Das Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle. Christoph Kugler, Thomas Hochrein 26. Mai 2011
|
|
- Clara Heintze
- vor 6 Jahren
- Abrufe
Transkript
1 Das Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle Christoph Kugler, Thomas Hochrein 26. Mai 2011
2 Das in Echtzeit und inline Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle Christoph Kugler, Thomas Hochrein 26. Mai 2011
3 Inhalt 1. Softsensorik - eine kurze Einführung 2. Motivation: Warum Softsensoren? 3. Realisierung von Softsensoren 4. Typen von Softsensoren 5. Prozessmodelle auf Basis von Softsensoren 6. Prozessanalyse durch Modellierung 7. Zusammenfassung 3
4 Inhalt 1. Softsensorik - eine kurze Einführung 2. Motivation: Warum Softsensoren? 3. Realisierung von Softsensoren 4. Typen von Softsensoren 5. Prozessmodelle auf Basis von Softsensoren 6. Prozessanalyse durch Modellierung 7. Zusammenfassung 4
5 1. Softsensorik - eine kurze Einführung Ziele der Anwender: minimaler Ausschuss optimale Maschinenauslastung maximale Qualität bei minimalen Kosten wirtschaftliche Produktion 5
6 1. Softsensorik - eine kurze Einführung Qualität und Effizienz muss inline, in Echtzeit erfasst werden. Messtechnik klassische Messtechnik nicht ausreichend für komplexe Kenngrößen komplexe Messtechnik zu teuer und kompliziert Softsensorik 6
7 1. Softsensorik - eine kurze Einführung bekannte Softsensoren Quelle: Gneuß Quelle: Dynisco Temperatursensor Drucksensor Was wird wirklich gemessen? 7
8 1. Softsensorik - eine kurze Einführung bekannte Softsensoren Elektrisches Signal aus einer Widerstands- oder Spannungsänderung... Quelle: Gneuß Temperatursensor... wird in ein Temperatursignal mit Hilfe einer Kalibrierung umgerechnet. 8
9 1. Softsensorik - eine kurze Einführung bekannte Softsensoren Elektrisches Signal aus einer Widerstandsänderung (DMS) wird in ein Drucksignal mit Hilfe einer Kalibrierung umgerechnet. Drucksensor Quelle: Dynisco 9
10 1. Softsensorik - eine kurze Einführung Quelle: Gneuß Quelle: Dynisco Temperatursensor Drucksensor Softsensoren messen nicht direkt. Sie berechnen aus gegebenen Messgrößen die gewünschten Ausgangsgrößen durch vorher generierte mathematische Modelle. 10
11 Inhalt 1. Softsensorik - eine kurze Einführung 2. Motivation: Warum Softsensoren? 3. Realisierung von Softsensoren 4. Typen von Softsensoren 5. Prozessmodelle auf Basis von Softsensoren 6. Prozessanalyse durch Modellierung 7. Zusammenfassung 11
12 2. Motivation: Warum Softsensoren? Motivation: viele inline nicht zugängliche Messgrößen viele in Echtzeit nicht zugängliche Messgrößen große Anzahl an Einflussgrößen (nicht alle werden gemessen) komplexe Prozesse, analytische Herleitung oft nicht möglich Realisierbarkeit: vielfältige Hardware-Sensoren mit schnellem Ansprechverhalten verfügbar integrierte Messtechnik kann weiter verwendet werden Anwendungen in der chemischen Industrie und Energieerzeugung theoretisch jede in-, on-, at-, offline messbare Größe vorhersagbar 12
13 Inhalt 1. Softsensorik - eine kurze Einführung 2. Motivation: Warum Softsensoren? 3. Realisierung von Softsensoren 4. Typen von Softsensoren 5. Prozessmodelle auf Basis von Softsensoren 6. Prozessanalyse durch Modellierung 7. Zusammenfassung 13
14 3. Realisierung von Softsensoren Ziele bei der Sensorentwicklung: Prozessoptimierung Echtzeit-Feedback Realisierung durch Softsensoren Voraussetzungen zur Entwicklung von Softsensoren: Hardwaresensoren vorhanden (lückenlose) Aufzeichnung von Prozessdaten QS-Daten zur Modellierung verfügbar Abhängigkeit zwischen Messgröße und Ausgabegröße 14
15 3. Realisierung von Softsensoren Hardware Sensoren Quelle: ABB Kein Softsensor ohne Hardwaresensoren! Quelle: Keyence Softsensor Kennwert 1 Quelle: Janitza Kennwert 2 Quelle: Gneuß Quelle: Fujitsu 15
16 Inhalt 1. Softsensorik - eine kurze Einführung 2. Motivation: Warum Softsensoren? 3. Realisierung von Softsensoren 4. Typen von Softsensoren 5. Prozessmodelle auf Basis von Softsensoren 6. Prozessanalyse durch Modellierung 7. Zusammenfassung 16
17 4. Typen von Softsensoren Softsensor rigorose Modellierung statistische Regressionsverfahren (Chemometrie) künstliche neuronale Netze Quelle: Fujitsu 17
18 4. Typen von Softsensoren Softsensor rigorose Modellierung statistische Regressionsverfahren (Chemometrie) künstliche neuronale Netze Quelle: Fujitsu exakte Beschreibung mit Naturgesetzen nötign bei hoher Komplexität t nicht anwendbar meist nur Näherungen N möglichm 18
19 4. Typen von Softsensoren Beispiel für f r rigorose Modellierung: Polyesterherstellung im Batch Reaktor [Fis05] 19
20 4. Typen von Softsensoren Softsensor rigorose Modellierung statistische Regressionsverfahren (Chemometrie) künstliche neuronale Netze Quelle: Fujitsu exakte Beschreibung mit Naturgesetzen nötign bei hoher Komplexität t nicht anwendbar meist nur Näherungen N möglichm 20
21 4. Typen von Softsensoren Softsensor rigorose Modellierung statistische Regressionsverfahren (Chemometrie) künstliche neuronale Netze Quelle: Fujitsu lineare Gleichungen Anpassung der freien Parameter Expertenwissen für f r statistische Verfahren notwendig 21
22 4. Typen von Softsensoren Beispiel für f r statistische Regressionserfahren: Vorhersage des E-Moduls aus FT-NIR Daten der Schmelze mit einem Chemometrie-Softsensor [Las10] 22
23 4. Typen von Softsensoren Softsensor rigorose Modellierung statistische Regressionsverfahren (Chemometrie) künstliche neuronale Netze Quelle: Fujitsu lineare Gleichungen Anpassung der freien Parameter Expertenwissen für f r statistische Verfahren notwendig 23
24 4. Typen von Softsensoren Softsensor rigorose Modellierung statistische Regressionsverfahren (Chemometrie) künstliche neuronale Netze Quelle: Fujitsu Struktur vom Nervensystem abgeleitet komplexe Algorithmen und Gleichungen große e Anzahl an Datensätzen tzen nötign nur Aussagen im geg. Wertebereich möglichm 24
25 4. Typen von Softsensoren Beispiel für f r künstliche k neuronale Netze: Vorhersage des MFI aus Prozessdaten bei der reaktiven Polypropylen Produktion [Yia04] 25
26 4. Typen von Softsensoren Beispiel für f r künstliche k neuronale Netze: Vorhersage des Schmelzeflusses beim Füllen einer Kavität im Spritzguß [Che04] 26
27 4. Typen von Softsensoren Beispiel für f r künstliche k neuronale Netze: Vorhersage des Schmelzeflusses beim Füllen einer Kavität im Spritzguß Generalisierung! [Che04] 27
28 4. Typen von Softsensoren Softsensor rigorose Modellierung statistische Regressionsverfahren (Chemometrie) künstliche neuronale Netze Quelle: Fujitsu Struktur vom Nervensystem abgeleitet komplexe Algorithmen und Gleichungen große e Anzahl an Datensätzen tzen nötig n nur Aussagen im geg. Wertebereich möglich m 28
29 Inhalt 1. Softsensorik - eine kurze Einführung 2. Motivation: Warum Softsensoren? 3. Realisierung von Softsensoren 4. Typen von Softsensoren 5. Prozessmodelle auf Basis von Softsensoren 6. Prozessanalyse durch Modellierung 7. Zusammenfassung 29
30 5. Prozessmodelle auf Basis von Softsensoren Softsensoren benötigen Modelle, erstellt aus realen Messwerten. Modell des Prozesses Beinhaltet Informationen über die Abhängigkeiten der Prozessgrößen voneinander. Modell auf der Basis von Messwerten kann zum besseren Verständnis des Prozesses dienen! 30
31 Inhalt 1. Softsensorik - eine kurze Einführung 2. Motivation: Warum Softsensoren? 3. Realisierung von Softsensoren 4. Typen von Softsensoren 5. Prozessmodelle auf Basis von Softsensoren 6. Prozessanalyse durch Modellierung 7. Zusammenfassung 31
32 6. Prozessanalyse durch Modellierung Anhand der erstellten Modelle lassen sich verschiedene Rückschlüsse über den Prozess ziehen: 32
33 6. Prozessanalyse durch Modellierung 33
34 6. Prozessanalyse durch Modellierung 34
35 Inhalt 1. Softsensorik - eine kurze Einführung 2. Motivation: Warum Softsensoren? 3. Realisierung von Softsensoren 4. Typen von Softsensoren 5. Prozessmodelle auf Basis von Softsensoren 6. Prozessanalyse durch Modellierung 7. Zusammenfassung 35
36 7. Zusammenfassung Vorteile von Softsensoren: Softsensoren benötigen keine zusätzliche Sensorinfrastruktur. Die Ermittlung der Messwerte erfolgt in Echtzeit. Zusätzliche Ausgangskenngrößen ohne zusätzliche Hardware möglich. Softsensoren machen auch komplexe Kenngrößen zugänglich. Softsensoren können Sensordrift und Sensorfehler erkennen. Rückschlüsse auf die Qualität der Ausgangsmaterialien möglich. Modelle geben ein weiter gehendes und tieferes Verständnis des Prozesses. 36
37 Vielen Dank für Ihr Interesse! Ihr Ansprechpartner bei Fragen Christoph Kugler Messtechnik Friedrich-Bergius-Ring Würzburg Tel: Fax:
38 Literaturverweise [Fis05] Fischer, I.: Modellierung, Simulation und Optimierung eines Batch- Polymerisationsprozesses, Doktorarbeit, Fakultät für Umweltwissenschaften und Verfahrenstechnik, Brandenburgische Technische Universität Cottbus, 2005 [Las10] Laske, S. et al.: Real-time characterization of polypropylene nanocomposites in a corotating twin screw extruder, ANTEC, 2010 [Yia04] Yiagopoulos, T.; Schmidt, C.-U.; Maselli, E.: Development of a Softsensor for On-Line MFI Monitoring in Reactive Polypropylene Extrusion, DECHEMA Monographs 138, Wiley-VCH, Weinheim, 2004 [Che04] Chen, X.; Gao, F.; Chen, G.: A soft-sensor development for melt-flow-length measurement during injection mold filling, Material Science and Engineering A 384, ,
Modellbasierte prädiktive Regelung
Modellbasierte prädiktive Regelung Eine Einführung für Ingenieure von Rainer Dittmar und Bernd-Markus Pfeiffer Oldenbourg Verlag München Wien 1 Einführung 1 1.1 Entwicklung der Prozessführung im gegenwärtigen
MehrZeitsynchronisation von Echtzeitmessungen verschiedener Signalquellen für Hardware in the Loop Testverfahren
Zeitsynchronisation von Echtzeitmessungen verschiedener Signalquellen für Hardware in the Loop Testverfahren Florian Spiteller, Kristian Trenkel Echtzeit 2014 20.11.2014 Gliederung I. Einführung II. Messen
MehrSo viel wie möglich Extremwertaufgaben aus Geometrie
So viel wie möglich Extremwertaufgaben aus Geometrie Andreas Ulovec 1 Einführung Die meisten Leute sind mit Extremwertaufgaben vertraut: Was ist das flächengrößte Dreieck, das man in einen Kreis einschreiben
MehrSystematische Optimierungsverfahren verbessern mit geringem Aufwand Prozesse und Produkte
Systematische Optimierungsverfahren verbessern mit geringem Aufwand Prozesse und Produkte - Eine phänomenologische Darstellung der statistischen Versuchsplanung - Sie kennen das Problem: Ihr komplexer
MehrVom virtuellen Prototyp zum digitalen Zwilling
Vom virtuellen Prototyp zum digitalen Zwilling Dr. Markus Schörgenhumer Area Mechanics and Control markus.schoergenhumer@lcm.at Seite 1 Inhaltsüberblick Einführung Modellbasierte Entwicklung und virtuelle
MehrFachgruppe Informatik. Anwendungsfächer. im Bachelor-Studiengang Informatik. Fachstudienberatung Bachelor Informatik Dr.
Fachgruppe Informatik in der Fakultät für Mathematik, Informatik und Naturwissenschaften der RWTH Aachen Einführungsveranstaltung zur Wahl der Anwendungsfächer im Bachelor-Studiengang Informatik Fachstudienberatung
MehrMathematiker als Beruf - Was ist das? Jahrestreffen von Alumni, Studierenden und Dozenten 24. November 2012
Mathematiker als Beruf - Was ist das? Jahrestreffen von Alumni, Studierenden und Dozenten 24. November 2012 FCE Portfolio Kompetenzen Mathematische Modellierung industrieller Prozesse Mathematische Statistik
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
MehrNeuronale Kodierung sensorischer Reize. Computational Neuroscience Jutta Kretzberg
Neuronale Kodierung sensorischer Reize Computational Neuroscience 30.10.2006 Jutta Kretzberg (Vorläufiges) Vorlesungsprogramm 23.10.06!! Motivation 30.10.06!! Neuronale Kodierung sensorischer Reize 06.11.06!!
MehrEmpfängeruhrmodellierung in GNSS: Auswirkungen und Realisierbarkeit
Empfängeruhrmodellierung in GNSS: Auswirkungen und Realisierbarkeit i it Ulrich Weinbach, ib Steffen Schön Institut für Erdmessung Motivation GNSS sind Einweg-Messverfahren. Problem der Zeitsynchronisation
Mehr1. Einführung Das physikalische Phänomen Historische Bemerkungen Osmose und Osmometrie 15
Inhaltsverzeichnis 1. Einführung 11 1.1 Das physikalische Phänomen 13 1.2 Historische Bemerkungen 14 1.3 Osmose und Osmometrie 15 1.4 Der kolloidosmotische Druck und die Onkometrie 17 1.5 Der kolloidosmotische
MehrAufnahme und Auswertung von Basismessungen niederfrequenter Wechselstromgeoelektrik in der Archäometrie
Aufnahme und Auswertung von Basismessungen niederfrequenter Wechselstromgeoelektrik in der Archäometrie Von der Gemeinsamen Naturwissenschaftlichen Fakultät der Technischen Universität Carolo-Wilhelmina
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
MehrPRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 03 Kraft- und Druckmessung
1 Fachbereich: Fachgebiet: Maschinenbau Mess-, Steuerungs- und Regelungstechnik Prof. Dr.-Ing. habil. Michael Kaufmann PRAKTIKUM Grundlagen der Messtechnik VERSUCH GMT 03 Kraft- und Druckmessung Version
MehrProf. Dr.-Ing. Christopher Bode. Finite-Elemente-Methode
Prof. Dr.-Ing. Christopher Bode Finite-Elemente-Methode Kapitel 1: Einleitung BEUTH Hochschule für Technik Berlin Prof. Dr.-Ing. C. Bode 2 Was ist FEM? Die FEM ist ein mathematisches Verfahren zur Lösung
MehrModellbildung und Simulation
Modellbildung und Simulation Wintersemester 2007/2008 Klaus Kasper Praktikum Mittwochs: 10:15 13:30 (Y) Start: 24.10.2007 Ort: D15/202 Donnerstags: 14:15 17:30 (X) Start: 25.10.2007 Ort: D15/102 Zulassungsvoraussetzung
MehrKlausurtermine Technische Informatik Frühjahr 2017 Stand: Änderungen sind rot markiert
Klausurtermine Technische Informatik Frühjahr 2017 Stand: 19.10.2016 Änderungen sind rot markiert Wochentag Prüfungstermin: Prüfungsbezeichnung: Raum/Räume: Semester Montag 06.02.2017 08.00-10.00 Mathematik
MehrBeschleunigte Entwicklung und Prüfung von BMS durch Einsatz einer HIL-Umgebung
Beschleunigte Entwicklung und Prüfung von BMS durch Einsatz einer HIL-Umgebung CAE-Forum Hannover Messe 2017 Dipl.-Wirtsch.-Ing. C. Kettenring Dipl.-Ing. M. Puchta Dr. rer. nat. M. Schwalm Hardware in
MehrAnhang 2 Bestimmung von Messunsicherheiten
Anhang 2 Bestimmung von Messunsicherheiten Jede Messung ist unvollkommen und kann daher nicht den wahren Wert der gesuchten Messgröße, sondern nur einen mehr oder weniger genauen Näherungswert liefern,
MehrEigenverbrauch und elektrische Speicher
Eigenverbrauch und elektrische Speicher Quelle: Tesla Motors, Sonnen Batterie, SMA, Energy Depot Ausgangssituation Energieerzeugung Energieverbrauch W 0 6 12 18 24 06.05.2015 2 Typischer Haushalt-Stromverbrauch
MehrErweiterte Messunsicherheit
Erweiterte Messunsicherheit Gerd Wübbeler, Stephan Mieke PTB, 8.4 Berechnung der Messunsicherheit Empfehlungen für die Praxis Berlin, 11. und 12. März 2014 Gliederung 1. Was gibt die erweiterte Messunsicherheit
MehrRegelung eines inversen Pendels
Regelung eines inversen Pendels Dr.-Ing. Michael Buchholz 29.10.2010 Institut für Mess-, Regel- und Mikrotechnik NI Dozenten- und Ausbildertag 2010 Fürstenfeldbruck Seite 2 Anwendungsgebiete in der Forschung
MehrModellgestützte Analyse und Optimierung eines komplexen, nichtlinearen bioverfahrenstechnischen Prozesses zur Produktion von Biotensiden
Modellgestützte Analyse und Optimierung eines komplexen, nichtlinearen bioverfahrenstechnischen Prozesses zur Produktion von Biotensiden Christian Kühnert, Dr. Thomas Bernard, Fraunhofer IOSB, Karlsruhe
MehrTechnische Universität Dresden. Beiträge zur Berechnung bewegungsabhängiger Kenngrößen von Mobilfunknetzen. Mathias Schweigel
Technische Universität Dresden Beiträge zur Berechnung bewegungsabhängiger Kenngrößen von Mobilfunknetzen Mathias Schweigel von der Fakultät Elektrotechnik und Informationstechnik der Technischen Universität
MehrEinführung in die Theorie der Messfehler
Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer
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:
MehrSimulation als epistemologische Grundlage für intelligente Roboter
1 Simulation als epistemologische Grundlage für intelligente Roboter Andreas Tolk The MITRE Corporation Umut Durak Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Public Release No. 17-0085 2017 The
MehrModul 16980, Anwendungsfach. Peter Scheurich, Institut für Zellbiologie und Immunologie. Peter Scheurich (IZI)
Modul 16980, Anwendungsfach Biologische Systeme Peter Scheurich, Institut für Zellbiologie und Immunologie Peter Scheurich (IZI) 21-06-2010 1 Einordnung des Anwendungsfachs 'Biologische Systeme' in die
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)
MehrEinführung in die Fuzzy Logik
Einführung in die Fuzzy Logik Einleitung und Motivation Unscharfe Mengen fuzzy sets Zugehörigkeitsfunktionen Logische Operatoren IF-THEN-Regel Entscheidungsfindung mit dem Fuzzy Inferenz-System Schlußbemerkungen
Mehr22. September Zukünftige Entwicklungen im Precision Farming. Prof. Dr. Hans W. Griepentrog
22. September 2016 Zukünftige Entwicklungen im Precision Farming Hans Eisenmann-Zentrum, 7. Agrarwissenschaftliches Symposium Digitale Landwirtschaft - Big Data - Smart Data - Datenmanagement Prof. Dr.
MehrMeasurement of the Thermophysical Properties of Phase Change Materials using Laser Flash
Analyzing & Testing Business Unit Measurement of the Thermophysical Properties of Phase Change Materials using Laser Flash Dr. A. Lindemann, Dr. J. Blumm NETZSCH-Gerätebau GmbH Wittelsbacherstr. 42 95100
MehrStudienplan für den Masterstudiengang Energietechnik Stand: Studienplan für den Masterstudiengang. Energietechnik
Studienplan für den Masterstudiengang Energietechnik an der Fakultät für Ingenieurwissenschaften der Universität Bayreuth Seite 1/5 Pflichtbereich SAP Modul Simulation und Analyse energietechnischer Prozesse
MehrDas Smart Energy Projekt ie-services Verbund-Forschungsförderung
Das Smart Energy Projekt ie-services Verbund-Forschungsförderung Projektleiter & Data Scientist Alexander.Fritz@olt-dss.com www.omegalambdatec.com 2. Münchner Kompetenzrunde Smart Data 23. Februar 2017
MehrSensorsimulation in Hardware in the Loop-Anwendungen
Sensorsimulation in Hardware in the Loop-Anwendungen Kristian Trenkel, Florian Spiteller Echtzeit 2014 20.11.2014 Gliederung I. Einführung II. Problemstellung III. Anforderungen an eine Sensorsimulation
MehrSystemtheorie für Informatiker
Systemtheorie für Informatiker Dr. Ch. Grimm Professur Technische Informatik, Univ. Frankfurt/Main Vorlesung Systemtheorie Vorlesung: Übung: Veranstalter: Dr. Christoph Grimm Professur Technische Informatik
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
MehrGermany s next Simulation Model Besser automatisieren in der Prozesstechnik
Hochschule für Technik, Wirtschaft und Kultur Leipzig Leipzig University of Applied Sciences Germany s next Simulation Model Besser automatisieren in der Prozesstechnik Tag der Wissenschaft 08. Juni 2016
MehrGerätetechnisches Praktikum: Leichtbau
Gerätetechnisches Praktikum: Leichtbau LEICHTBAUPROFILE Universität der Bundeswehr München Fakultät für Luft- und Raumfahrttechnik Institut für Leichtbau Prof.Dr.-Ing. H. Rapp Stand: 14. Januar 2011 Gerätetechnisches
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
MehrLernJob Naturwissenschaften - Physik Wie funktioniert ein Foliendrucksensor?
LernJob Naturwissenschaften - Physik Wie funktioniert ein Foliendrucksensor? Lernbereich: Kräfte als Modell zur Erklärung und Vorhersage von Kraftwikungen benutzen Zeitrichtwert: 90 Minuten Index: BGY
MehrProgrammiertechnik II
Analyse von Algorithmen Algorithmenentwurf Algorithmen sind oft Teil einer größeren Anwendung operieren auf Daten der Anwendung, sollen aber unabhängig von konkreten Typen sein Darstellung der Algorithmen
MehrWozu brauchen wir theoretische Physik? Ziele der Physik
Wozu brauchen wir theoretische Physik? Wolfgang Kinzel Lehrstuhl für theoretische Physik III Universität Würzburg Ziele der Physik Die Physik sucht nach allgemeinen Naturgesetzen. Sie möchte die Natur
MehrComputational Neuroscience
Computational Neuroscience Vorlesung WS 2005/2006 Josef Ammermüller Jutta Kretzberg http://www.uni-oldenburg.de/sinnesphysiologie/ 14508.html Begriffsdefinitionen Computational Neuroscience Churchland
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
MehrAusgewählte Referenzen Einführung eines MES/CAQ-Systems im Turbomaschinenbau
Ausgewählte Referenzen Einführung eines MES/CAQ-Systems im Turbomaschinenbau Bildquelle: Siemens Energy Optimierte IT-Systeme für hohe Effizienz Analyse der Fertigungs- und QS-Prozesse am gesamten Standort
MehrMONITOR-1 Monitoring von Mischwasserüberläufen und betroffenen Gewässern. Pascale ROUAULT
MONITOR-1 Monitoring von Mischwasserüberläufen und betroffenen Gewässern Pascale ROUAULT Ziele MONITOR-1 Detaillierte Vorbereitung eines parallelen Monitorings an Mischwasserüberläufen und im Gewässer
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
MehrInhalt. 1. Einführung in die Informatik. 2. Algorithmen Definition, Eigenschaften, Entwurf Darstellung von Algorithmen Beispiele.
1. Einführung in die Informatik Inhalt 2. Algorithmen Definition, Eigenschaften, Entwurf Darstellung von Algorithmen Beispiele Peter Sobe 1 Einführende Beispiele 2. Algorithmen Täglich werden Verarbeitungsvorschriften
MehrSeminare & Workshops
HBM academy Seminare & Workshops Österreich, Frühjahr 2017 DMS SPANNUNG WÄGETECHNIK SENSOR MESSTECHNIK MECHANIK Seminare & Workshops Dienstag, 28.2.2017 ganztägig Dehnungsmessstreifen-Grundlagen mit Workshop
MehrModellbildung und Simulation
Modellbildung und Simulation 6. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Gaußdichte Gaußdichte der Normalverteilung: f ( x) = 1 2π σ x e 2 2 x ( x µ ) / 2σ x Gaußdichte der Standardnormalverteilung:
MehrBedeutung der Kalibration in der Prozessmesstechnik
Bedeutung der Kalibration in der Prozessmesstechnik Alle Prozessmessgeräte basieren auf Sensoren, die einen physikalischen oder chemischen Effekt in ein elektrisches Signal wandeln. Der proportionale Zusammenhang
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrBig Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion
Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion Frank Effenberger, Marco Fischer, 22.06.2015, München Agenda Firmenpräsentation Einführung Anwendungsfall Fazit Zahlen und
MehrInverse Kinematik am Robotersimulationsprogramm
Inverse Kinematik am Robotersimulationsprogramm EASY-ROB Problemstellung Kinematiken in EASY-ROB Vorwärtstransformation Inverse Transformation Numerisches Lösungsverfahren zur inversen Transformation Kombination
MehrMETTLER TOLEDO Prozessanalytik. Online-Prozessund Reinwassersysteme. Leitfaden für Online-Leitfähigkeitsmessungen Theorie und Praxis
Leitfaden Schulexperimente Leitfähigkeit METTLER TOLEDO Prozessanalytik Online-Prozessund Reinwassersysteme Leitfaden für Online-Leitfähigkeitsmessungen Theorie und Praxis Inhaltsverzeichnis 1 Einleitung
MehrEchtzeitnahe Koordination des Offshore-Transports. Oldenburg,
Echtzeitnahe Koordination des Offshore-Transports Oldenburg, 23.02.2016 MOTIVATION DES PROJEKTS Bis 2030 rund 2.500 OWEA Großteil des Jahres kein Überstieg von CTV auf Anlage möglich, bedingt durch den
MehrQualitätssicherung beim Spritzgießen Regelung von Prozessgrößen zur Steigerung der Qualitätskonstanz
Qualitätssicherung beim Spritzgießen Regelung von Prozessgrößen zur Steigerung der Qualitätskonstanz Dipl.-Ing. Andreas Schreiber Institut für Kunststoffverarbeitung an der RWTH Aachen 24. April 2009 Gliederung
MehrC1/4 - 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
MehrInhaltsverzeichnis. Vorwort. 1 Einführung in die multivariate Datenanalyse 1
V Inhaltsverzeichnis Vorwort XI 1 Einführung in die multivariate Datenanalyse 1 1.1 Was ist multivariate Datenanalyse? 1 1.2 Datensätze in der multivariaten Datenanalyse 4 1.3 Ziele der multivariaten Datenanalyse
MehrHKS-Prozesstechnik GmbH
HKS-Prozesstechnik GmbH Prozessüberwachung beim Schweißen Messgeräte in der Schweißtechnik erfüllen verschiedene Aufgaben: Erstellen von Prüf- und Verfahrensanweisungen Kontrolle, ob Parameter eingehalten
MehrEinführung in CAE-Systeme
Einführung in CAE-Systeme Dipl.-Ing. Mark Müller 1 Inhalt 1. Motivation für CAE-Werkzeuge 2. Modellierung technischer Prozesse 3. Übersicht über CAE-Simulationssysteme Kommerzielle Programme Freeware 4.
MehrWas ist Informatik? Alexander Lange
Was ist Informatik? Was ist Informatik? Alexander Lange 12.11.2003 Was ist Informatik? Inhalt 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Das Wort»Informatik«Die Idee Teilgebiete der Informatik Technische Informatik
MehrEntwicklung spezieller Lösungen für die Messtechnik. Schallgeschwindigkeits-, Viskositäts- und Leitfähigkeitsmessungen an Polymer - Dispersionen
Mess - und Analysentechnik Dr. Dinger Entwicklung spezieller Lösungen für die Messtechnik Applikationsberatung und technische Untersuchungen MAT Dr. Dinger Ludwig-Erhard-Strasse 12 34131 Kassel Vertrieb
MehrProzessidentifikation mit Sprungantworten
Fakultät Informatik, Institut für angewandte Informatik, Professur für technische Informationssysteme Hauptseminar Technische Informationssysteme Dresden, 27. April 2012 Überblick 1. Motivation und Begriffe
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
MehrSchool of Engineering Institut für Angewandte Mathematik und Physik (IAMP)
School of Engineering Institut für Angewandte Mathematik und Physik (IAMP) Zürcher Fachhochschule www.iamp.zhaw.ch Forschung & Entwicklung P1 P1-A S1 S2 P2 P1-B P2-A O1 O2 O3 2oo3 P2-B Institut für Angewandte
MehrErweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells
Erweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells Sebastian Wildfeuer Parameteridentifikation > 23. September 2008 > Folie 1 Themenübersicht Ausgangssituation,
MehrIn Kooperation mit. Erfassung, Analyse und Dokumentation von Prozessdaten DataXplorer. Engineering Passion
In Kooperation mit Erfassung, Analyse und Dokumentation von Prozessdaten Engineering Passion Erfassung, Analyse und Dokumentation von Prozessdaten Einblick in alles Alle prozess- und bauteilqualitätsrelevante
Mehr1 Grundbegriffe der Messtechnik 1
1 Grundbegriffe der Messtechnik 1 1.1 Definitionen 1 1.2 Art des Messens 3 1.3 Messsysteme 4 1.4 Messverfahren 6 1.4.1 Messmethoden 6 1.4.2 Messeffekt 8 1.5 Funktionselemente von Messeinrichtungen 9 1.6
MehrSeminar VSP Stephan Müller Makroskopische Verkehrsmodellierung mit der Einflussgröße Telematik. Stephan Müller
www.dlr.de Folie 1 Seminar VSP Stephan Müller 07.6.2012 Makroskopische Verkehrsmodellierung mit der Einflussgröße Telematik Stephan Müller www.dlr.de Folie 2 Seminar VSP Stephan Müller 07.6.2012 Inhalt
MehrSimulationsgestützte tzte Auslegung von Lineardirektantrieben mit MAXWELL, SIMPLORER und ANSYS. Matthias Ulmer, Universität Stuttgart
Simulationsgestützte tzte Auslegung von Lineardirektantrieben mit MAXWELL, SIMPLORER und ANSYS Matthias Ulmer, Universität Stuttgart Gliederung 1. Motivation und Zielsetzung 2. Elektrodynamische Lineardirektantriebe
Mehr3. Übung zur Vorlesung Steuer- und Regelungstechnik
3. Übung zur Vorlesung Steuer- und Regelungstechnik Linearisierung Felix Goßmann M.Sc. Institut für Steuer- und Regelungstechnik Fakultät für Luft- und Raumfahrttechnik Universität der Bundeswehr München
MehrFehler- und Ausgleichsrechnung
Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt
MehrKleines Handbuch Neuronale Netze
Norbert Hoffmann Kleines Handbuch Neuronale Netze Anwendungsorientiertes Wissen zum Lernen und Nachschlagen - vieweg INHALTSVERZEICHNIS 1 Einleitung, 1.1 Begriff des neuronalen Netzes 1 11.1 Neurophysiologie
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
MehrVortrag Iterative Prozessmodelle/SCRUM
Vortrag Iterative Prozessmodelle/SCRUM von Marcus Hörger 1 Übersicht Einleitung Prozess Der Software-Entwicklungsprozess Prozessmodelle Lineare Prozessmodelle Das Phasenmodell Iterative Prozessmodelle
MehrSpezifischer elektrischer Widerstand und TK R -Wert von Leiter- und Widerstandswerkstoffen
Fachbereich 1 Laborpraktikum Physikalische Messtechnik/ Werkstofftechnik Spezifischer elektrischer Widerstand und TK R -Wert von Leiter- und Widerstandswerkstoffen Bearbeitet von Herrn M. Sc. Christof
MehrMeßtechnik. Armin Schöne. Springer-Verlag. Berlin Heidelberg NewYork London Paris Tokyo HongKong Barcelona Budapest. Mit 184 Abbildungen. ' '.
Armin Schöne Meßtechnik Mit 184 Abbildungen ' '. c, f. '; '' '*' "' Springer-Verlag Berlin Heidelberg NewYork London Paris Tokyo HongKong Barcelona Budapest Inhaltsverzeichnis Einführung 1 1.1 Die Meßaufgabe
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
MehrSTUDIENGANG INFORMATIK IN DER FAKULTÄT TECHNIK (TI)
STUDIENGANG INFORMATIK IN DER FAKULTÄT TECHNIK (TI) Informationstechnik (TIT) Mobile Informatik (TIM) IT Security (TIS) Stand: 07/2017 www.ravensburg.dhbw.de STUDIENGANG INFORMATIK Studienangebote Studiengang
MehrAktivierungsenergie und TK R -Wert von Halbleiterwerkstoffen
Fachbereich 1 Laborpraktikum Physikalische Messtechnik/ Werkstofftechnik Aktivierungsenergie und TK R -Wert von Halbleiterwerkstoffen Bearbeitet von Herrn M. Sc. Christof Schultz christof.schultz@htw-berlin.de
MehrVerifikation und Validierung im wissenschaftlichen Rechnen
Verifikation und Validierung im wissenschaftlichen Rechnen Sandra Schröder Arbeitsbereich Wissenschaftliches Rechnen Fachbereich Informatik Fakultät für Mathematik, Informatik und Naturwissenschaften Universität
MehrVertiefungsrichtung Produktionstechnik
Vertiefungsrichtung Produktionstechnik Prof. Dr.-Ing. habil. Volker Schulze wbk des Karlsruher Instituts für Technologie (KIT) KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
MehrHochschule für angewandte Wissenschaften Hamburg, Department F + F
1 Versuchsdurchführung 1.1 Bestimmung des Widerstands eines Dehnungsmessstreifens 1.1.1 Messung mit industriellen Messgeräten Der Widerstandswert R 0 eines der 4 auf dem zunächst unbelasteten Biegebalken
MehrKurzvorstellung Messmöglichkeiten mit 4a impetus P. Reithofer, M. Rollant, A. Fertschej (4a engineering GmbH)
Kurzvorstellung Messmöglichkeiten mit 4a impetus P. Reithofer, M. Rollant, A. Fertschej (4a engineering GmbH) Workshop Kunststoffe, Filderstadt 24. September 2013 1 Inhalt Einleitung Messtechnik Software
MehrVTAD Award 2017 Detlev Matthes
VTAD Award 2017 Detlev Matthes Begriff Key-Performance-Indikator (KPI) Schlüsselkennzahlen Wirtschaft: Betriebliche Kenngrößen Softwareentwicklung: Qualität von Softwaremodulen Darstellung komplexer Zusammenhänge
MehrBiotechnologie und chemische Verfahrenstechnik
Studienplan für den Masterstudiengang Biotechnologie und chemische Verfahrenstechnik mit den Vertiefungsrichtungen Chemische Verfahrenstechnik, Bioinspirierte Materialien und Bioprozesstechnik an der Fakultät
MehrTIVITA Tissue. » High Performance Hyperspectral Imaging Kontinuierliche Echtzeit VIS/NIR Hyperspektrale Kamera. » Datenblatt
» High Performance Hyperspectral Imaging Kontinuierliche Echtzeit VIS/NIR Hyperspektrale Kamera» Datenblatt www.diaspective-vision.com 1 NICHTINVASIVE ERFASSUNG VON GEWEBEOXYGENIERUNG, NIR-PERFUSION, GEWEBE-
MehrHajo Normann HP. Transparenz durch lebendige EA-Modelle
Konferenz Hajo Normann HP Transparenz durch lebendige EA-Modelle Vom Dashboard zum Prozess-Cockpit: Wo ist der Herdschalter??? Einga ng 11 http://www.claresco.de/images/pages/03_5_branchenloesungen.jpg
MehrErmittlung von aerodynamischen Beiwerten eines PV-Solar-Tracker-Modells im Windkanal
Ermittlung von aerodynamischen Beiwerten eines PV-Solar-Tracker-Modells im Windkanal LWS-TN-10_74 ASOLT1 Florian Zenger, B.Eng. Prof. Dr.-Ing. Stephan Lämmlein Labor Windkanal/Strömungsmesstechnik Hochschule
MehrRegelungs-und Steuerungstechnik
Modul: Labor und Statistik OPTIMIERUNG M.SC.KRUBAJINI KRISHNAPILLAI; PROF.DR.ROBBY ANDERSSON Regelungs-und Steuerungstechnik Optimierung Regelungs-und Steuerungstechnik Inhaltsverzeichnis Einleitung Grundlagen
MehrAnalytische Chemie (für Biol. / Pharm. Wiss.)
Analytische Chemie (für Biol. / Pharm. Wiss.) Teil: Trenntechniken (Chromatographie, Elektrophorese) Dr. Martin Pabst HCI D323 Martin.pabst@org.chem.ethz.ch http://www.analytik.ethz.ch/ ETH Zurich Dr.
MehrRegionale Vorhersage der PV-Leistung zur Netzintegration von Solarstrom
Regionale Vorhersage der PV-Leistung zur Netzintegration von Solarstrom Elke Lorenz Thomas Scheidtsteger, Detlev Heinemann Universität Oldenburg 7.4.2011, 2. Fachtagung Energiemeteorologie, Bremerhaven
MehrNebenfach Mathematik im Informatik-Studium. Martin Gugat FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26.
Nebenfach Mathematik im Informatik-Studium Martin Gugat martin.gugat@fau.de FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26. Oktober 2016 Motivation Die rigorose Analyse von Algorithmen erfordert
MehrPhysikalisch-Technische Bundesanstalt
Physikalisch-Technische Bundesanstalt Mechanik und Akustik PTB-MA-77 Braunschweig, Januar 2006 Oliver Mack Verhalten piezoelektrischer Kraftaufnehmer unter Wirkung mechanischer Einflussgrößen Von der Fakultät
MehrMesstechnik Neth GmbH
Messtechnik Neth GmbH Konstruktion und verschiedene Möglichkeiten der CAD- Modellerstellung Copyright Messtechnik Neth GmbH 04.03.2016 Inhaltsverzeichnis 1. Begriffserklärung Reverse Engineering 2. Mögliche
MehrPraktikum Grundlagen der Elektrotechnik
Praktikum Grundlagen der Elektrotechnik 1. Versuch GET : Schaltverhalten an und 2. Standort Helmholtzbau H 2546 und 2548 Fakultät für Elektrotechnik und Informationstechnik Institut für Informationstechnik
Mehr