen, Vorgehensweisen, Aufgaben, Beispiele Mit 138 Abbildungen vieweg TEIL I: EXCEL 1 EXCEL: Einführung 1 1.1 Grundlagen 1 1.1.1 Tabellenkalkulation
MehrSiedlungsstrukturelle Kennzahlen und deren Monitoring in Rasterkarten
Dresden, 26. 27.Mai 2011 Siedlungsstrukturelle Kennzahlen und deren Monitoring in karten Markus Dießelmann, Dr. G. Meinel, Robert Hecht Inhalt Motivation und Zielstellung Datengrundlage Datenzuordnung
MehrVerbesserung der Energiebilanz durch Einsatz der virtuellen Realität Handlungsoptionen für die Kommunen
Verbesserung der Energiebilanz durch Einsatz der virtuellen Realität Handlungsoptionen für die Kommunen Prof. Jivka Ovtcharova Institut für Informationsmanagement im Ingenieurwesen (IMI) EnBW - Regionalzentrum
MehrElectronic Design Automation (EDA) Spezifikation
Electronic Design Automation (EDA) Spezifikation Inhalte einer Spezifikation Beispielspezifikation Ampelsteuerung Formale Beschreibung Blockdiagramme... für die Ampel Zustandsübergangs-diagramme... für
MehrLandesweite LARSIM-Wassertemperaturmodelle für Baden-Württemberg
Landesweite LARSIM-Wassertemperaturmodelle für Baden-Württemberg Ute Badde (LUBW), Dirk Aigner, Ingo Haag (HYDRON) YDRON UMWELT und W ASSERW IRTSCHAFT Entwicklung von Wärmemodellen in BW Operationelle
MehrMBEES Research Abstract Ein Framework zur automatisierten Ermittlung der Modellqualität bei eingebetteten Systemen
MBEES 2010 - Research Abstract Ein Framework zur automatisierten Ermittlung der Modellqualität bei eingebetteten Systemen Jan Scheible (jan.scheible@daimler.com) Daimler AG Group Research and Advanced
MehrVorstellung. Collaborative CAD/CAE Integration (C3I)
Vorstellung Collaborative CAD/CAE Integration (C3I) Projektleiter: Thomas Merkt, Porsche AG Projektkoordinator: Dr. Marcus Krastel, :em AG 2008, ProSTEP ivip / VDA, 08-12-11 Abgrenzung zum Vorgängerprojekt
MehrKantonsschule Ausserschwyz. Mathematik. Kantonsschule Ausserschwyz 83
Kantonsschule Ausserschwyz Mathematik Kantonsschule Ausserschwyz 83 Bildungsziele Für das Grundlagenfach Die Schülerinnen und Schüler sollen über ein grundlegendes Orientierungs- und Strukturwissen in
MehrProbleme und Möglichkeiten der Behandlung der bedingten Wahrscheinlichkeit
Hans-Dieter Sill, Universität Rostock Probleme und Möglichkeiten der Behandlung der bedingten Wahrscheinlichkeit 1. Der Begriff der bedingte Wahrscheinlichkeit in Planungsdokumenten 2. Eine Prozessbetrachtung
MehrStrategien für eine nachhaltige Lieferantentwicklung für die Beschaffung aus Emerging Markets
Schriftenreihe Logistik der Technischen Universität Berlin 26 Ouelid Ouyeder Strategien für eine nachhaltige Lieferantentwicklung für die Beschaffung aus Emerging Markets Universitätsverlag der TU Berlin
MehrArbeitsmarkt in Zahlen. Daten für interregionale Analysen. Daten für interregionale Analysen Analysebeispiele. Dezember 2012
Arbeitsmarkt in Zahlen Dezember 2012 Impressum Titel: - Herausgeber: Bundesagentur für Arbeit Statistik Nürnberg Erstellungsdatum: 19. Dezember 2012 Stand Version 1.0, Nürnberg, 2012 Für nichtgewerbliche
MehrSPC online im Rahmen von Qualität 4.0. Qualitätskollegium TU Berlin Konrad Wälder. BTU Cottbus-Senftenberg
Qualitätskollegium TU Berlin 17.10.2016 SPC online im Rahmen von Qualität 4.0 Konrad Wälder BTU Cottbus-Senftenberg 1 1 Grundsätzliches SPC (statistische Prozessregelung) Ø liefert zentrale Instrumente
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
Mehr- Laserscanning - Grundlage effizienter Datenerhebung in der Fabrikumplanung
Laserscanning Europe Konferenz: Der innovative Wirtschaftstreffpunkt für f r Einsteiger und Anwender - Laserscanning - Grundlage effizienter Datenerhebung in der Fabrikumplanung G. Wagenhaus, U. Bergmann,
MehrStatistischer Ansatz zur Berücksichtigung von Fertigungstoleranzen in der Axialspaltauslegung von Turboverdichtern
Statistischer Ansatz zur Berücksichtigung von Fertigungstoleranzen in der Axialspaltauslegung von Turboverdichtern S. Weihard, A. Hupfer, H.-P. Kau Technische Universität München, Lehrstuhl für Flugantriebe
MehrTiederle. Einsatz der statistischen Versuchsplanung zur Optimierung des Drahtbond Prozesses in der Produktion
Tiederle Einsatz der statistischen Versuchsplanung zur Optimierung des Drahtbond Prozesses in der Produktion Inhaltsanaabe ZUSAMMENFASSUNG 1 1 EI NFÜ H RU NG 3 2 DRAHTBONDPROZEß 13 2.1 PHYSIKALISCH-METALLURGISCHE
MehrBewertungssystem Nachhaltiges Bauen (BNB) Büro- und Verwaltungsgebäude Modul Nutzen + Betreiben
Relevanz und Zielsetzungen Der tatsächliche (gemessene) Energieverbrauch ist ein wichtiger Indikator sowohl für die ökologische Qualität, das heißt die reale und Umweltbelastung, als auch für die ökonomische
MehrBeitragsstruktur Digitale Transformation
Beitragsstruktur Digitale Transformation Einführung in die Thematik Digitale Transformation im Produkt-Engineering (Smart Engineering) Digitale Transformation in der Digitalen Fabrik (Smart Manufacturing)
MehrInhaltsverzeichnis. 4 Statistik Einleitung Wahrscheinlichkeit Verteilungen Grundbegriffe 98
Inhaltsverzeichnis 1 Datenbehandlung und Programmierung 11 1.1 Information 11 1.2 Codierung 13 1.3 Informationsübertragung 17 1.4 Analogsignale - Abtasttheorem 18 1.5 Repräsentation numerischer Daten 20
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrMeyers Handbuch über die Mathematik
Meyers Handbuch über die Mathematik Herausgegeben von Herbert Meschkowski in Zusammenarbeit mit Detlef Laugwitz 2. erweiterte Auflage BIBLIOGRAPHISCHES INSTITUT MANNHEIM/WIEN/ZÜRICH LEXIKONVEK.1AG INHALT
MehrGruppen, Graphen, Symmetrie Was sind negativ gekrümmte Gruppen?
Gruppen, Graphen, Symmetrie Was sind negativ gekrümmte Gruppen? MNU-Landestagung. 02/2012. Regensburg Clara Löh Fakultät für Mathematik. Universität Regensburg Überblick Zwei Paradigmen der modernen (theoretischen)
MehrPassive und aktive Entscheidungen im institutionellen Portfoliomanagement
Wirtschaft Eric Quast Passive und aktive Entscheidungen im institutionellen Portfoliomanagement Diplomarbeit Freie wissenschaftliche Arbeit zur Erlangung des Grades eines Diplom-Kaufmanns Passive und
MehrFault Trees. Überblick. Synonyme für Fehlerbäume. Geschichte Friederike Adler CV 03
Fault Trees Überblick 19.01.2005 Friederike Adler CV 03 2 Geschichte Synonyme für Fehlerbäume entw. vom Japaner Kaoru Ishikawa (1915-1989) während des 2.WK Ishikawa Diagramm Universelle grafische Methode
MehrMonte-Carlo Tests. Diplomarbeit. Wiebke Werft. Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf
Monte-Carlo Tests Diplomarbeit Wiebke Werft Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2003 Betreuung: Prof. Dr. Arnold Janssen Inhaltsverzeichnis Einleitung
Mehr1. Wissenschaftstheoretische Grundlagen Soziologische Theorie als erfahrungswissenschaftliche
1. Wissenschaftstheoretische Grundlagen 1.1. Soziologische Theorie als erfahrungswissenschaftliche Theorie 1.1.1. Was sind keine erfahrungswissenschaftlichen Theorien? Aussagen der Logik und der Mathematik
MehrAussage: richtig falsch
Aufgabe 1: Multiple Choice (10 unkte) Folgende Aussagen sind entweder richtig oder falsch! Kreuzen Sie jeweils direkt hinter der Aussage eines der Kästchen an! Stimmt Ihre Bewertung einer Aussage so gibt
MehrEin 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
MehrWolf-Gert Matthäus. Lösungen für die Statistik mit Excel 97
Wolf-Gert Matthäus Lösungen für die Statistik mit Excel 97 Vorwort 9 Einleitung 11 1 Excel 97 - Zusammenstellung einiger Möglichkeiten 13 1.1 Begriffe und Bedienung 13 1.2 Niveaustufen der Arbeit mit Excel
MehrModell zur Bewertung wohnwirtschaftlicher Immobilien-Portfolios unter Beachtung des Risikos
Stefan Haas Modell zur Bewertung wohnwirtschaftlicher Immobilien-Portfolios unter Beachtung des Risikos Entwicklung eines probabilistischen Bewertungsmodells mit quantitativer Risikomessung als integralem
Mehr2. Mathematik-Schularbeit für die 6. Klasse Autor: Gottfried Gurtner
2. Mathematik-Schularbeit für die 6. Klasse Autor: Gottfried Gurtner Arbeitszeit: 100 Minuten Lernstoff: Mathematische Grundkompetenzen: AG2.1, AG2.2, AG2.3 FA1.1, FA1.5, FA1.6, FA1.7, FA1.9 FA2.1, FA2.2,
MehrITIL. Incident- und Problem- Management in der Anwendung. Uli Manschke Technical Consultant HP OpenView
ITIL Incident- und Problem- in der Anwendung Uli Manschke Technical Consultant HP OpenView 2006 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 203 Stochastische Unabhängigkeit Hans Walser: Modul 203, Stochastische Unabhängigkeit ii Inhalt 1 Bedingte Wahrscheinlichkeit... 1 1.1 Feuermeldeanlage,
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
MehrKapitel VII - Konzentration von Merkmalswerten
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VII - Konzentration von Merkmalswerten Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrMethoden zur Zielfindung
Seite 1 von 6 Einleitung Die meisten Projekte scheitern an unklaren Zielen. Nur wer Ziele hat, kann erfolgreich sein. 1. Was ist ein Ziel? in der Zukunft liegender angestrebter Zustand >> SOLL-Aussage
MehrWärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen
Wärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen Internationale Energiewirtschaftstagung Wien - 12.02.2015 Maike Hasselmann, Simon Döing Einführung Wärmeversorgungsanlagen
MehrLeseprobe. Michael Sachs. Wahrscheinlichkeitsrechnung und Statistik. für Ingenieurstudenten an Fachhochschulen. ISBN (Buch):
Leseprobe Michael Sachs Wahrscheinlichkeitsrechnung und Statistik für Ingenieurstudenten an Fachhochschulen ISBN (Buch): 978-3-446-43797-5 ISBN (E-Book): 978-3-446-43732-6 Weitere Informationen oder Bestellungen
MehrAusarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme
Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,
MehrFrequent Itemset Mining + Association Rule Mining
Frequent Itemset Mining + Association Rule Mining Studiengang Angewandte Mathematik WS 2015/16 Frequent Itemset Mining (FIM) 21.10.2015 2 Einleitung Das Frequent-Itemset-Mining kann als Anfang des modernen,
Mehr1-, 2-, 3D-Modelle: Überblick, Vergleich und Anwendung
Fakultät Informatik > Angewandte Informatik > Technische Informationssysteme Studentischer Vortrag 1-, 2-, 3D-Modelle: Überblick, Vergleich und Anwendung Mai, Tuan Linh Dresden, 17.Jan.2011 Inhalt 1. Motivation
MehrSystemtheorie 1. Einführung Systemtheorie 1 Formale Systeme 1 # WS 2006/2007 Armin Biere JKU Linz Revision: 1.4
Einführung intro 1 Grobklassifizierung r Methoden in der Informatik intro 2 Systemtheorie 1 Systeme 1 #342234 http://fmv.jku.at/fs1 WS 2006/2007 Johannes Kepler Universität Linz, Österreich Univ. Prof.
MehrUNIVERSITÄT DUISBURG - ESSEN Fakultät für Ingenieurwissenschaften, Abt. Maschinenbau, Professur für Steuerung, Regelung und Systemdynamik
Regelungstechnik I (PO95), Regelungstechnik (PO02 Schiffstechnik), Regelungstechnik (Bachelor Wi.-Ing.) (180 Minuten) Seite 1 NAME VORNAME MATRIKEL-NR. Aufgabe 1 (je 2 Punkte) a) Erläutern Sie anhand eines
MehrDie Internationalität von Top-Managern
Tobias Dauth Die Internationalität von Top-Managern Aktienkursreaktionen auf die Benennung internationaler Vorstände und Aufsichtsräte Mit einem Geleitwort von Prof. Dr. Stefan Schmid ü Springer Gabler
MehrNeoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel
Neoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel Dieses Skript ist die allgemeine Basis eines Modells zur Simulation der ökonomischen Folgen technischer
MehrSystemtheorie 1. Formale Systeme 1 # WS 2006/2007 Johannes Kepler Universität Linz, Österreich
Einführung 1 Systemtheorie 1 Formale Systeme 1 #342234 http://fmv.jku.at/fs1 WS 2006/2007 Johannes Kepler Universität Linz, Österreich Univ. Prof. Dr. Armin Biere Institut für Formale Modelle und Verifikation
MehrFachbeitrag zum übergesetzlichen Lärmschutz im Zusammenhang mit dem Ausbau der Schienenanbindung zur FBQ
Fachbeitrag zum übergesetzlichen Lärmschutz im Zusammenhang mit dem Ausbau der Schienenanbindung zur FBQ Christian Popp Hamburg Niedersachsen Untersuchungsleitende Fragen 1. Welche Kriterien und Merkmale
MehrEnsemble-Vorhersage. von Nils Kaiser Seminar Medienmeteorologie im WS 06/07
Ensemble-Vorhersage von Nils Kaiser Seminar Medienmeteorologie im WS 06/07 Was ist die Wettervorhersage? 2 Gliederung 1. Einleitung 2. Numerische Wettervorhersage 3. Erzeugen eines Ensembles 4. Bewertung
MehrDynamische Modelle für chronische psychische Störungen
Zeno Kupper Dynamische Modelle für chronische psychische Störungen PABST SCIENCE PUBLISHERS Lengerich, Berlin, Düsseldorf, Leipzig, Riga, Scottsdale (USA), Wien, Zagreb Inhaltsverzeichnis Einleitung und
MehrAnalysator AutoSPy Zyklusgenaues Monitoring für SIMATIC
Zyklusgenaues Monitoring für SIMATIC Technische Universität Dresden Fakultät Informatik Lehrstuhl für Technische Informationssysteme Inhalt Inhalt Einordnung! Industrielle Automatisierung mit SPS! Was
MehrInhaltsverzeichnis. Geleitwort... VII. Danksagung... XI Zusammenfassung... XIII Abstract... XV Inhaltsverzeichnis... XVII
Inhaltsverzeichnis Geleitwort... VII Danksagung... XI Zusammenfassung... XIII Abstract... XV Inhaltsverzeichnis... XVII 1 Einleitung... 1 1.1 Ausgangslage... 1 1.2 Zielsetzung... 4 1.3 Übersicht über die
MehrDruckluft- und Gasnetze
Druckluft- und Gasnetze Sichere Auslegung von Gasnetzen Minimierung der Betriebs- und Instandhaltungskosten Vergleichmäßigung des Betriebsdruckes Simulation und Berechnung von Gasströmungen in Rohrleitungsnetzen
MehrInhaltsübersicht. Verzeichnisse
Inhaltsübersicht Verzeichnisse I 1 Einleitung 1 1.1 Problemstellung 1 1.2 Zielsetzung 3 1.3 Forschungsfrage 4 1.4 Forschungskonzeption 5 1.5 Struktur der Arbeit 10 2 Grundlagen der Planung in der Auftragsabwicklung
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) Systemanalyse und Modellbildung
MehrDidaktik der Zahlbereichserweiterungen
Jürgen Roth Didaktik der Zahlbereichserweiterungen Modul 5: Fachdidaktische Bereiche Kapitel 5: Reelle Zahlen R 5.1 Didaktik der Zahlbereichserweiterungen 1 Ziele und Inhalte 2 Natürliche Zahlen N 3 Ganze
MehrStatistik I. Hinweise zur Bearbeitung. Aufgabe 1
Statistik I, WS 2002/03, Seite 1 von 7 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
Mehr