Data Mining zur Prozessoptimierung
|
|
- Anke Küchler
- vor 8 Jahren
- Abrufe
Transkript
1 Data Mining zur Prozessoptimierung Dr. Michael Heizmann Dipl.-Ing. Christian Kühnert Dr. Thomas Bernard VDI-Fachtagung Prüfprozessmanagement im Fahrzeug- und Maschinenbau 2012 Leonberg, Datengrab oder Goldgrube Steigerung der Prozess-Effizienz und Produktqualität mit Data- Mining-Methoden Data Mining: aus einem Datenberg etwas Wertvolles extrahieren 2 Fraunhofer IOSB 10/2012 1
2 Überblick Motivation: Wozu Data Mining im Produktionsumfeld? Lösungskonzept: Merkmalsgewinnung Merkmalsselektion Erstellung eines datengetriebenen Prozessmodells Anwendungsbeispiel: Optimierung der Anfahrphase eines Batchprozesses Weitere Anwendungsmöglichkeiten 3 Fraunhofer IOSB 10/2012 Motivation: Wozu Data Mining im Produktionsumfeld? Zunahme des Automatisierungsgrads und der Komplexität von Produktionsprozessen Dadurch für den Anlagenfahrer nur noch schwer überschaubare Prozesse Optimierung auch bei instationären Prozessphasen erforderlich Bisher meist Prozessüberwachung und -optimierung auf Grundlage physikalischer Modelle und Expertenwissen: Nicht immer mit hinreichender Güte möglich (z.b. bei nichtlinearen Prozessen oder Materialeigenschaften, zeitvariantem Systemverhalten) Zeitaufwendig und kostenintensiv 4 Fraunhofer IOSB 10/2012 2
3 Motivation: Wozu Data Mining im Produktionsumfeld? Zunahme der Verfügbarkeit von Produkt- und Prozessdaten (aufgrund des zunehmenden Automatisierungsgrades) Sensor-, Qualitäts- und Anlagendaten müssten eigentlich die interessierenden Informationen über den Prozess enthalten Sichtung und Interpretation der Daten durch den Menschen allerdings nur bei einfachen Zusammenhängen zuverlässig möglich Erfahrung am IOSB: Gesammelte Daten werden im Produktionsumfeld nicht systematisch ausgewertet und zur Prozess- und Produktoptimierung genutzt momentan eher Datengrab statt Goldgrube 5 Fraunhofer IOSB 10/2012 Data Mining im Produktionsumfeld... kann unterstützen bei: Prozessführung und -optimierung Prozessüberwachung, Condition Monitoring Qualitätsüberwachung und -management Analyse von Key Performance Indices (KPIs) Versuchsplanung Produktdesign Produktionsplanung und Fertigungssteuerung Stammdatenmanagement Instandhaltungsmanagement Variantenmanagement... 6 Fraunhofer IOSB 10/2012 3
4 Grundgedanken Zusammenhang zwischen Prozessgrößen (z.b. Stell-, Regel-, Messgrößen, Materialparameter, Konfigurationen) und Produkteigenschaften bzw. Prozessgüte ist in den verfügbaren Daten enthalten Aufgabe des Data Mining: Einflüsse von Prozessparametern auf Produkteigenschaften erkennen und modellieren Ziel (Bsp. verfahrenstechnische Batch-Prozesse): Optimierung in Anfahrphase und bei Lastwechsel, Unterdrückung von Störeinflüssen Zusammenhang? Prozess-Parameter Maschinenparameter Regelungsparameter Rezepte... Produktionsprozess Produkt-Eigenschaften Qualität Kosten Ressourcenverbrauch... 7 Fraunhofer IOSB 10/2012 Data Mining in der Automatisierungstechnik State of the art: Umfassende Sensorik Anlagenüberwachung Regelungstechnik Analytische Modelle Data Mining dagegen bisher nur schwach verbreitet Fraunhofer-Projekt ProDaMi Data Mining im Produktionsumfeld: Methoden: Datenvorverarbeitung, Merkmalsgewinnung, Klassifikation, Visualisierung ProDaMi DaMi Flexible Software-Module zu Sensordatengewinnung und -vorverarbeitung, Merkmalsgewinnung, Klassifikation, Modellgenerierung, Condition Monitoring Einsatzszenarien: Stückgutprozesse, verfahrenstechnische Prozesse, Anlagen für unterschiedliche Aufgaben (z.b. Windenergieanlagen) 8 Fraunhofer IOSB 10/2012 4
5 Workflow im Data Mining Fayyad 1996: Knowledge Discovery in Databases Integration von Expertenwissen Integration von physikalischem Wissen 9 Fraunhofer IOSB 10/2012 Data-Mining-Ansatz zur Prozessoptimierung Grundlage: archivierte Prozessgrößen (Zeitreihen) und Güteindizes für den Prozess Güteindizes: Bewertungsmaße für Produktqualität und -quantität, Ausschussrate, Material- und Rohstoffverbrauch, Kosten etc. Vorverarbeitung der Prozessdaten und Merkmalserzeugung Selektion relevanter (informationstragender) : Reduktion der Datenmenge durch Beschränkung auf signifikante Details Generierung eines Prozessmodells: Zusammenhang zwischen relevanten n und Güteindizes Verwendung des Modells zur Optimierung der relevanten und damit der Prozessgrößen Optimierung offline und online Vorverarbeitung und Merkmalsextraktion Merkmalsranking Datengetriebenes Modell Optimierung der Güteindizes Prozessdaten, Zeitreihen Merkmalspool relevante Güteindizes optimale Merkmalswerte 10 Fraunhofer IOSB 10/2012 5
6 Lösungskonzept Einlernphase: Generierung datengetriebener Modelle aus historischen Prozessdaten Mehrere Modelle für instationäre Prozesse (z.b. An-/Abfahren, Dauerbetrieb, Phasen in einem Batchprozess, Zeitpunkte im Prozessablauf) Nutzung dieser offline generierten Modelle zur Online-Prädiktion der Prozessgüte: Auswahl des passenden Modells (je nach Prozessphase) Verarbeitung der Prozessdaten zu n, Merkmalsreduktion Frühzeitige Erkennung von Prozessveränderungen oder einer drohenden Prozessverschlechterung: Online-Monitoring aktuelle Prozessgrößen Vorverarbeitung, Merkmalsextraktion, Selektion Modell 1 Modellselektion Modell 2 relevante Modell n Prognose der Güteindizes 11 Fraunhofer IOSB 10/2012 Merkmalsgewinnung (I) Ziel: Gewinnung möglichst niederdimensionaler informationstragender Zeitreihen: hochdimensional, daher schon aufgrund der Datenmenge nicht direkt zur Prozessoptimierung verwendbar Auswahl der so, dass Information über Prozess erhalten bleibt Verwendung von Vorwissen: Sicherstellung, dass relevante Information in den n enthalten ist Im Zweifelsfall eher Merkmal zu viel verwenden, Elimination redundanter Information erfolgt später (bei der Merkmalsselektion und Modellbildung) Merkmalsextraktion Vorverarbeitung Erzeugung zusätzlicher Daten Segmentierung Merkmalsberechnung Ausreißerunterdrückung Prozessdaten 12 Fraunhofer IOSB 10/2012 6
7 Merkmalsgewinnung (II) Vorverarbeitung: Entfernen von offensichtlich fehlerhaften Daten und Ausreißern, Resampling Erzeugung zusätzlicher Daten: Ableitungen, Kombinationen, Transformationen, Berücksichtigung bekannter physikalischer Zusammenhänge Segmentierung: zeitliche Gliederung, z.b. ausgehend von lokalen Extremwerten Merkmalsberechnung: z.b. Extremwerte, Ableitungen, Wertekombinationen, Eigenschaften im Frequenzbereich/Skalenraum usw. Ausreißerunterdrückung: Elimination unplausibler Werte Merkmalsextraktion Vorverarbeitung Erzeugung zusätzlicher Daten Segmentierung Merkmalsberechnung Ausreißerunterdrückung Prozessdaten 13 Fraunhofer IOSB 10/2012 Merkmalsselektion (I) Nach Merkmalsgewinnung: mehrere Standard- für die einzelnen Prozessgrößen Umfangreicher Merkmalsdatensatz mit redundanter Information Daher Vorselektion der vor der Modellerzeugung Abschätzung der Relevanz der durch informationstheoretische Maße: Kriterien zur Beurteilung von Wahrscheinlichkeitsverteilungen, hier verwendet zur Entscheidung, ob ein Merkmal zur Modellbildung verwendet werden soll Bewertung der Relevanz eines Merkmals und der Redundanz zwischen n: Transinformation zwischen Größen x 1 und x 2 : p x x I x ; x :, log p x1, x2 p x 1 2 D.h. je mehr die Größen x 1 und x 2 miteinander zusammenhängen, desto größer ist I(x 1 ;x 2 ) p x 14 Fraunhofer IOSB 10/2012 7
8 Merkmalsselektion (II) Daraus Relevanz des Merkmals m i bzgl. des Güteindex g j : Redundanz des Merkmals m i : i j I mi g j D m; g : ; max i i j R m : max I m ; m für alle i j min Selektion der relevanten durch Definition von Grenzen für minimale Relevanz und maximale Redundanz, ggf. Division oder Subtraktion von D und M 15 Fraunhofer IOSB 10/2012 Erstellung des Prozessmodells (I) Modellierung des Prozessverhaltens mittels Verfahren des maschinellen Lernens Verfahren zur Modellierung linearen und nichtlinearen Prozessverhaltens Beispiele für lineare Verfahren: Diskriminanz- oder Varianz-Analyse (zur Findung und Bewertung passender linearer Merkmalskombinationen) Reale Industrieprozesse: häufig nichtlinear (z.b. aufgrund Strahlung, Materialeigenschaften) oder zeitvariant (z.b. aufgrund Drift, bei Batchprozessen) Hier: Anwendung von Support Vector Machines (SVMs) zur Modellbildung und Merkmalsselektion: Modellierung auch nichtlinearer Prozesse mittels Kernelfunktionen Weitere Merkmalsreduktion während der Modellbildung: Herausgreifen einer Untermenge aus den verfügbaren n, die den Prozess möglichst vollständig, aber kompakt beschreibt Merkmalsreduktion erfolgt bei SVMs implizit bei der Modellerstellung 16 Fraunhofer IOSB 10/2012 8
9 Erstellung des Prozessmodells (II) Prozessdaten Hier: Modellerstellung mittels Support Vector Machines zur Regression (SVR) Ablauf: Initialisierung: Kernelfunktion: Gauß-Kernel Hyperparameter: eher unkritisch Merkmalsranking und -selektion mittels Leaveone-out-Fehler und rückwärtsgerichtetem Greedy-Algorithmus Modellerstellung Initialisierung Kernenfunktion Hyperparameter Optimierung Modellparameter Merkmalsranking Merkmalsselektion SVR-Modell und 17 Fraunhofer IOSB 10/2012 Erstellung des Prozessmodells (III) Optimierung der Modellparameter der SVR mit vollständigem Merkmalssatz Auslassen jeweils eines Merkmals und Bestimmung der Modellparameter der SVR Bestimmung des Anteils dieses Merkmals am Ergebnis der Optimierung Merkmalsranking: Sortierung der entsprechend ihrer Signifikanz Auswahl des optimalen Merkmalsraums Iterative Optimierung (bis Modellparameter und Merkmalsraum sich nicht mehr signifikant ändern) Zwar keine Garantie für Finden des globalen Optimums, aber bewährte Vorgehensweise mit praxistauglichen Ergebnissen Modellerstellung Initialisierung Kernenfunktion Hyperparameter Optimierung Modellparameter Merkmalsranking Prozessdaten Merkmalsselektion SVR-Modell und 18 Fraunhofer IOSB 10/2012 9
10 Anwendungsbeispiel: Glasziehprozess Fertigung von Quarzglasstäben bzw. -röhren Glas Vorprodukt für Lichtwellenleiter Hohe Qualitätsanforderungen Physikalisch motivierte Modelle: Modellbildung erschwert durch empirisch zu ermittelnde stark nichtlineare und variierende Materialeigenschaften, Zeitvarianz (z.b. durch Ablagerungen im Ofen) Modelle liegen vor, bieten aber keine ausreichende Genauigkeit, v.a. nicht in transienten Zuständen (Anfahren, Schweißstelle, Abfahren) Datenbasierte Prozessoptimierung Ofen 19 Fraunhofer IOSB 10/2012 Glasziehprozess: Optimierung der Anfahrphase Problem in Anfahrphase: Störungen durch Schweißstelle zwischen Gutmaterial und Ansatzstück, variierende Eigenschaften der Schweißstelle für jede Produktion Ziel: Optimale Temperaturführung Einfluss der Schweißstelle minimieren Schnelles Erreichen des Durchmesser-Sollwertes Glas Ofen Sollwert Schweißstelle gezogene Masse 20 Fraunhofer IOSB 10/
11 Glasziehprozess: Merkmalsgewinnung und -ranking Finden relevanter in Zeitreihen durch automatisiertes Merkmalsranking Beispiel: 21 Fraunhofer IOSB 10/2012 Glasziehprozess: Optimale Temperaturführung Relevante : Zeitliche Ableitung und Fluktuation der Rohrtemperatur in einem bestimmten Zeitintervall während der Anfahrphase (Austritt Schweißstelle aus dem Ofen) Gütekriterium Optimum Sollwert schneller erreicht 22 Fraunhofer IOSB 10/
12 Monitoring von kontinuierlichen Prozessen (I) Ziel: Sofortige Erkennung von Störungen bzw. Anomalien Operator sieht meist nur aktuelle Zeitverläufe Lernen von Normalzuständen bzw. Prozessphasen aus Messdaten 23 Fraunhofer IOSB 10/2012 Monitoring von kontinuierlichen Prozessen (II) Schnelle Erkennung von Störungen als Abweichungen vom Normalzustand Industrielle Anwendungen u.a. in der verfahrenstechnischen Industrie Prozessdatenverlauf Quantisierungsfehlerverlauf Ausfall einer Komponente Darstellung des Prozesszustands als Self-Organizing Map 24 Fraunhofer IOSB 10/
13 Monitoring der Qualität von Trinkwasser Ziel: Sichere Detektion toxischer Stoffe in Trinkwassernetzen bei geringer Falschalarmrate Anlernen des Normalzustands aus Messdaten Schnelle Erkennung von Anomalien Eingesetzt im Sensorsystem AquaBioTox 25 Fraunhofer IOSB 10/2012 Monitoring von Windkraftanlagen Ziel: Frühzeitige Erkennung von Getriebeschäden (sonst droht Totalausfall) Anlernen des Normalzustands aus Messdaten der Anlage 26 Fraunhofer IOSB 10/
14 Kennwerte-/Fehlerkorrelationen in Fertigungsprozessen Beispiel: Automobil-Produktion Kennwerte-Diagnose und -Prognose: Findung der Ursachen für eine Veränderung der Güteindizes Vorhersage eines möglichen Kennwerteeinbruchs bei Variation von Eingangsgrößen Fehlerkorrelation: Ermittlung von Fehlerkombinationen und zeitlichen Relationen in komplexen Montageprozessen 27 Fraunhofer IOSB 10/2012 Zusammenfassung Erstellung und Anwendung von datengetriebenen Modellen für die Prozessoptimierung und -überwachung Nutzung von Prozessdaten, die oft bereits für die Überwachung und Dokumentation erhoben werden Hohes Potenzial besonders bei Prozessen, deren physikalische Modellierung schwierig ist Sorgfalt erforderlich bei Datengewinnung Merkmalsextraktion Modellerstellung Aktuelle Forschung: Erlernen kausaler Zusammenhänge aus Messdaten Vielen Dank für Ihr Interesse! 28 Fraunhofer IOSB 10/
15 Generierung und Aktualisierung von Fertigungsstammdaten Fertigungsstammdaten beschreiben Eigenschaften und Abhängigkeiten von Maschinen, Materialien, Personal, Werkzeugen, Produkten, Prozessen Sind in der Praxis oftmals fehlerhaft Planung und Optimierung erschwert Ziel: Generierung und Aktualisierung von Fertigungsstammdaten aus Produktionsdaten Beispiel: Platinenbestückung 29 Fraunhofer IOSB 10/
Data Mining im Produktionsumfeld
Data Mining im Produktionsumfeld Dr. Thomas Bernard Fraunhofer-Symposium Netzwert 2011 München, 28./29.11.2011 Datengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden
MehrQualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden
Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden Dr. Thomas Bernard 6. Karlsruher Automations-Treff (KAT) Leit- und Automatisierungstechnik der Zukunft Karlsruhe,
MehrDatengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden
Datengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden Dr. Thomas Bernard Fraunhofer-Institut für Systemtechnik, Optronik und Bildauswertung Karlsruhe HANNOVER
MehrData Mining zur Prozessoptimierung
Data Mining zur Prozessoptimierung Dr.-Ing. M. Heizmann, Dipl.-Ing. C. Kühnert, Dr.-Ing. T. Bernard, Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, Fraunhoferstraße 1, 76131 Karlsruhe
MehrOnline-Monitoring der Prozessgüte komplexer Batchprozesse mittels informationstheoretischer Maße und Support Vector Machines
Online-Monitoring der Prozessgüte komplexer Batchprozesse mittels informationstheoretischer Maße und Support Vector Machines Christian Kühnert, Thomas Bernard Fraunhofer-Institut für Optronik, Systemtechnik
MehrOnline-Monitoring und Prädiktion der Prozessgüte komplexer Batchprozesse
Online-Monitoring und Prädiktion der Prozessgüte komplexer Batchprozesse Christian Kühnert, Thomas Bernard Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung (IOSB), Karlsruhe Expertenforum
MehrEntwicklung von Visualisierungskomponenten
Entwicklung von Visualisierungskomponenten Das Assistenzsystem proknows, das am Fraunhofer Institut in Lemgo entwickelt wird, ermöglicht neben der Durchführung verschiedener Assistenzfunktionen wie der
MehrGrundlagen für den erfolgreichen Einstieg in das Business Process Management SHD Professional Service
Grundlagen für den erfolgreichen Einstieg in das Business Process Management SHD Professional Service Der BPM-Regelkreis Im Mittelpunkt dieser Übersicht steht die konkrete Vorgehensweise bei der Einführung
MehrIntegration mit. Wie AristaFlow Sie in Ihrem Unternehmen unterstützen kann, zeigen wir Ihnen am nachfolgenden Beispiel einer Support-Anfrage.
Integration mit Die Integration der AristaFlow Business Process Management Suite (BPM) mit dem Enterprise Information Management System FILERO (EIMS) bildet die optimale Basis für flexible Optimierung
MehrMicrosoft Office Visio 2007 Infotag SemTalk Thema: Prozessmodellierung
Microsoft Office Visio 2007 Infotag SemTalk Thema: Prozessmodellierung Dr.-Ing. Frauke Weichhardt, Semtation GmbH Christian Fillies, Semtation GmbH Claus Quast, Microsoft Deutschland GmbH Prozessmodellierung
MehrProzessoptimierung in der Einzelteilproduktion
Michael Ristau Prozessoptimierung in der Einzelteilproduktion Diplomica Verlag Michael Ristau Prozessoptimierung in der Einzelteilproduktion ISBN: 978-3-8428-1586-5 Herstellung: Diplomica Verlag GmbH,
MehrVorgaben der DIN ISO 13528 Statistische Verfahren für Eignungsprüfungen durch Ringversuche
Konsens- oder Referenzwerte in Ringversuchen Möglichkeiten und Grenzen Dr.-Ing. Michael Koch Institut für Siedlungswasserbau, Wassergüte und Abfallwirtschaft der Universität Stuttgart Arbeitsbereich Hydrochemie
Mehr----------------------------------------------------------------------------------------------------------------------------------------
0 Seite 0 von 20 03.02.2015 1 Ergebnisse der BSO Studie: Trends und Innovationen im Business Performance Management (BPM) bessere Steuerung des Geschäfts durch BPM. Bei dieser BSO Studie wurden 175 CEOs,
MehrReporting Services und SharePoint 2010 Teil 1
Reporting Services und SharePoint 2010 Teil 1 Abstract Bei der Verwendung der Reporting Services in Zusammenhang mit SharePoint 2010 stellt sich immer wieder die Frage bei der Installation: Wo und Wie?
MehrEchtzeitanomalieerkennung für Internetdienste (Abschlussvortrag)
Lehrstuhl für Netzarchitekturen und Netzdienste Institut für Informatik Technische Universität München Echtzeitanomalieerkennung für Internetdienste (Abschlussvortrag) Markus Sieber Betreuer: Ali Fessi,
MehrML-Werkzeuge und ihre Anwendung
Kleine Einführung: und ihre Anwendung martin.loesch@kit.edu (0721) 608 45944 Motivation Einsatz von maschinellem Lernen erfordert durchdachtes Vorgehen Programmieren grundlegender Verfahren aufwändig fehlerträchtig
MehrData Mining-Projekte
Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein
MehrIndustrie 4.0 in Deutschland
Foto: Kzenon /Fotolia.com Industrie 4.0 in Deutschland Dr. Tim Jeske innteract-conference Chemnitz, 07.05.2015 Entwicklung der Produktion Komplexität Quelle: Siemens in Anlehnung an DFKI 2011 07.05.2015
MehrProDaMi Entscheidungsunterstützung im Produktionsumfeld mit Data- Mining-Werkzeugen
ProDaMi Entscheidungsunterstützung im Produktionsumfeld mit Data- Mining-Werkzeugen Dr. Thomas Bernard, Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, Karlsruhe Stichworte Data
MehrIshikawa-Diagramm. 1 Fallbeispiel 2. 2 Was ist ein Ishikawa-Diagramm 2. 3 Vorgehen bei der Erstellung eines Ishikawa-Diagramms 2.
Ishikawa-Diagramm 1 Fallbeispiel 2 2 Was ist ein Ishikawa-Diagramm 2 3 Vorgehen bei der Erstellung eines Ishikawa-Diagramms 2 4 Vorteile 5 5 Nachteile 5 6 Fazit 5 7 Literaturverzeichnis 6 1 Fallbeispiel
MehrHohe Wachstumsraten für ISRA Systeme im Automotive- und im Assembly-Bereich
3D Machine Vision sorgt für höchste Produktivität Hohe Wachstumsraten für ISRA Systeme im Automotive- und im Assembly-Bereich Bei der Produktion hochwertiger Fahrzeuge sowie in Montageprozessen kommt es
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrStuPro-Seminar Dokumentation in der Software-Wartung. StuPro-Seminar Probleme und Schwierigkeiten in der Software-Wartung.
StuPro-Seminar Dokumentation in der Software-Wartung StuPro-Seminar Probleme und Schwierigkeiten in der Software-Wartung Folie 1/xx Software-Wartung: theoretisch Ausgangslage eigentlich simpel: fertige
Mehr23.11.2012. Monitoring Systeme. Monitoring Systeme SUNNY HOME MANAGER SOLAR-LOG
Monitoring Systeme Monitoring Systeme SUNNY HOME MANAGER SOLAR-LOG 1 Übersicht höhere Rendite und schnellere Amortisation der PV-Anlage bis zu 10 Prozent weniger Stromverbrauch automatische Nutzung günstiger
MehrUmfrage Aktuell Neukundengewinnung und Lead Management in mittelständischen Unternehmen: Status quo, Chancen und Potentiale.
Neukundengewinnung und Lead Management in mittelständischen Unternehmen: Status quo, Chancen und Potentiale. Seite 1 Ergebnisse Lead Management - aber bitte mit Strategie! Lead Management B2B Thema Nr.1
MehrPresseinformation. Ihre Maschine spricht! Mai 2015. GLAESS Software & Automation Wir machen industrielle Optimierung möglich.
Presseinformation Mai 2015 GLAESS Software & Ihre Maschine spricht! Wäre es nicht hilfreich, wenn Maschinen zu uns sprechen könnten? Natürlich nicht immer aber immer dann, wenn etwas Entscheidendes passiert.
MehrDeutschland-Check Nr. 35
Beschäftigung älterer Arbeitnehmer Ergebnisse des IW-Unternehmervotums Bericht der IW Consult GmbH Köln, 13. Dezember 2012 Institut der deutschen Wirtschaft Köln Consult GmbH Konrad-Adenauer-Ufer 21 50668
MehrAgile Vorgehensmodelle in der Softwareentwicklung: Scrum
C A R L V O N O S S I E T Z K Y Agile Vorgehensmodelle in der Softwareentwicklung: Scrum Johannes Diemke Vortrag im Rahmen der Projektgruppe Oldenburger Robot Soccer Team im Wintersemester 2009/2010 Was
MehrData Mining als Arbeitsprozess
Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining
Mehrtoolwear Die Verbindung aller Systemwelten
toolwear Die Verbindung aller Systemwelten toolwear schlägt als erstes Programm seiner Art die Brücke zwischen den unterschiedlichsten Rechnersystemen. toolwear ist ein branchenneutrales Produkt. Systemarchitekturen
MehrProjektarbeit/SHK-Tätigkeit: Entwicklung graphischer Visualisierungskomponenten
Projektarbeit/SHK-Tätigkeit: Entwicklung graphischer Visualisierungskomponenten Das Assistenzsystem proknows, das am Fraunhofer Institut in Lemgo entwickelt wird, ermöglicht neben der Durchführung verschiedener
MehrPresseinformation. Wir bewegen Ihre Produktion! Mai 2015. GLAESS Software & Automation Wir machen industrielle Optimierung möglich.
Presseinformation Mai 2015 GLAESS Software & Wir bewegen Ihre Produktion! Anlagenprogrammierung, Leitsystem, BDE und SCADA sind wichtige Bausteine in der industriellen Automatisierung. Je größer und mächtiger
MehrOUTSOURCING ADVISOR. Analyse von SW-Anwendungen und IT-Dienstleistungen auf ihre Global Sourcing Eignung. Bewertung von Dienstleistern und Standorten
Outsourcing Advisor Bewerten Sie Ihre Unternehmensanwendungen auf Global Sourcing Eignung, Wirtschaftlichkeit und wählen Sie den idealen Dienstleister aus. OUTSOURCING ADVISOR Der Outsourcing Advisor ist
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrAPTs: Sind gezielte Angriffe normal? Jürgen Eckel Eckel.J@ikarus.at Helene Hochrieser Hochrieser.H@ikarus.at
APTs: Sind gezielte Angriffe normal? Jürgen Eckel Eckel.J@ikarus.at Helene Hochrieser Hochrieser.H@ikarus.at Welche Anomalien können gefunden werden? Wie lässt sich anormales Verhalten extrahieren? Zeithorizont
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrTechnical Note 0302 ewon
Technical Note 0302 ewon Variablen (Tags) aus einer Rockwell Automation Steuerung auslesen - 1 - Inhaltsverzeichnis 1 Allgemeines... 3 1.1 Information... 3 1.2 Hinweis... 3 2 Allen Bradley MicroLogix...
MehrData Mining für die industrielle Praxis
Data Mining für die industrielle Praxis von Ralf Otte, Viktor Otte, Volker Kaiser 1. Auflage Hanser München 2004 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 22465 0 Zu Leseprobe schnell und
MehrBesondere Rechtsvorschriften für die Fortbildungsprüfung Berater/-in für Elektromobilität (HWK)
Besondere Rechtsvorschriften für die Fortbildungsprüfung Berater/-in für Elektromobilität (HWK) Aufgrund der Beschlüsse des Berufsbildungsausschusses vom 18. September 2014 und der Vollversammlung vom
MehrRessourceneinsatzplanung in der Fertigung
Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Ressourceneinsatzplanung in der Fertigung Dr. Christoph Laroque Sommersemester 2012 Dresden, Ressourceneinsatzplanung
MehrTISIS - Industrie 4.0. Ereignis, Ort, Datum
- Industrie 4.0 Ereignis, Ort, Datum TISIS Software Die vollständige Maschinen- Software wird als Option für die gesamte Tornos Produktpalette angeboten Sie ermöglicht es Ihnen, Ihre Maschine zu programmieren
MehrI P A S M M D Innovative Software zur Prozessoptimierung. Prozessoptimierung durch Mensch-Maschine-Diagramm
I P A S M M D Innovative Software zur Prozessoptimierung Prozessoptimierung durch Mensch-Maschine-Diagramm Interaktive Fallbeispiele und weitere Informationen unter: www.mitterhauser.com Optimierung durch
MehrIndustrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit
Eckard Eberle, CEO Industrial Automation Systems Industrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit siemens.com/answers Industrie 4.0 Was ist das? Der zeitliche Ablauf der industriellen Revolution
MehrDie Online-Meetings bei den Anonymen Alkoholikern. zum Thema. Online - Meetings. Eine neue Form der Selbsthilfe?
Die Online-Meetings bei den Anonymen Alkoholikern zum Thema Online - Meetings Eine neue Form der Selbsthilfe? Informationsverhalten von jungen Menschen (Quelle: FAZ.NET vom 2.7.2010). Erfahrungen können
MehrGeFüGe Instrument I07 Mitarbeiterbefragung Arbeitsfähigkeit Stand: 31.07.2006
GeFüGe Instrument I07 Stand: 31.07.2006 Inhaltsverzeichnis STICHWORT:... 3 KURZBESCHREIBUNG:... 3 EINSATZBEREICH:... 3 AUFWAND:... 3 HINWEISE ZUR EINFÜHRUNG:... 3 INTEGRATION GESUNDHEITSFÖRDERLICHKEIT:...
MehrDeutsches Forschungsnetz
Deutsches Forschungsnetz Verfügbarkeit des DFNInternet-Dienstes Christian Grimm 52. DFN-Betriebstagung 2./3. März 2010, Berlin Hintergrund Monitoring im X-WiN Orientierung an den klassischen Dienstgüteparametern
MehrKonfiguration einer Sparkassen-Chipkarte in StarMoney
Konfiguration einer Sparkassen-Chipkarte in StarMoney In dieser Anleitung möchten wir Ihnen die Kontoeinrichtung in StarMoney anhand einer vorliegenden Sparkassen-Chipkarte erklären. Die Screenshots in
MehrGRS SIGNUM Product-Lifecycle-Management
GRS SIGNUM Product-Lifecycle-Management Das optionale Modul Product-Lifecycle-Management stellt eine mächtige Ergänzung zum Modul Forschung & Entwicklung dar. Folgende Punkte werden dabei abgedeckt: Definition
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrDas System für Ihr Mitarbeitergespräche
Das System für Ihr Mitarbeitergespräche Effektive Hilfe für alle Beteiligten Für die Personalabteilung bietet die Software ein intuitives Steuerungsinstrument. Übersichtliche Darstellungen geben jederzeit
MehrCheckliste zur qualitativen Nutzenbewertung
Checkliste zur qualitativen Nutzenbewertung Herausgeber Pentadoc Consulting AG Messeturm Friedrich-Ebert-Anlage 49 60308 Frankfurt am Main Tel +49 (0)69 509 56-54 07 Fax +49 (0)69 509 56-55 73 E-Mail info@pentadoc.com
Mehrintelligent control of production processes
intelligent control of production processes Konzept zur intelligenten Produktionssteuerung Verwaltung der Ressourcen Material bzw. Energie Equipment Personal Modellierung des Prozesses Physikalische Beziehungen
MehrVerpasst der Mittelstand den Zug?
Industrie 4.0: Verpasst der Mittelstand den Zug? SCHÜTTGUT Dortmund 2015 5.11.2015 Ergebnisse einer aktuellen Studie der Technischen Hochschule Mittelhessen 1 Industrie 4.0 im Mittelstand Ergebnisse einer
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrDie Software für Visualisierung und Analyse von Strukturinformationen aus EDM- und PDM-Systemen.
Die Software für Visualisierung und Analyse von Strukturinformationen aus EDM- und PDM-Systemen. : Der Markt verändert sich bei der Produktentwicklung. Kürzere Entwicklungszeiten, umfangreichere Produktspektren
MehrDAUERHAFTE ÄNDERUNG VON SCHRIFTART, SCHRIFTGRÖßE
DAUERHAFTE ÄNDERUNG VON SCHRIFTART, SCHRIFTGRÖßE UND ZEILENABSTAND Word 2010 und 2007 Jedes neue leere Dokument, das mit Word 2010 erstellt wird, basiert auf einer Dokumentvorlage mit dem Namen Normal.dotx.
MehrAlignment-Verfahren zum Vergleich biologischer Sequenzen
zum Vergleich biologischer Sequenzen Hans-Joachim Böckenhauer Dennis Komm Volkshochschule Zürich. April Ein biologisches Problem Fragestellung Finde eine Methode zum Vergleich von DNA-Molekülen oder Proteinen
MehrÜbung 5 : G = Wärmeflussdichte [Watt/m 2 ] c = spezifische Wärmekapazität k = Wärmeleitfähigkeit = *p*c = Wärmediffusität
Übung 5 : Theorie : In einem Boden finden immer Temperaturausgleichsprozesse statt. Der Wärmestrom läßt sich in eine vertikale und horizontale Komponente einteilen. Wir betrachten hier den Wärmestrom in
MehrSession 8: Projektvorstellung Transferprojekt itsowl-tt-savez 18. August 2015, Gütersloh. www.its-owl.de
Session 8: Projektvorstellung Transferprojekt itsowl-tt-savez 18. August 2015, Gütersloh www.its-owl.de Agenda Abschlusspräsentation itsowl-tt-savez Einführung Zielsetzung Ergebnisse Resümee und Ausblick
MehrOptische Analyse der Schaumstruktur zur Optimierung von PUR-Systemen und zur Prozesskontrolle
Optische Analyse der Schaumstruktur zur Optimierung von PUR-Systemen und zur Prozesskontrolle Dirk Wehowsky, Getzner Werkstoffe GmbH 23.11.05 KTWE / Wed 1 Gliederung Motivation Optische Messtechnik Strukturmerkmale
MehrUmgang mit der Software ebuddy Ändern von IP Adresse, Firmware und erstellen von Backups von ewon Geräten.
ewon - Technical Note Nr. 001 Version 1.3 Umgang mit der Software ebuddy Ändern von IP Adresse, Firmware und erstellen von Backups von ewon Geräten. 19.10.2006/SI Übersicht: 1. Thema 2. Benötigte Komponenten
MehrMehrWert durch IT. REALTECH Assessment Services für SAP Kosten und Performance Optimierung durch Marktvergleich
MehrWert durch IT REALTECH Assessment Services für SAP Kosten und Performance Optimierung durch Marktvergleich REALTECH Consulting GmbH Hinrich Mielke Andreas Holy 09.10.2014 Unschärfen bei typischem Benchmarking
MehrBesondere Rechtsvorschriften für die Fortbildungsprüfung zum Berater/ zur Beraterin für Elektromobilität (HWK)
Besondere Rechtsvorschriften für die Fortbildungsprüfung zum Berater/ zur Beraterin für Elektromobilität (HWK) Aufgrund des Beschlusses des Berufsbildungsausschusses vom 4. Mai 2015 und der Vollversammlung
MehrAuswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0
Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0??? Curt Ronniger 2007 Bei Neueinstieg in das Programm, sollte zunächst die Dokumentation XSelDoE10.pdf gelesen werden.
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrDer Navigator für Ihr IPO.Log-Pilotprojekt.
LOG Interaktive Linienaustaktung und Logistikplanung. Effizienz, die sichtbar wird. Der Navigator für Ihr IPO.Log-Pilotprojekt. Effizienz, die sichtbar wird. IPO.Log kann in allen industriellen Produktionsbereichen
MehrSudoku-Informatik oder wie man als Informatiker Logikrätsel löst
Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Peter Becker Hochschule Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@h-brs.de Kurzvorlesung am Studieninformationstag, 13.05.2009
Mehrgallestro BPM - weit mehr als malen...
Ob gallestro das richtige Tool für Ihr Unternehmen ist, können wir ohne weitere rmationen nicht beurteilen und lassen hier die Frage offen. In dieser rmationsreihe möchten wir Ihre Entscheidungsfindung
MehrPredictive Modeling Markup Language. Thomas Morandell
Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML
MehrPRAKTIKUM Experimentelle Prozeßanalyse 2. VERSUCH AS-PA-2 "Methoden der Modellbildung statischer Systeme" Teil 2 (für ausgewählte Masterstudiengänge)
FACHGEBIET Systemanalyse PRAKTIKUM Experimentelle Prozeßanalyse 2 VERSUCH AS-PA-2 "Methoden der Modellbildung statischer Systeme" Teil 2 (für ausgewählte Masterstudiengänge) Verantw. Hochschullehrer: Prof.
MehrData Mining mit RapidMiner
Motivation Data Mining mit RapidMiner CRISP: DM-Prozess besteht aus unterschiedlichen Teilaufgaben Datenvorverarbeitung spielt wichtige Rolle im DM-Prozess Systematische Evaluationen erfordern flexible
MehrProzessoptimierung. und. Prozessmanagement
Prozessoptimierung und Prozessmanagement Prozessmanagement & Prozessoptimierung Die Prozesslandschaft eines Unternehmens orientiert sich genau wie die Aufbauorganisation an den vorhandenen Aufgaben. Mit
MehrSpotlight 5 Gründe für die Sicherung auf NAS-Geräten
Spotlight 5 Gründe für die Sicherung auf NAS-Geräten NovaStor Inhaltsverzeichnis Skalierbar. Von klein bis komplex.... 3 Kein jonglieren mehr mit Wechselmedien... 3 Zentralisiertes Backup... 4 Datensicherheit,
MehrAnwendungshinweis Nr. 12. Wie konfiguriere ich redundante Serververbindungen
Anwendungshinweis Nr. 12 Produkt: Schlüsselworte: Problem: Softing OPC Easy Connect OPC Server, Redundanz Wie konfiguriere ich redundante Lösung: Ausgangssituation: Eine OPC Client-Anwendung ist mit mehreren
MehrIhre Interessentendatensätze bei inobroker. 1. Interessentendatensätze
Ihre Interessentendatensätze bei inobroker Wenn Sie oder Ihre Kunden die Prozesse von inobroker nutzen, werden Interessentendatensätze erzeugt. Diese können Sie direkt über inobroker bearbeiten oder mit
MehrKapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12
Kapitel 11* Kapitel11* Grundlagen ME p.1/12 Grundlagen ME Aufbau eines ME-Systems Entwicklung eines ME-Systems Kapitel11* Grundlagen ME p.2/12 Aufbau eines ME-Systems (1) on line Phase digitalisiertes
MehrWissenswertes über die Bewertung. Arbeitshilfe
Wissenswertes über die Bewertung Arbeitshilfe Grundlagen 02 Der Zweck der Archivierung ist es, Rechtssicherheit und Rechtsstaatlichkeit zu gewährleisten, eine kontinuierliche und rationelle Aktenführung
MehrPAAG/HAZOP. Originalliteratur. Dr. Joachim Sommer. Fachbereich Anlagen und Verfahrenstechnik
PAAG/HAZOP Dr. Joachim Sommer Fachbereich Anlagen und Verfahrenstechnik Originalliteratur 1 Was bedeutet PAAG? Vermeiden von Störungen durch: Prognose von Abweichungen Auffinden der Ursachen Abschätzen
MehrFunktion Erläuterung Beispiel
WESTFÄLISCHE WILHELMS-UNIVERSITÄT WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT BETRIEBLICHE DATENVERARBEITUNG Folgende Befehle werden typischerweise im Excel-Testat benötigt. Die Beispiele in diesem Dokument
MehrDas neue AI BIETERCOCKPIT 8 Informationsmaterial für Bieter
Das neue AI BIETERCOCKPIT 8 Informationsmaterial für Bieter ein Anbieter eine Anwendung zentrales Hosting Recherchieren Teilnehmen Kostenfrei www.bietercockpit.de Eine neue Software für intuitive Bedienung
MehrEU-Verordnung Nr. 1907/2006 (REACH)
Was bedeutet REACH? REACH ist die EG-Verordnung Nr. 1907/2006 zur Registration, Evaluation, Authorization and Restriction of CHemicals (Registrierung, Bewertung und Zulassung von Chemikalien). Mit dieser
MehrCommon Safety Methods Herausforderungen und Hindernisse. Dipl.-Math. Markus Talg Dipl.-Ing. Markus Pelz
Common Safety Methods Herausforderungen und Hindernisse Dipl.-Math. Markus Talg Dipl.-Ing. Markus Pelz CSM - Herausforderungen und Hindernisse > 1. Dezember 2011 > Folie 1 Inhalt Forderungen des Regelwerks
MehrProactive Environment Check für General Parallel File System
Klaus Kaltenbach Proactive Environment Check für General Parallel File System Agenda Vorstellung Proactive Support Services Überblick Procative Environment Check für GPFS Fragen Proactive... oder auch
MehrPinCH eine neue Software für mehr Energieeffizienz und Wirtschaftlichkeit in der Industrie
PinCH eine neue Software für mehr Energieeffizienz und Wirtschaftlichkeit in der Industrie Wettbewerbsfähigkeit stärken und Klima schützen Steigende Energiekosten und Lenkungsabgaben führen dazu, dass
MehrUnterrichtseinheiten zur Thematik Ökobilanz. Übersicht. Motivation und Lernziele. Einführung. Ablauf einer Ökobilanz. Beispiel.
en Übersicht Motivation und Motivation Sorge zur Umwelt tragen Herausfinden, welches Produkt weniger umweltschädlich ist als andere Wissen wie man en erstellt nach der anerkannten Norm ISO14040 Verstehen,
MehrGrundlagenschulung. Zweck und Ziel der Marktforschung. grundsätzliche Abgrenzung zum Direktvertrieb. Schulungsprototyp
Grundlagenschulung Zweck und Ziel der Marktforschung grundsätzliche Abgrenzung zum Direktvertrieb Schulungsprototyp 1 Was ist Marktforschung? Marktforschung ist die systematische Sammlung, Aufbereitung
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrStudie über die Bewertung von Wissen in kleinen und mittleren Unternehmen in Schleswig-Holstein
Studie über die Bewertung von Wissen in kleinen und mittleren Unternehmen in Schleswig-Holstein Sehr geehrte Damen und Herren, in der heutigen Wissensgesellschaft sind die zentralen Ressourcen erfolgreicher
MehrVerbinden von Workflows und fachlichen Prozessmodellen im Rahmen eines SharePoint Prozessportals Semtation GmbH (Henrik Strauß)
Verbinden von Workflows und fachlichen Prozessmodellen im Rahmen eines SharePoint Prozessportals Semtation GmbH (Henrik Strauß) Agenda 1. Hintergrund und Zielstellung 2. Prozessportal (SemTalk Services)
MehrQualitätsberichte im MS Word-Format
Qualitätsberichte im MS Word-Format StatSoft GmbH und STATISTICA 9.1 auf dem Forum der Control 2010 www.statsoft.de StatSoft (Europe) GmbH 2010 Michael Busch Inhalt StatSoft STATISTICA Anwendungen in der
MehrTiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining
Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe
MehrDatenschutz-Management
Dienstleistungen Datenschutz-Management Datenschutz-Management Auf dem Gebiet des Datenschutzes lauern viele Gefahren, die ein einzelnes Unternehmen oft nur schwer oder erst spät erkennen kann. Deshalb
MehrLabTech RMM. Monitoring von MDaemon. Vertraulich nur für den internen Gebrauch
LabTech RMM Monitoring von MDaemon Vertraulich nur für den internen Gebrauch Inhaltsverzeichnis Monitoring von MDaemon 3 Schritt 1: Suche nach allen MDaemon-Maschinen 3 Schritt 2: Erstellen einer Gruppe
MehrKundenbefragung als Vehikel zur Optimierung des Customer Service Feedback des Kunden nutzen zur Verbesserung der eigenen Prozesse
Kundenbefragung als Vehikel zur Optimierung des Customer Service Feedback des Kunden nutzen zur Verbesserung der eigenen Prozesse Vieles wurde bereits geschrieben, über die Definition und/oder Neugestaltung
MehrMHP Inventory Management Ihre Lösung für ein optimiertes und effizientes Bestandsmanagement!
MHP Inventory Management Ihre Lösung für ein optimiertes und effizientes Bestandsmanagement! Business Solutions 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbh Agenda
MehrPressegespräch zum Kongress AUTOMATION 2014. 01. Juli 2014. Umfrage der GMA Smart Technologies und Industrie 4.0. Dr.
Pressegespräch zum Kongress AUTOMATION 2014 01. Juli 2014 Umfrage der GMA Smart Technologies und Industrie 4.0 Dr. Dagmar Dirzus 1/ Kernpunkte 1 Datenbasis 2 Stimmungsbarometer 3 Smart X und Industrie
MehrM E S S T E C H N I K
M E S S T E C H N I K Service / Dienstleistung Die Springer GmbH ist Ihr Dienstleister in dem Bereich der industriellen Messtechnik. Mit stetig wachsendem Leistungsumfang sowie einem motivierten und qualifizierten
MehrUnsere Produkte. Wir automatisieren Ihren Waren- und Informationsfluss. Wir unterstützen Ihren Verkaufsaußendienst.
Die clevere Auftragserfassung Unsere Produkte Das smarte Lagerverwaltungssystem Die Warenwirtschaft für den Handel Wir unterstützen Ihren Verkaufsaußendienst. Wir automatisieren Ihren Waren- und Informationsfluss.
MehrGepulste Laser und ihre Anwendungen. Alexander Pönopp
Proseminar SS 2014 Gepulste Laser und ihre Anwendungen Alexander Pönopp Lasermaterialbearbeitung - wofür Bearbeitung von Material, was schwer zu bearbeiten ist (z.b. Metall) Modifikation von Material -
MehrEine Bürokratiekostenfolgenabschätzung zum zweiten Gesetz für moderne Dienstleistungen am Arbeitsmarkt im Hinblick auf die Einführung einer Gleitzone
Eine Bürokratiekostenfolgenabschätzung zum zweiten Gesetz für moderne Dienstleistungen am Arbeitsmarkt im Hinblick auf die Einführung einer Gleitzone Das IWP Institut für Wirtschafts- und Politikforschung
Mehr