Refine
Document Type
- Doctoral thesis (3)
- Conference proceeding (1)
- Report (1)
Has Fulltext
- yes (5)
Is part of the Bibliography
- no (5)
Keywords
- Künstliche Intelligenz (5) (remove)
The creation of adequate simulation models for complex assemblies is an extensive process that requires a lot of experience, and on the other hand involves a multitude of manual, tedious tasks. These are significant obstacles for improving the process performance and capabilities. The objective of this research is to develop methods which digitally imitate the way of thoughts of the engineer in the design process towards a digital system understanding and which support the automation of the involved manual workflow.
This thesis presents a strategy to translate engineering reasoning and actions to an equivalent in the computer domain. A cardinal step is to gain understanding of system arrangements, boundary conditions and its components. Based on this evaluation, the identification of assembly parts is forming the foundation for optimized process chains for the transfer to the analysis environment. Model complexity relates to computational effort, which in turn affects model capabilities and manageability. To achieve a satisfactory compromise of model quality and complexity, this transfer process is strongly dependent on the visual analysis, reasoning and manual implementation of skilled engineers.
The principle of translating engineering logics is pursued from the assembly system to its smallest parts. Component segmentation methods allow subdividing regions of interest into substructures which are assigned with a feature vector. This vector comprises metrics describing the substructures with regard to specific aspects and is the key decision point for subsequent steps as idealization, suitable Finite-Element modeling and ultimately building an analysis model. The created system database is continuously maintained and supports these process chains as well as the final setup of the assembly simulation model.
An automated workflow like this implies advantages for efficiency, but also creates opportunities for further use cases. This workflow has been exploited for generating a training data set from the different simulation variants as a basis to a knowledge representation imitating engineering experience. An algorithm from the graph neural network field is applied to this data set as a conceptual approach. The intention pursued in this concept is to model the learning progress about estimating the influence of modelling decisions on simulation results and quality.
This research proposes a holistic strategy and describes methods to achieve the objectives of decreasing manual effort, introducing an automated and geometry-based process and digitally replicating engineering experience by introducing a knowledge database.
Im Zeitraum von März bis Juni 2023 wurde vom Lehrstuhl für Produktionswirtschaft der BTU Cottbus-Senftenberg die Studie mit dem Titel „Die Produktionssteuerung im digitalen Zeitalter“ als Online-Umfrage durchgeführt. 125 Personen mit operativen, planerischen und strategischen Funktionen in der Produktion oder des produktionsnahen Umfeldes beantworteten den Fragebogen. Die Studie zeigt, dass bei vielen Praktikern ein sehr klares Bild vorherrscht, was die Produktionssteuerung der Zukunft leisten muss. Die Erweiterung der Produktionssteuerung um Künstliche Intelligenz wird in sehr starkem Maße als sinnvoll erachtet, um die Effizienz am Shop-Floor bei hoher Komplexität der Leistungsprozesse auch in Zukunft aufrechtzuerhalten. Die ausgewerteten Daten zeigen, dass die aktuellen Systeme der Produktionssteuerung die Nutzer nicht in dem Ausmaß unterstützen, wie es erwartet wird. Die Nutzer sind gefordert, ihr Wissen und ihre Kompetenzen einzusetzen, um funktionale Defizite der Anwendungen zu kompensieren. Die Kooperation von Menschen und KI in der Produktionssteuerung wird als sinnvoll angesehen. Dabei wird eine Kombination aus menschlicher Arbeit und KI-Unterstützung bevorzugt, während eine vollautonome KI seltener favorisiert wird. Die Studienergebnisse zeigen eine wachsende Zustimmung und Offenheit für den Einsatz von KI als Werkzeug in der Produktionssteuerung, jedoch unter menschlicher Aufsicht und Beteiligung. Die Herausforderungen der Integration von Künstlicher Intelligenz in die Mensch-Maschine-Interaktion umfassen technische und soziale Aspekte. Um diesen Herausforderungen zu begegnen, sind geeignete Lösungsansätze notwendig, wie die Entwicklung sicherer Schnittstellen, robuste Datenschutzmaßnahmen aber auch Nutzerakzeptanzförderung durch Aufklärung und Schulung. Innerhalb eines hybriden Rahmens, wo der Mensch mit der KI arbeitet, müssen klare Regeln für die Interaktion definiert werden. Die KI soll die menschliche Entscheidungsfindung interaktiv unterstützen, neue Perspektiven bieten und alternative Vorschläge unterbreiten. Insgesamt betonen die Ergebnisse der Umfrage die Bedeutung von Sicherheit, Transparenz, Kontrolle und die Validierung von KI-Entscheidungen durch menschliche Akteure. Es zeigt sich, dass die Kombination von Menschen und KI nicht nur technologische Vorteile bietet, sondern auch dazu beitragen kann, nachhaltig wirtschaftlichere Ergebnisse zu erzielen.
Neuroadaptive technology (NAT) utilizes real-time measures of neurophysiological activity within a closed control loop to create intelligent software adaptation. Measures of electrocortical and neurovascular brain activity are quantified to provide a dynamic representation of the psychological state of the user, with respect to cognitions, emotions and motivation. As such, NAT can access unique aspects of human information processing, and human intelligence, which can subsequently be used to enable more versatile and more human-like forms of machine intelligence. Current trends in different scientific fields indicate an increased interest in integrating context-sensitive information from the human brain into Artificial Intelligence. NAT'22, the Neuroadaptive Technology Conference 2022, was intended to bring scientists interested in Physiological Computing, Applied Neurosciences and Passive Brain-Computer Interfaces together with experts from the fields of Artificial Intelligence, Machine Learning and Intelligent Systems. The main goals of the conference were an exchange of research questions and findings from these fields and the identification of common goals and joint ventures in the domain of Neuroadaptive Technology, including: real-time signal processing, unsupervised vs. supervised ML, designing neuroadaptive interaction, explainable AI (XAI), neuroadaptive applications, hybrid AI systems (DL + symbolic AI) for applied neurosciences, ethics of neurotechnology in real world (responsibility for action, security), cloud-based solutions for data management and more.
NAT'22 was held in Lübbenau, near Berlin, and organised by the Society for Neuroadaptive Technology. These Proceedings contain the abstracts of six keynote lectures and a total of 39 submissions in the categories of Brain-Computer Interface & Applications, Ethics & Perspectives, Artificial Intelligence & Machine Learning, and a poster session.
Reconstruction of the 3D shape information is a fundamental problem in computer vision. Among different shape recovering technologies, photometric stereo is highlighted for its capability to produce high quality 3D reconstruction. This dissertation generalizes photometric stereo in different aspects towards creating a practical 3D reconstruction. The proposed techniques can be considered as a fundamental support to develop future cameras offering 3D shapes for various applications such as movie and video game industry, medical sciences, virtual reality, automotive driving and etc. The first generalization is developed for addressing specularities in 3D reconstructions and also involving the perspective projection. These attempts lead to remove the limitation of working with diffuse materials and confined projected scenes. We will prove the applicability of our approach using complex scenes like endoscopy images. In the second proposed approach, we will offer a real-time 3D reconstruction of micro-details with a more generalized reflectance model. Moreover, a recurrent optimization network will be provided. These innovations lead to presenting the 3D reconstruction of details which are even invisible to human eyes like micro-prints on the banknote. This information recovery can be used in various areas such as detecting security items on financial documents for fraud detection and also the quality control of any industrial productions including delicate details such as printed circuits. In the third proposed model, we develop a PS reconstruction technique using neural networks for the uncalibrated PS where the light direction is not available. Finally, for the first time, benefiting from deep neural networks and meta heuristic algorithms, we will devise an approach which can deliver high qualified 3D shape from the internet and out-door images, without any pre-necessary knowledge.
Vor allem in der Forschung und in den Entwicklungsabteilungen von Unternehmen gibt es eine Vielzahl von Problemen, welche nur mit Programmen zu lösen sind, für deren Ausführung die zur Verfügung stehende Rechenleistung kaum groß genug sein kann. Gleichzeitig ist zu beobachten, dass ein großer Teil der mit der installierten Rechentechnik vorhandenen Rechenkapazität nicht ausgenutzt wird. Dies gilt insbesondere für Einzelrechner, die in Büros, Computer-Pools oder Privathaushalten stehen und sogar während ihrer eigentlichen Nutzung selten ausgelastet sind. Eines der Ziele des Grid-Computings besteht darin, solche nicht ausgelasteten Ressourcen für rechenintensive Anwendungen zur Verfügung zu stellen. Die eigentliche Motivation für die beabsichtigte bessere Auslastung der Ressourcen liegt dabei nicht primär in der höhreren Auslastung, sondern in einer möglichen Einsparung von Kosten gegenüber der Alternative der Neuanschaffung weiterer Hardware. Ein erster Beitrag der vorliegenden Arbeit liegt in der Analyse und Quantifizierung dieses möglichen Kostenvorteils. Zu diesem Zweck werden die relevanten Kosten betrachtet und schließlich verschiedene Szenarien miteinander verglichen. Die Analyse wird schließlich konkrete Zahlen zu den Kosten in den verschiedenen Szenarien liefern und somit das mögliche Potential zur Kosteneinsparung bei der Nutzung brach liegender Rechenkapazitäten aufzeigen. Ein wesentliches Problem beim Grid-Computing besteht jedoch (vor allem bei der Nutzung von Einzelrechnern zur Ausführung länger laufender Programme) darin, dass die zur Verfügung stehenden freien Rechenkapazitäten im zeitlichen Verlauf stark schwanken und Berechnungsfortschritte durch plötzliche anderweitige Verwendung bzw. durch Abschalten der Rechner verloren gehen. Um dennoch auch Einzelrechner sinnvoll für die Ausführung länger laufender Jobs nutzen zu können, wären Vorhersagen der in der nächsten Zeit zu erwartenden freien Rechenkapazitäten wünschenswert. Solche Vorhersagen könnten u. a. hilfreich sein für das Scheduling und für die Bestimmung geeigneter Checkpoint-Zeitpunkte. Für die genannten Anwendungszwecke sind dabei Punktvorhersagen (wie z. B. Vorhersagen des Erwartungswertes) nur bedingt hilfreich, weshalb sich die vorliegende Arbeit ausschließlich mit Vorhersagen der Wahrscheinlichkeitsverteilungen beschäftigt. Wie solche Vorhersagen erstellt werden sollen, ist Gegenstand der restlichen Arbeit. Dabei werden zunächst Möglichkeiten der Bewertung von Prognoseverfahren diskutiert, die Wahrscheinlichkeitsverteilungen vorhersagen. Es werden wesentliche Probleme bisheriger Bewertungsverfahren aufgezeigt und entsprechende Lösungsvorschläge gemacht. Unter Nutzung dieser werden in der Literatur zu findende und auch neue Vorgehensweisen zur Prognoseerstellung empirisch miteinander verglichen. Es wird sich zeigen, dass eine der neu entwickelten Vorgehensweisen im Vergleich zu bisher in der Literatur dargestellten Vorhersageverfahren klare Vorteile bzgl. der Genauigkeit der Prognosen erzielt.