Anwendung datengetriebener Modelle zur Zustandsanalyse bei verfahrenstechnischen Anlageneinheiten: Theoretische Grundlagen
|
|
- Elmar Kramer
- vor 6 Jahren
- Abrufe
Transkript
1 Anwendung datengetriebener Modelle zur Zustandsanalyse bei verfahrenstechnischen Anlageneinheiten: Theoretische Grundlagen Christian W. Frey 2011
2 Anwendung datengetriebener Modelle zur Zustandsanalyse bei verfahrenstechnischen Anlageneinheiten: Theoretische Grundlagen 1. Motivation 2. Monitoring technischer Systeme 3. Selbstorganisierende Karten 4. Monitoring am Beispiel einer Demoanlage 5. Industrielle Umsetzung PROCMON 6. Zusammenfassung
3 1. Motivation Überwachung komplexer verfahrenstechnischer Prozesse: Verfahrenstechnische Prozesse sind gekennzeichnet durch hohe Komplexität und Systemordnung Charakteristisch für Batchprozesse und Konti-Anlagen ist die große Anzahl von Komponenten (Feldgeräte) Anforderungen der Anlagenbetreiber hinsichtlich des wirtschaftlichen Betreibens solcher Anlagen: Online-Überwachung und Bewertung des Anlagenzustandes Erkennen schleichender Fehler und Verschleiß für Instandhaltungsplanung Detaillierte Informationen zur Fehlerlokalisierung und beseitigung Anwendungsorientierte Darstellung der Diagnoseinformationen 3
4 2. Monitoring technischer Systeme Modellbasiertes Monitoring: Bei der modellbasierten Diagnose wird als Merkmal die Abweichung zwischen gemessenen und modellierten Prozessgrößen genutzt Analytische Prozessmodelle sind für das Online- Monitoring komplexer Anlagen kaum geeignet, da sie: keine ganzheitliche Prozessbeschreibung gestatten, Y (t) detailliertes Expertenwissen zur Anlage vorausgesetzt werden muss, X (t) Prozess Modell Y m(t) Modellbildung durch experimentelle Systemanalyse sehr aufwendig ist, eine Störung des laufenden Anlagenbetriebes nicht akzeptabel ist E (t) 4
5 2. Monitoring technischer Systeme Modellbasiertes Monitoring: Datengetriebene Prozessmodelle gestatten hingegen eine ganzheitliche Online- Prozessdiagnose werden aus den laufenden Prozessdaten durch Anwendung von maschinellen Lernverfahren gewonnen, der laufende Anlagenbetrieb wird beim Lernvorgang nicht gestört, erfordern kein detailliertes Expertenwissen X (t) Y (t) Novelity Detection N (t) Die Grundidee des Konzeptes basiert auf der so genannten Novelity Detection, bei der ein Zustandsgrößenvektor hinsichtlich seiner Neuartigkeit beurteilt wird Methodisch stehen strukturentdeckende topologieerhaltende Abbildungen im Vordergrund (Unüberwachte Lernverfahren) 5
6 3. Selbstorganisierende Karten Topologieerhaltende Abbildungen: f f Hochdimensionale Eingabevektoren werden durch geeignete Abbildung in einen niederdimensionalen Ausgaberaum überführt n m f : A B, A R, B Topologieerhaltende Abbildungen bilden benachbarte Punkte im hochdimensionalen Raum auf benachbarte Punkte im niederdimensionalen Raum ab R Methodische Ansätze: Selbstorganisierende Karten (SOM) Growing Grid / Neural Gas (GGRID) Generative Topographic Mapping (GTM) 6
7 3. Selbstorganisierende Karten Selbstorganisierende Karten (SOM): f f Self Organizing Map (SOM): 1989 von Teuvo Kohonen vorgestellt Nichtlineare topologieerhaltende Projektionsmethode für hochdimensionale Daten Die Karte besteht aus Knoten (Neuronen), welche in einer definierten Topologie angeordnet sind (Ring, Toroid) Im Gegensatz zu klassischen Neuronalen Netzen keine Datenverbindung zwischen den Neuronen Verbindungen identifizieren die Lage des Neurons in der Topologie Jedes Neuron hat einen Gewichtsvektor x, die Dimension dieses Vektors entspricht der Dimension der Eingangsdaten 7
8 3. Selbstorganisierende Karten Selbstorganisierende Karten (SOM): Hochdimensionale Eingabevektoren werden durch die Kohonen-Nachbarschaftsbeziehung topologisch geordnet Ähnliche Eingabevektoren werden durch den Lernalgorithmus auf benachbarte Neuronen abgebildet, woraus eine topologisch erhaltende Abbildung resultiert Als Approximationsmaß der Karte wird die Euklidische Distanz zwischen Eingabevektor und gespeichertem Knotenvektor verwendet (Quantisierungsfehler) d Messvektor Prototypenvektor d l x, m x, m i j i m m,..., j 1 m jd x x,..., i 1 x id il jl 2 8
9 3. Selbstorganisierende Karten Unified-Distance-Matrix (UMatrix): UMatrix-Transformation fügt zur 2D- Darstellung der SOM eine dritte Dimension hinzu, die den durchschnittlichen Abstand des Gewichtsvektors w eines Neurons zu seinen direkten Nachbarn darstellt Täler (blau) stellen Bereiche dar, in welchen sich die gespeicherten Knotenvektoren ähneln (spezifische Prozessphasen) Übergangsbereiche (rot) zwischen den Bereichen stellen Clustergrenzen dar (Prozessphasen-Übergänge). Der aktuelle Prozessverlauf wird als BMU- Trajektorie visualisiert In Gut-Anlagen ergeben sich charakteristische Trajektorienverläufe Prozessstörungen werden durch typische Trajektorienabweichungen gekennzeichnet 9
10 3. Selbstorganisierende Karten Unified-Distance-Matrix (UMatrix): UMatrix-Transformation fügt zur 2D- Darstellung der SOM eine dritte Dimension hinzu, die den durchschnittlichen Abstand des Gewichtsvektors w eines Neurons zu seinen direkten Nachbarn darstellt Täler (blau) stellen Bereiche dar, in welchen sich die gespeicherten Knotenvektoren ähneln (spezifische Prozessphasen) Übergangsbereiche (rot) zwischen den Bereichen stellen Clustergrenzen dar (Prozessphasen-Übergänge). Der aktuelle Prozessverlauf wird als BMU- Trajektorie visualisieren In Gut-Anlagen ergeben sich charakteristische Trajektorienverläufe Prozessstörungen werden durch typische Trajektorienabweichungen gekennzeichnet 10
11 3. Selbstorganisierende Karten Unified-Distance-Matrix (UMatrix): UMatrix-Transformation fügt zur 2D- Darstellung der SOM eine dritte Dimension hinzu, die den durchschnittlichen Abstand des Gewichtsvektors w eines Neurons zu seinen direkten Nachbarn darstellt Täler (blau) stellen Bereiche dar, in welchen sich die gespeicherten Knotenvektoren ähneln (spezifische Prozessphasen) Übergangsbereiche (rot) zwischen den Bereichen stellen Clustergrenzen dar (Prozessphasen-Übergänge). Der aktuelle Prozessverlauf wird als BMU- Trajektorie visualisieren In Gut-Anlagen ergeben sich charakteristische Trajektorienverläufe Prozessstörungen werden durch typische Trajektorienabweichungen gekennzeichnet 11
12 3. Selbstorganisierende Karten Watershed-Transformation : Durch die Watershed-Transformation können die Clustergrenzen und die Anzahl der Cluster automatisch bestimmt werden Die Grundidee des Verfahrens kann mit Wassertropfen, welche auf das UMatrix Gebirge fallen, veranschaulicht werden Durch die Gebirgsrücken entstehen geflutete Bereiche, welche den Clustern der UMatrix entsprechen Die Granularität der Segmentierung ist durch den Füllstand parametrierbar 12
13 4. Monitoring am Beispiel einer Demoanlage 13
14 4. Monitoring am Beispiel einer Demoanlage 14
15 4. Monitoring am Beispiel einer Demoanlage 15
16 4. Monitoring am Beispiel einer Demoanlage Prozessdaten Fehler 16
17 5. Industrielle Umsetzung PROCMON Process und Condition Monitoring: Kapselung Funktionalitäten in der Process-Unit-Monitoring-Engine Umsetzung der Algorithmen in C++ Schnittstellen: ANSI C++ Microsoft.NET3.5 /.NET4.0 32/64 BIT (C++/Cli, C#, VB) Matlab Implementierung einer standardisierten graphischen Benutzeroberfläche für Microsoft Windows 32/64 Bit Betriebssysteme 17
18 5. Industrielle Umsetzung Bayer Technology Services PuMon: Entwicklung einer Softwareengine für das Process- Unit-Monitoring Tool (PUMon) der Firma Bayer Technology Services BTS Implementierung Monitoring-Funktionalität für kontinuierliche Prozesse in der chemischen und pharmazeutischen Industrie Lizenzvereinbarung PUMonEngine mit BTS und weitreichender Entwicklungsvertrag Entwicklungsauftrag Implementierung Monitoring-Funktionalität für Batchprozesse in der pharmazeutischen Industrie 18
19 5. Industrielle Umsetzung Lernfähiges Monitoringsystem zur Detektion toxischer Stoffe in Trinkwassernetzen: Biosensorprinzip beruht darauf, aus dem Hauptwasserstrom mittels eines Bypasses eine kleine Wassermenge kontinuierlich abzuzweigen und damit mikrobiologische Indikator-Organismen zu umspülen Anhand der sensoriell erfassten Vitalitätsmerkmale kann dann wiederum auf eine toxikologische Verunreinigung des Wassers geschlossen werden Implementierung und Inbetriebnahme Monitoring-Konzept auf Basis der PUMonEngine 19
20 5. Industrielle Umsetzung Überwachung von Windkraftanlagen: Der Betrieb von Windkraftanlagen erfordert eine kontinuierliche Überwachung der Getriebekomponenten. Frühzeitige Erkennung von Getriebeschäden unabdingbar für das wirtschaftliche Betreiben von Windkraftanlagen (Totalausfall) Zusammenarbeit mit der Firma db Prüftechnik in Ismaning als einem der führenden Ausrüster im Bereich Überwachung von Getriebeteilen 20
21 5. Industrielle Umsetzung P [MW] V [m/s] f1 [HZ] Fehler fn [HZ] 21
22 7. Zusammenfassung Online-Fehlerdetektion und Lokalisierung in komplexen Anlagen und Maschinen lässt sich mit konventionellen modellbasierten Diagnoseverfahren nicht wirtschaftlich anwenden: Modellbildung durch experimentelle Systemanalyse sehr aufwendig Störung des laufenden Anlagenbetriebes nicht akzeptabel Am Fraunhofer IOSB wurden selbstlernende datengetriebene Monitoring-Werkzeuge entwickelt, die eine ganzheitliche Fehlerdetektion und -Lokalisierung in beliebigen komplexen Anlagen ermöglichen Durch die Lernfähigkeit kann die Inbetriebnahme mit geringem Aufwand ohne störende Unterbrechung des laufenden Anlagenbetriebes realisiert werden Detailliertes quantitatives Expertenwissen des Anwenders hinsichtlich des physikalischen Prozessverhaltens ist nicht erforderlich Das lernfähige Diagnosewerkzeug wird gegenwärtig sehr erfolgreich auf realen Anlagen der chemischen Industrie implementiert und hinsichtlich Robustheit und Leistungsfähigkeit erprobt Das Konzept wird derzeit auf komplexe schwingungsfähige Großmaschinen und Antriebssysteme übertragen (Windkraftanlagen) 22
PROCMON. Performance und Condition Monitoring komplexer verfahrenstechnischer Prozesse. Christian W. Frey. christian.frey@iosb.fraunhofer.
PROCMON Performance und Condition Monitoring komplexer verfahrenstechnischer Prozesse Christian W. Frey 2011 PROCMON Performance und Condition Monitoring komplexer verfahrenstechnischer Prozesse 1. Motivation
MehrKapitel ML:XII. XII. Other Unsupervised Learning. Nearest Neighbor Strategies. Self Organizing Maps Neural Gas. Association Analysis Rule Mining
Kapitel ML:XII XII. Other Unsupervised Learning Nearest Neighbor Strategies Self Organizing Maps Neural Gas Association Analysis Rule Mining Reinforcement Learning ML:XII-1 Unsupervised Others LETTMANN
MehrKlassifizieren und Visualisieren von Daten mit Selbstorganisierenden Karten
Fachhochschule Brandenburg Fachbereich Informatik und Medien Klassifizieren und Visualisieren von Daten mit Selbstorganisierenden Karten Diplomkolloquium Sven Schröder Aufgabenstellung und Motivation Biologisches
MehrSelbstorganisierende Karten
Selbstorganisierende Karten Yacin Bessas yb1@informatik.uni-ulm.de Proseminar Neuronale Netze 1 Einleitung 1.1 Kurzüberblick Die Selbstorganisierenden Karten, auch Self-Organizing (Feature) Maps, Kohonen-
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
MehrKünstliche neuronale Netze
Künstliche neuronale Netze Eigenschaften neuronaler Netze: hohe Arbeitsgeschwindigkeit durch Parallelität, Funktionsfähigkeit auch nach Ausfall von Teilen des Netzes, Lernfähigkeit, Möglichkeit zur Generalisierung
MehrDatenvisualisierung im Windpark. 1/6
Datenvisualisierung im Windpark "Lookout von National Instruments enthält bereits die notwendige Funktionalität um über ein Ethernet-Netzwerk zu kommunizieren. Die Verwendung dieser Fähigkeiten von Lookout
MehrSelbstorganisierende Karten
Selbstorganisierende Karten Vorlesung Maschinelles Lernen II Dr. Theo Lettmann Oliver Kramer 22. Mai 2006 Überblick Grundlagen SOMs Anwendungen 2D-SOMs Neuronales Gas 2 Grundlagen der Neuronalen Informationsverarbeitung
MehrMethoden zur Visualisierung von Ergebnissen aus Optimierungs- und DOE-Studien
Methoden zur Visualisierung von Ergebnissen aus Optimierungs- und DOE-Studien Katharina Witowski katharina.witowski@dynamore.de Übersicht Beispiel Allgemeines zum LS-OPT Viewer Visualisierung von Simulationsergebnissen
MehrNeuronale Netze. Gehirn: ca Neuronen. stark vernetzt. Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor)
29 Neuronale Netze Gehirn: ca. 10 11 Neuronen stark vernetzt Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor) Mustererkennung in 0.1s 100 Schritte Regel 30 Was ist ein künstl. neuronales Netz? Ein
MehrGrowing neural Gas Strukturen lernen. Torsten Siedel 23.05.2012
Growing neural Gas Strukturen lernen Torsten Siedel 23.05.2012 Inhalt 1. Prozess der Selbstorganisation 2. Lernen - momentan oder statistisch? 3. Vektorbasierte Neuronale Netze 4. Klassifizierung der Lernverfahren
MehrPraxisorientierte Anwendung von Big Data-Technologien beim Einsatz mobiler Arbeitsmaschinen
Praxisorientierte Anwendung von Big Data-Technologien beim Einsatz mobiler Arbeitsmaschinen Thilo Steckel CLAAS E-Systems Gütersloh Köln, 19. Oktober 2016 [Quelle: Handelsblatt 2014] [Quelle: VDI-Nachrichten,
MehrDas mobile Qualitätsmanagement- Werkzeug für
Das mobile Qualitätsmanagement- Werkzeug für Groß - und Einzelhandel Lebensmittelproduzenten Lebensmittelhandwerk Gemeinschaftsverpflegung Importeure Food und Nonfood AGU GmbH & Co. Beratungsgesellschaft
MehrData Mining zur Prozessoptimierung
Data Mining zur Prozessoptimierung Dr. Michael Heizmann Dipl.-Ing. Christian Kühnert Dr. Thomas Bernard VDI-Fachtagung Prüfprozessmanagement im Fahrzeug- und Maschinenbau 2012 Leonberg, 24.10.2012 Datengrab
MehrNeuronale Netze. Seminar aus Algorithmik Stefan Craß,
Neuronale Netze Seminar aus Algorithmik Stefan Craß, 325656 Inhalt Theoretisches Modell Grundlagen Lernansätze Hopfield-Netze Kohonen-Netze Zusammenfassung 2 Inhalt Theoretisches Modell Grundlagen Lernansätze
MehrVisualisierung hochdimensionaler Daten. Hauptseminar SS11 Michael Kircher
Hauptseminar SS11 Inhalt Einführung zu hochdimensionalen Daten Visualisierungsmöglichkeiten dimensionale Teilmengen dimensionale Schachtelung Achsenumgestaltung Algorithmen zur Dimensionsreduktion Zusammenfassung
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,
MehrELHA-MASCHINENBAU Liemke KG
ELHA-MASCHINENBAU Liemke KG DAS UNTERNEHMEN ELHA-MASCHINENBAU Liemke KG Familiengeführter Betrieb in der dritten Generation Ihr Partner für anspruchsvolle Zerspanungssaufgaben 240 Mitarbeiter entwickeln,
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
MehrWer lebt, der altert!
PROFIBUS- Diagnose im Lebenszyklus der Anlage Wer lebt, der altert! Referent: Dipl.-Ing. Karl-Heinz Richter Firma: Indu-Sol GmbH Blumenstraße 3 04626 Schmölln Ziele und Anforderungen: PROFIBUS-Diagnose
MehrVERTEILTE SYSTEME (4 SWS)
VERTEILTE SYSTEME (4 SWS) Inhalt 1. NETZWERKE IN DER AUTOMATISIERUNGSTECHNIK... 1 1.1. Klassifizierung von Produktionsunternehmen... 1 1.2. Aufbaustruktur einer typischen Produktionsanlage... 1 1.3. Automatisierungspyramide:
MehrAutomatisierung kompletter Kühlanlagen mittels LabVIEW und PAC-Systemen
Automatisierung kompletter Kühlanlagen mittels LabVIEW und PAC-Systemen "Auf der Grundlage des PAC-Konzeptes mit CompactFieldPoint und LabVIEW 8.6.1 wurde innerhalb kürzester Zeit eine voll funktionsfähige
MehrSelbstorganisierende Karten
Selbstorganisierende Karten Jochen Weiß Inhaltsverzeichnis 1 Das menschliche Gehirn als Vorbild 2 2 Architektur einer SOM 3 2.1 Aufbau der Neuronenschichten 3 2.2 Gewichts- und Eingabevektor 3 3 Das Training
MehrAndreas Scherer. Neuronale Netze. Grundlagen und Anwendungen. vieweg
Andreas Scherer Neuronale Netze Grundlagen und Anwendungen vieweg Inhaltsverzeichnis Vorwort 1 1 Einführung 3 1.1 Was ist ein neuronales Netz? 3 1.2 Eigenschaften neuronaler Netze 5 1.2.1 Allgemeine Merkmale
MehrFehlerdetektion durch modulgenaues Monitoring
Fehlerdetektion durch modulgenaues Monitoring Dr.-Ing. Thilo Kilper Themenfeldleiter Photovoltaische Systeme Bereich Energiesysteme & Speicher 13. Workshop Photovoltaik-Modultechnik Köln, 29.11.2016 Fehlerdetektion
MehrAdaptive Systeme. Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff
Adaptive Systeme Unüberwachtes Lernen: Adaptive Vektor Quantisierung und Kohonen Netze Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Überwachtes Lernen Alle bis lang betrachteten Netzwerke
MehrData 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
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
MehrKohonennetze Selbstorganisierende Karten
Kohonennetze Selbstorganisierende Karten Julian Rith, Simon Regnet, Falk Kniffka Seminar: Umgebungsexploration und Wegeplanung mit Robotern Kohonennetze: Neuronale Netze In Dendriten werden die ankommenden
MehrAnalyse des Betriebszustandes der ZKS-Abfall. Empfehlungen für den zukünftigen Betrieb
Analyse des Betriebszustandes der ZKS-Abfall Empfehlungen für den zukünftigen Betrieb Stand: 21. März 2011 Neutrale Prüfung der ZKS-Abfall Nachdem die ZKS-Abfall ab 1. April 2010, dem Inkrafttreten der
Mehr1.4! Einführung. Systemmodellierung. Methoden und Werkzeuge
Einführung. Vorbemerkungen und Überblick. Die elektronischen e des Fahrzeugs. Prozesse in der Fahrzeugentwicklung im Überblick,.4 Grundlagen. Steuerungs- und regelungstechnische e (Prof. Schumacher). Diskrete
MehrAufbau der Eigenimplementierung
Table of contents 1 2 Aufbau... 2 1.1 Feed Forward Netze...3 1.2 Self Organizing Maps... 5 Training... 6 2.1 Feed Forward Netze...7 2.2 Self Organizing Maps... 8 Nachdem wir uns entschlossen hatten, keine
MehrNotationen zur Prozessmodellierung
Notationen zur Prozessmodellierung August 2014 Inhalt (erweiterte) ereignisgesteuerte Prozesskette (eepk) 3 Wertschöpfungskettendiagramm (WKD) 5 Business Process Model and Notation (BPMN) 7 Unified Modeling
MehrWas bisher geschah. Klassifikation: Zuordnung Merkmal (Symptom) Lösung (Diagnose)
Was bisher geschah Klassifikation: Zuordnung Merkmal (Symptom) Lösung (Diagnose) M Menge aller Merkmale L Menge aller Lösungen Zuordnung als Relation R M L Zuordnung als Funktion f : M L {0, 1} (charakteristische
MehrDatenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität
Datenstrukturen und Algorithmen Christian Sohler FG Algorithmen & Komplexität 1 Clustering: Partitioniere Objektmenge in Gruppen(Cluster), so dass sich Objekte in einer Gruppe ähnlich sind und Objekte
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
MehrWege zur industriellen Datenanalyse
Wege zur industriellen Michael Hoffmann Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU 1. Sächsischer Tag der Automation 05. November 2015, 8:30 Uhr, Technologie- und Gründerzentrum Bautzen
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
MehrANBINDUNG KUNDENSEITIGER-TOOLCHAIN ZUR PARAMETRIERUNG VON MECHATRONISCHEN GESAMTSYSTEM-MODELLEN
ANBINDUNG KUNDENSEITIGER-TOOLCHAIN ZUR PARAMETRIERUNG VON MECHATRONISCHEN GESAMTSYSTEM-MODELLEN Fraunhofer-Einrichtung Entwurfstechnik Mechatronik IEM Dr.-Ing Christian Henke, Dipl.-Ing. Thorsten Gehrmann
MehrSession: 1 SO Selbstoptimierte Zustandsüberwachung für die Prognose von Fehlzuständen für Windkraftanlagen SO-Pro (Resolto)
Session: 1 SO Selbstoptimierte Zustandsüberwachung für die Prognose von Fehlzuständen für Windkraftanlagen SO-Pro (Resolto) 06. Juli 2016 Bielefeld www.its-owl.de Agenda Abschlusspräsentation Einführung
MehrEINZIGARTIGE VISUALISIERUNG UND MODELLIERUNG VON SERVICES IM SERVICE- KATALOG DES SAP SOLUTION MANAGER
REALTECH vsim VISUALIZED IMPACT & MODELING EINZIGARTIGE VISUALISIERUNG UND MODELLIERUNG VON S IM - KATALOG DES SAP SOLUTION MANAGER EINZIGARTIGE VISUALISIERUNG UND MODELLIERUNG VON S IM KATALOG DES SAP
MehrWLAN Mit Plan zum Plan. Stefan Schemmer, Sebastian Vandersee rt-solutons.de GmbH Martin Gergeleit FH Wiesbaden
WLAN Mit Plan zum Plan Stefan Schemmer, Sebastian Vandersee rt-solutons.de GmbH Martin Gergeleit FH Wiesbaden Wireless Automation 2007 Agenda WLAN in der Automation Chancen und Anforderungen Aktuelle und
MehrZuverlässige Drahtlose Mesh-Netzwerke
Zuverlässige Drahtlose Mesh-Netzwerke für Industrielle Anwendungen Georg Lukas, Edgar Nett glukas,nett@ovgu.de Institut für Verteilte Systeme (IVS) Otto-von-Guericke-Universität Magdeburg Hannover, 24.04.2009
MehrRouting Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrMulti-Layer Neural Networks and Learning Algorithms
Multi-Layer Neural Networks and Learning Algorithms Alexander Perzylo 22. Dezember 2003 Ausarbeitung für das Hauptseminar Machine Learning (2003) mit L A TEX gesetzt Diese Ausarbeitung ist eine Weiterführung
MehrEin Integriertes Berichtswesen als Führungshilfe
Ein Integriertes Berichtswesen als Führungshilfe Begleitung eines kennzahlgestützten Berichtswesens zur Zielerreichung Tilia Umwelt GmbH Agenda 1. Was bedeutet Führung? 2. Was bedeutet Führung mit Hilfe
Mehr(hoffentlich kurze) Einführung: Neuronale Netze. Dipl.-Inform. Martin Lösch. (0721) Dipl.-Inform.
(hoffentlich kurze) Einführung: martin.loesch@kit.edu (0721) 608 45944 Überblick Einführung Perzeptron Multi-layer Feedforward Neural Network MLNN in der Anwendung 2 EINFÜHRUNG 3 Gehirn des Menschen Vorbild
MehrEntwurf und Umsetzung eines Werkzeugs für die Fluchtwegplanung
Entwurf und Umsetzung eines Werkzeugs für die Fluchtwegplanung Diplomarbeit Christian Weiprecht Bauhaus-Universität Weimar Fakultät Bauingenieurwesen Professur CAD in der Bauinformatik Inhaltsübersicht
MehrScheduling- Algorithmen. Handbuch für Endnutzer
Scheduling- Algorithmen Handbuch für Endnutzer Stand 15.03.2005 1. Vorwort... 1 2. Systemvoraussetzungen... 2 3. Programmarten... 2 4. Sicherheit der Endnutzer... 2 5. Handhabung... 3 5.1. Prozesseingabe...
MehrAutomatisches Erkennen mobiler Angriffe auf die IT-Infrastruktur. Prof. Dr. Kai-Oliver Detken, DECOIT GmbH
Automatisches Erkennen mobiler Angriffe auf die IT-Infrastruktur Prof. Dr. Kai-Oliver Detken, DECOIT GmbH Übersicht IF-MAP-Spezifikation ESUKOM-Projekt Anomalie-Erkennung Smartphone Awareness Location-based
MehrKodieren Von Graphen
Kodieren Von Graphen Allgemeine Anwendungen: Routenplaner Netzpläne Elektrische Schaltungen Gebäudeerkennung aus Luftaufnahmen Definitionen:? Graph Ein Graph G besteht aus einem geordneten Paar G = (V,E)
MehrVirtual Roundtable: Portale: Aktuelle Herausforderungen und Trends
März 2005 Virtual Roundtable: Portale: Aktuelle Herausforderungen und Trends Teilnehmer: Jens Leyrer, Geschäftsführender Gesellschafter Organisation: Nodevision GmbH Portale werden sehr allgemein gerne
MehrEinsatzmöglichkeiten und Ergebnisse neuer, intelligenter Regelungsverfahren auf Kläranlagen
6. IFWW Fach- Kolloquium Einsatzmöglichkeiten und Ergebnisse neuer, intelligenter Regelungsverfahren auf Kläranlagen Prof. Dr. Lothar Scheuer Aggerverband Gummersbach Prof. Dr. Michael Bongards Fachhochschule
MehrComputational Intelligence 1 / 20. Computational Intelligence Künstliche Neuronale Netze Perzeptron 3 / 20
Gliederung / Künstliche Neuronale Netze Perzeptron Einschränkungen Netze von Perzeptonen Perzeptron-Lernen Perzeptron Künstliche Neuronale Netze Perzeptron 3 / Der Psychologe und Informatiker Frank Rosenblatt
MehrMit Hochfrequenz messen, melden und übertragen. Eine Systemtechnik für Logistik und Schifffahrt
Die Philosophie Mit Hochfrequenz messen, melden und übertragen Eine Systemtechnik für Logistik und Schifffahrt Präsentation 01.09.11 Die Story Die Basis : Sensortechnik und Info-Übertragung mittels Hochfrequenz
Mehrcmc Instruments GmbH WearSens Dr.-Ing. Manfred R. Mauntz Dr. rer. nat. Jörn Peuser 1 WEARSENS VON CMC INSTRUMENTS GMBH
cmc Instruments GmbH WearSens Dr.-Ing. Manfred R. Mauntz Dr. rer. nat. Jörn Peuser 1 WEARSENS VON CMC INSTRUMENTS GMBH cmc Instruments GmbH Sitz in Eschborn, Deutschland i.d. Nähe von FFM DIN EN ISO 9001
MehrThemen für Beiträge Seminar Selbstorganisation und Emergenz im Sommersemester 2009 Arbeitsgruppe Datenbionik Prof. Dr.
Themen für Beiträge Seminar Selbstorganisation und Emergenz im Sommersemester 2009 Arbeitsgruppe Datenbionik Prof. Dr. Alfred Ultsch Don t panic! Die Vorträge dürfen auf Deutsch oder Englisch gehalten
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
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.
MehrEntwicklung der Persistenzschicht für f eine Java-Anwendung aus dem UML-Modell. Modell mit und. Matthias Ehlert microtool GmbH, Berlin
Entwicklung der Persistenzschicht für f eine Java-Anwendung aus dem UML-Modell Modell mit und Matthias Ehlert microtool GmbH, Berlin Themen! microtool das Unternehmen! Die Grundidee: ein effizienter, architekturgetriebener
MehrAllgemeines Empfohlene Rechnerausstattung
Empfohlene For french language, please click this link: Pré requis pour l équipement machine pour les solutions SEAL Systems Empfehlung zur Allgemein Ausgabemanagement DPF Konvertierungslösungen DVS View/Server
MehrDaniela Kudernatsch (Hrsg.) Hoshin Kann. Unternehmensweite Strategieumsetzung mit Lean-Management-Tools Schäffer-Poeschel Verlag Stuttgart
Daniela Kudernatsch (Hrsg.) Hoshin Kann Unternehmensweite Strategieumsetzung mit Lean-Management-Tools 2013 Schäffer-Poeschel Verlag Stuttgart XIII Geleitwort Vorwort V IX Teil I: Einführung und Umsetzung
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
MehrJohannes Christian Panitz
Johannes Christian Panitz Compliance-Management Anforderungen, Herausforderungen und Scorecard-basierte Ansätze für eine integrierte Compliance-Steuerung Verlag Dr. Kovac Hamburg 2012 VORWORT ABBILDUNGSVERZEICHNIS
MehrIntegration eines pneumatischen Roboters in die Robotics API
Integration eines pneumatischen Roboters in die Robotics API Ziel: Integration eines AirArms in die Robotics API und Umsetzung eines Demo-Anwendung Idee: Die MRK (Mensch Roboter Kooperation) bekommt zunehmend
MehrDistributed Genetic Programming Framework
Distributed Genetic Programming Framework Alexander Podlich podlich@student.uni-kassel.de DGPF-Projekt: Erstellung einer grafischen Benutzeroberfläche Sommersemester 2006 Überblick 1. Allgemeines zu DGPF
MehrSimulink: Softwareentwurf für eingebettete Systeme ROS-Arduino-Interface. von Christian Schildwächter
Simulink: Softwareentwurf für eingebettete Systeme ROS-Arduino-Interface von Christian Schildwächter Simulink Simulink S-Functions Softwareprojekt ROS-Arduino-Interface Simulink 3 LIVE DEMO 4 External
MehrNeue Herausforderungen durch die vierte industrielle Revolution
Smart Services Management von Veränderungen Die Unternehmen leben heute in einer dynamischen und komplexen Welt. Das Leistungsangebot an Produkten und Produktvarianten wird immer komplexer und die Dynamik
MehrTheoretische Informatik 1
Theoretische Informatik 1 Boltzmann Maschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2014 Übersicht Boltzmann Maschine Neuronale Netzwerke Die Boltzmann Maschine Gibbs
MehrVIRTUELLE KRAFTWERKE WERKZEUG FÜR DIE ENERGIEWENDE
VIRTUELLE KRAFTWERKE WERKZEUG FÜR DIE ENERGIEWENDE Prof. Dr. Clemens Hoffmann, Institutsleiter Fraunhofer IWES Kassel E-Energy Abschlusskongress, 17. - 18. Januar 2013 Herkulesaufgabe Energiewende Energielandschaft
MehrFRAUNHOFER-INSTITUT FÜR OPTRONIK, SYSTEMTECHNIK UND BILDAUSWERTUNG IOSB. Überwachung und Optimierung. und intelligente Datenanalyse
FRAUNHOFER-INSTITUT FÜR OPTRONIK, SYSTEMTECHNIK UND BILDAUSWERTUNG IOSB Überwachung und Optimierung von anlagen Condition Monitoring und intelligente Datenanalyse Anlagenausfälle vermeiden Verfügbarkeit
MehrLokalisierung und Topologiekontrolle
Lokalisierung und Topologiekontrolle Seminar: Kommunikation in drahtlosen Sensornetzwerken Martin Schmidt Einführung Lokalisierung: Für viele Informationen ist die Position wichtig Traditionelle Technik
MehrDie GIS-Anwendungen Waldinfoplan und Geomail wurden über hochintegrierte Schnittstellen eingebunden.
Allgemein Konzeption Dieses Programm dient der umfassenden Abwicklung aller Geschäftsvorfälle, die im Zusammenhang mit Rundholz anfallen. Es ist Dreh- und Angelpunkt im Workflow des Anwenders. Um dem gerecht
MehrSeminar zum Thema Künstliche Intelligenz:
Wolfgang Ginolas Seminar zum Thema Künstliche Intelligenz: Clusteranalyse Wolfgang Ginolas 11.5.2005 Wolfgang Ginolas 1 Beispiel Was ist eine Clusteranalyse Ein einfacher Algorithmus 2 bei verschieden
MehrVerbundprojekt MIKADO Mechatronik-Kooperationsplattform für anforderungsgesteuerte Prüfung und Diagnose - ein Überblick. Dr.
Verbundprojekt MIKADO Mechatronik-Kooperationsplattform für anforderungsgesteuerte Prüfung und Diagnose - ein Überblick Dr. Haygazun Hayka Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik
MehrKohonennetze für Information Retrieval mit User Feedback
Kohonennetze für Information Retrieval mit User Feedback Georg Ruß Otto-von-Guericke-Universität Magdeburg 06.02.2003 Zusammenfassung Richtig eingesetzt, sind selbstorganisierende Karten (SOM) ein probates
MehrNeue Esri-Apps für Routing, Datenerfassung und Workforcemanagement
Neue Esri-Apps für Routing, Datenerfassung und Workforcemanagement Vorstellung neuer Esri-Apps an praktischen Einsatzbeispielen Nicola Forster, GI Geoinformatik GmbH ArcGIS Plattform Karten entdecken,
Mehr"Unternehmensziel Qualität" Wettbewerbsvorteile durch Qualitätsmanagementsysteme
"Unternehmensziel Qualität" Wettbewerbsvorteile durch Qualitätsmanagementsysteme Gliederung 1. Wettbewerbsfaktor Qualität 2. Der Ablauf 3. Die Ist-Analyse 4. Die Dokumentation 5. Werkzeuge, Methoden, Instrumente
MehrProduktbeschreibung. FL-VIEW Diagnose- Software für Industrielle Netzwerke
Produktbeschreibung FL-VIEW Diagnose- Software für Industrielle Netzwerke FL VIEW ist ein Softwareprodukt zur Erkennung und Überwachung von industriellen Ethernet TCP/ IP Netzwerken mit erweiterten Eigenschaften
MehrDer CAN-Bus (Controller Area Network)
Der CAN-Bus (Controller Area Network) Was ist das und wozu braucht man das? Jürgen Stuber 2012-10-03 Jürgen Stuber () Der CAN-Bus (Controller Area Network) 2012-10-03 1 / 15 Anwendungen KFz Jürgen Stuber
Mehr2.5.2 Selbstorganisierte Karten: das Modell von Kohonen. Weil es beim Perzeptron keine Wechselwirkung in der Verarbeitungsschicht
2.5.2 Selbstorganisierte Karten: das Modell von Kohonen Weil es beim Perzeptron keine Wechselwirkung in der Verarbeitungsschicht zwischen den einzelnen Neuronen gibt, spielt deren räumliche Anordnung keine
MehrCustomer Analytics mit der SOM-Technik
Customer Analytics mit der SOM-Technik Basierend auf fortschrittlicher Data-Mining-Technologie hilft Ihnen Synesis Interactive Analyzer, Ihre Kunden besser zu verstehen. Die Software findet homogene Kundengruppen
MehrModellbasierte und komponentenorientierte Programmierung von Steuerungen
Labor für CIM & Robotik Prof. Dipl.-Ing. Georg Stark Modellbasierte und komponentenorientierte Programmierung von Steuerungen 1. Entwicklungsprozess Industriesteuerung 2. Programmierparadigmen - objektorientiert
MehrObjektorientierte Modellierung (1)
Objektorientierte Modellierung (1) Die objektorientierte Modellierung verwendet: Klassen und deren Objekte Beziehungen zwischen Objekten bzw. Klassen Klassen und Objekte Definition Klasse Eine Klasse ist
MehrMARKERLESS AUGMENTED REALITY. Henrik Brauer
MARKERLESS AUGMENTED REALITY Henrik Brauer Inhalt Was ist Augmented Reality Meine Motivation Grundlagen Positionsbestimmung mit Marker Positionsbestimmung ohne Marker Idee Risiken INHALT Augmented Reality
MehrBildverarbeitung für die automatisierte Verpackungstechnik
Bildverarbeitung für die automatisierte Verpackungstechnik Markus Hüttel 6. Juli 2011 Übersicht Unsere Arbeitsschwerpunkte - Thermographie - NIR-Spektroskopie - Texturanalyse - Fehlerdetektion - 3D Bild-
Mehr1 EINLEITUNG PROJEKTABLAUF Allgemeine Zielsetzung Projektstruktur und Zeitplan ANFORDERUNGSANALYSE...
Inhaltsverzeichnis Inhaltsverzeichnis 1 EINLEITUNG... 1 2 PROJEKTABLAUF... 4 2.1 Allgemeine Zielsetzung... 4 2.2 Projektstruktur und Zeitplan... 4 3 ANFORDERUNGSANALYSE... 8 3.1 Der Prototyp des Anlagenmodells...
MehrSingularitäten in der FEM und deren Bewertung
Singularitäten in der FEM und deren Bewertung Jeder FEM-Anwender wird früher oder später mit Spannungssingularitäten konfrontiert werden, sich dessen aber nicht unbedingt im Klaren sein. Dafür gibt es
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
MehrHerzlich Willkommen!
Herzlich Willkommen! CAD-Daten mal anders!? Der Weg zu innovativen 3D- Darstellungen SEITE 1 Agenda 1 Begrüßung und Vorstellung 2 Das Thema: Innovative 3D-Darstellungen 3 Ein wichtiger Erfolgsfaktor: Drehbuch,
MehrChristoph Fischer Jörg Schneider DFKI Intelligente Netze. Real Time Workload Monitoring for WLAN
Christoph Fischer Jörg Schneider DFKI Intelligente Netze Real Time Workload Monitoring for WLAN Agenda 1. Motivation 2. Anforderungen 3. Entwickeltes Monitoring Verfahren 4. Erreichte Anforderungen Motivation
MehrRechnergestützte Vorhersage der Kaltrisssicherheit laserstrahlgeschweißter Bauteile aus hochfesten Stählen
Rechnergestützte Vorhersage der Kaltrisssicherheit laserstrahlgeschweißter Bauteile aus hochfesten Stählen AiF-Forschungsvorhaben IGF-Nr: 16.441 BG / DVS-Nr. I2.004 Laufzeit: 01.12.2009-30.06.2012 Forschungsstelle
MehrKünstliche Neuronale Netze. 2. Optimierung des Trainings 3. Optimierung der Topologie 4. Anwendungen in der Medizin 5.
Künstliche Neuronale Netze Wolfram Schiffmann FernUniversität Hagen Rechnerarchitektur 1. Einführung 2. Optimierung des Trainings 3. Optimierung der Topologie 4. Anwendungen in der Medizin 5. Zusammenfassung
MehrModul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt
Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften
MehrModellbasierte Softwareentwicklung eines Kamera basierten Scheinwerfer-Adaptions-Algorithmus. Gerd Mauthe
Modellbasierte Softwareentwicklung eines Kamera basierten Scheinwerfer-Adaptions-Algorithmus Gerd Mauthe München 10.05.2016 MATLAB Expo 2016 Inhalte Vorstellung Thema Algorithmus Konzepte Implementierung
MehrSIMERO: Erzeugung von flüssigen und schnellen Roboterbewegungen
SIMERO: Erzeugung von flüssigen und schnellen Roboterbewegungen AG Eingebettete Systeme und Robotik (RESY),, http://resy.informatik.uni-kl.de/ 1. Motivation 2. Stand der Forschung 3. Kontrollflusskonzepte
MehrTheoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen. Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst
Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst Netzwerke / Graphen verschiedene Typen von Graphen: einfache
MehrWEISER, KUCK & COMP. Management und Personalberatung BDU
WEISER, KUCK & COMP. Management und Personalberatung BDU PROFIL FÜR DIE POSITION PROJECT DIRECTOR (M/F) IMPLEMENTATION OF SAP - MASCHINEN- UND ANLAGENBAU - Unternehmen und Markt Unser Klient - mit einer
MehrDr.-Ing. Klaus von Sengbusch. Wide Area Monitoring Systeme - aktuelle Erfahrungen und zukünftige Anwendungsbereiche. ABB Group - 1-14-May-07
Dr.-Ing. Klaus von Sengbusch Wide Area Monitoring Systeme - aktuelle Erfahrungen und zukünftige Anwendungsbereiche ABB Group - 1 - Gliederung Veränderungen im Netzbetrieb Aufbau von Weitbereichsüberwachungssystemen
Mehr