07 Fakultät Konstruktions-, Produktions- und Fahrzeugtechnik

Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/8

Browse

Filters

2012 - 201922020 - 202523

Settings

Subject: search.filters.subject.004

Search Results

Now showing 1 - 10 of 25
  • Thumbnail Image
    ItemOpen Access
    Referenzmodell zur zielgruppenspezifischen Entwicklung einer webbasierten Informationsplattform für den technischen Vertrieb
    (2012) Kett, Holger; Spath, Dieter (Prof. Dr.-Ing. Dr.-Ing. E.h)
    In Deutschland werden jährlich Waren im Wert von 175 Mrd. Euro über Handelsvertretungen und vermittlungen vertrieben, die Unternehmen als eigenständige Vertriebspartner beim Marketing und Vertrieb ihrer Produkte und Dienstleistungen unterstützen. 66 Prozent dieser Umsätze sind dem verarbeitenden Gewerbe zuzurechnen. Durchschnittlich vertreten diese eigenständigen Organisationen sechs Herstellerunternehmen. Um diesen Vertriebsweg zu etablieren, müssen Handelsvertretungen und vermittlungen in die Prozesse des zu vertretenden, produzierenden Unternehmens integriert werden. Bei den Handelsvertretern und vermittlern handelt es sich überwiegend um kleine Unternehmen (87 Prozent der Handelsvertretungen beschäftigen nur bis zu sechs Mitarbeiter), die je nach Wirtschaftsbereich, in dem sie tätig sind, unterschiedliche Anforderungen an die IT-Unterstützung stellen. Aktuell existieren keine geeigneten IT-Lösungen, die auf die Bedürfnisse dieser kleinen Gewerbebetriebe zugeschnitten sind und deren wesentlichen Anforderungen abdecken. Auf dem Konzept Software-as-a-Service (SaaS) basierende Lösungen, wie z. B. webbasierte Informationsplattformen, eröffnen völlig neue Möglichkeiten, da sie den Aufwand für Betrieb und Wartung von IT-Anwendungen bei Herstellern reduzieren helfen. Sie ermöglichen eine flexiblere Nutzung der IT-Infrastruktur und bieten u. a. den Vorteil, dass nur die tatsächlich in Anspruch genommenen Leistungen abgerechnet werden. Die vorliegende Arbeit verfolgt das Ziel, die zielgruppenspezifische Entwicklung webbasierter Lösungen als elektronische Dienstleistung für Handelsvertreter, -vermittler und produzierende Unternehmen methodisch zu unterstützen. Hierfür ist ein interdisziplinäres Vorgehen notwendig, bei dem zu Beginn die Erarbeitung des Dienstleistungsangebots für produzierende Unternehmen und deren Handelsvertreter und -vermittler im Mittelpunkt steht (Sicht 1). Anschließend erfolgt die Konkretisierung des Dienstleistungsangebots in Form eines fachlichen Konzepts (Sicht 2), sodass daraus ein dienstbasiertes IT-Konzept abgeleitet (Sicht 3), softwaretechnisch umgesetzt (Sicht 4) und in Betrieb genommen (Sicht 5) werden kann. Eine durchgehend modellbasierte Entwicklung der webbasierten Lösung erhöht die Transparenz zwischen den genannten Sichten und der dafür erarbeiteten Modelle und steigert die Wiederverwendbarkeit entwickelter Dienste. Ganzheitliche Vorgehensweisen zur modellbasierten Entwicklung elektronischer Dienste existieren in dieser Form bisher nicht. Ebenso konnten keine anwendbaren Metamodelle zur Modellierung von Dienstleistungsangeboten und der zugrundeliegenden Geschäftsmodelle identifiziert werden. Zur Lösung dieses Defizits stellt die Arbeit ein Referenzmodell vor, das IT-Anbieter bei der zielgruppenspezifischen Entwicklung webbasierter Informationsplattformen für Handelsvertretungen, -vermittlungen und deren zu vertretenen Hersteller im technischen Vertrieb unterstützt. Die Grundlage für das Referenzmodell ist ein Metamodell (Integrated Service Engineering Framework), das auf dem Zachman-Framework aufbaut. Das Metamodell ermöglicht die Zuordnung geeigneter Modelle zu den oben genannten Sichten auf einen elektronischen Dienst in Form einer Matrix. Die Arbeit stellt hierfür geeignete Modelle vor und erstellt ein Referenzmodell für die marktorientierte, zielgruppenspezifische Sicht mit Fokus auf die Dienstleistungsangebote und die zugrunde liegenden Geschäftsmodelle. Das Referenzmodell ermöglicht die Strukturierung wirtschaftlich-strategischer Informationen zu Beginn des Entwicklungsprozesses und ordnet diese Modellen und Informationen nachgelagerten Sichten zu. Um die Anwendung des Referenzmodells zu vereinfachen, wird ein methodisches Vorgehen für dessen Nutzung vorgestellt. Das Referenzmodell wurde in Form eines Eclipse-basierten Editors umgesetzt und mit vier Partnerunternehmen evaluiert. Mithilfe des Referenzmodells für die Geschäftsmodellentwicklung von webbasierten Informationsplattformen für den technischen Vertrieb mit besonderem Schwerpunkt auf Handelsvertretungen, -vermittlungen und Herstellerbetriebe konnten in der Evaluation folgende Nutzen realisiert werden: Die strukturierte Entwicklung eines Geschäftsmodells und die zielgruppenspezifische Ausrichtung einer Informationsplattform mit allen Beteiligten, die Erstellung einer wesentlichen Grundlage und eines Rahmens für die konkrete Planung und Umsetzung der Informationsplattform und eine vereinfachte Prüfung der Frage, inwieweit die Entwicklung und der Betrieb der Informationsplattform für jedes Partnerunternehmen wirtschaftlich interessant sind.
  • Thumbnail Image
    ItemOpen Access
  • Thumbnail Image
    ItemOpen Access
    Physics-informed regression of implicitly-constrained robot dynamics
    (2022) Geist, Andreas René; Allgöwer, Frank (Prof. Dr.-Ing.)
    The ability to predict a robot’s motion through a dynamics model is critical for the development of fast, safe, and efficient control algorithms. Yet, obtaining an accurate robot dynamics model is challenging as robot dynamics are typically nonlinear and subject to environment-dependent physical phenomena such as friction and material elasticities. The respective functions often cause analytical dynamics models to have large prediction errors. An alternative approach to analytical modeling forms the identification of a robot’s dynamics through data-driven modeling techniques such as Gaussian processes or neural networks. However, solely data-driven algorithms require considerable amounts of data, which on a robotic system must be collected in real-time. Moreover, the information stored in the data as well as the coverage of the system’s state space by the data is limited by the controller that is used to obtain the data. To tackle the shortcomings of analytical dynamics and data-driven modeling, this dissertation investigates and develops models in which analytical dynamics is being combined with data-driven regression techniques. By combining prior structural knowledge from analytical dynamics with data-driven regression, physics-informed models show improved data-efficiency and prediction accuracy compared to using the aforementioned modeling techniques in an isolated manner.
  • Thumbnail Image
    ItemOpen Access
    SmartLab vernetzt Produktionsmaschinen : Aufbau einer digitalen Prozesskette in einer bestehenden Produktionsumgebung
    (2023) Schneider, Matthias; Meier, Veronika; Stehle, Thomas; Möhring, Hans-Christian
  • Thumbnail Image
    ItemOpen Access
    Are you sure? : prediction revision in automated decision‐making
    (2020) Burkart, Nadia; Robert, Sebastian; Huber, Marco F.
    With the rapid improvements in machine learning and deep learning, decisions made by automated decision support systems (DSS) will increase. Besides the accuracy of predictions, their explainability becomes more important. The algorithms can construct complex mathematical prediction models. This causes insecurity to the predictions. The insecurity rises the need for equipping the algorithms with explanations. To examine how users trust automated DSS, an experiment was conducted. Our research aim is to examine how participants supported by an DSS revise their initial prediction by four varying approaches (treatments) in a between‐subject design study. The four treatments differ in the degree of explainability to understand the predictions of the system. First we used an interpretable regression model, second a Random Forest (considered to be a black box [BB]), third the BB with a local explanation and last the BB with a global explanation. We noticed that all participants improved their predictions after receiving an advice whether it was a complete BB or an BB with an explanation. The major finding was that interpretable models were not incorporated more in the decision process than BB models or BB models with explanations.
  • Thumbnail Image
    ItemOpen Access
    FeaSel-Net : a recursive feature selection callback in neural networks
    (2022) Fischer, Felix; Birk, Alexander; Somers, Peter; Frenner, Karsten; Tarín, Cristina; Herkommer, Alois
    Selecting only the relevant subsets from all gathered data has never been as challenging as it is in these times of big data and sensor fusion. Multiple complementary methods have emerged for the observation of similar phenomena; oftentimes, many of these techniques are superimposed in order to make the best possible decisions. A pathologist, for example, uses microscopic and spectroscopic techniques to discriminate between healthy and cancerous tissue. Especially in the field of spectroscopy in medicine, an immense number of frequencies are recorded and appropriately sized datasets are rarely acquired due to the time-intensive measurements and the lack of patients. In order to cope with the curse of dimensionality in machine learning, it is necessary to reduce the overhead from irrelevant or redundant features. In this article, we propose a feature selection callback algorithm (FeaSel-Net) that can be embedded in deep neural networks. It recursively prunes the input nodes after the optimizer in the neural network achieves satisfying results. We demonstrate the performance of the feature selection algorithm on different publicly available datasets and compare it to existing feature selection methods. Our algorithm combines the advantages of neural networks’ nonlinear learning ability and the embedding of the feature selection algorithm into the actual classifier optimization.
  • Thumbnail Image
    ItemOpen Access
    Identifikation und Klassifikation von Druckluft-Leckagen mit Methoden des maschinellen Lernens in Maschinen
    (Stuttgart : Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, 2022) Dierolf, Christian; Sauer, Alexander (Univ.-Prof. Dr.-Ing.)
    In der Industrie wird Druckluft vielseitig eingesetzt. Als teure Energieform steigt zunehmend die Relevanz, denn noch heute existieren Druckluft-Leckageraten von 15 % bis 50 % und verursachen hohe Kosten. Es sind viele Produkte und Methoden zur Leckage-Erkennung in Druckluftnetzen bekannt und etabliert. Für Maschinen sind diese jedoch nur teilweise marktreif. Es ist also nicht möglich, automatisiert mit wenig Messtechnik sowie geringem Implementierungsaufwand Leckagen zu lokalisieren. Die Unterscheidung von Leckage-Ursachen war bislang Aufgabe von Fachkräften. Sie erfolgte bei wiederkehrenden Inspektionen der druckluftbetriebenen Maschine. Im Fokus der Arbeit steht, wie automatisiert in einem Druckluftsystem in Maschinen Pneumatikaktoren detektiert und Ursachen von Druckluft-Leckagen klassifiziert werden können. Durch die zentrale Druck- und Durchflussmessungen am Maschinenanschlusspunkt bleibt der Messaufwand gering. Die Arbeit beschreibt ein methodisches Vorgehen in fünf Schritten, das mit einem maschinell erlernten, datenbasierten Modell endet. Beginnend mit der Detektion des Beginns einer Aktoraktion werden Merkmale erstellt, hinsichtlich ihrer Relevanz ausgewählt und im nächsten Schritt damit Klassifikatoren erzeugt. Das Modell ist die Verknüpfung von Detektor und Klassifikator. Das Modell klassifiziert Aktorarten, -dimensionierungen und -aktionen, die häufig in der Industrie eingesetzt werden sowie hierbei auftretende Ursachen von Leckagen. Unter Berücksichtigung der 37 möglichen Klassen, konnten die Leckagen in einer druckluftbetriebenen Maschine anhand von vier Anwendungsszenarien kontinuierlich und automatisiert lokalisiert sowie die Ursachen mit guten Ergebnissen unterschieden werden. Diese Eigenschaften machen die Lösung gegenüber dem aktuellen Stand der Technik und Wissenschaft einzigartig. Bislang wirtschaftlich nicht vertretbare jedoch technisch mögliche Einsparpotenziale sind jetzt durch diese Leckage-Erkennung für druckluftbetriebene Maschinen nutzbar.
  • Thumbnail Image
    ItemOpen Access
    Fehlertolerante Sicherheitssteuerung aus der Cloud : Softwarebasierte Sicherheitssteuerungen
    (2023) Fischer, Marc; Walker, Moritz; Lechler, Armin; Riedel, Oliver; Verl, Alexander
  • Thumbnail Image
    ItemOpen Access
    Combining brain-computer interfaces with deep reinforcement learning for robot training : a feasibility study in a simulation environment
    (2023) Vukelić, Mathias; Bui, Michael; Vorreuther, Anna; Lingelbach, Katharina
    Deep reinforcement learning (RL) is used as a strategy to teach robot agents how to autonomously learn complex tasks. While sparsity is a natural way to define a reward in realistic robot scenarios, it provides poor learning signals for the agent, thus making the design of good reward functions challenging. To overcome this challenge learning from human feedback through an implicit brain-computer interface (BCI) is used. We combined a BCI with deep RL for robot training in a 3-D physical realistic simulation environment. In a first study, we compared the feasibility of different electroencephalography (EEG) systems (wet- vs. dry-based electrodes) and its application for automatic classification of perceived errors during a robot task with different machine learning models. In a second study, we compared the performance of the BCI-based deep RL training to feedback explicitly given by participants. Our findings from the first study indicate the use of a high-quality dry-based EEG-system can provide a robust and fast method for automatically assessing robot behavior using a sophisticated convolutional neural network machine learning model. The results of our second study prove that the implicit BCI-based deep RL version in combination with the dry EEG-system can significantly accelerate the learning process in a realistic 3-D robot simulation environment. Performance of the BCI-based trained deep RL model was even comparable to that achieved by the approach with explicit human feedback. Our findings emphasize the usage of BCI-based deep RL methods as a valid alternative in those human-robot applications where no access to cognitive demanding explicit human feedback is available.
  • Thumbnail Image
    ItemOpen Access