TY - JOUR A1 - Schmitt, Jan A1 - Seitz, Philipp A1 - Scherdel, Christian A1 - Reichenauer, Gudrun T1 - Machine Learning in the development of Si-based anodes using Small-Angle X-ray Scattering for structural property analysis JF - Computational Materials Science N2 - Material development processes are highly iterative and driven by the experience and intuition of the researcher. This can lead to time consuming procedures. Data-driven approaches such as Machine Learning can support decision processes with trained and validated models to predict certain output parameter. In a multifaceted process chain of material synthesis of electrochemical materials and their characterization, Machine Learning has a huge potential to shorten development processes. Based on this, the contribution presents a novel approach to utilize data derived from Small-Angle X-ray Scattering (SAXS) of SiO_2 matrix materials for battery anodes with Neural Networks. Here, we use SAXS as an intermediate, high-throughput method to characterize sol–gel based porous materials. A multi-step-method is presented where a Feed Forward Net is connected to a pretrained autoencoder to reliably map parameters of the material synthesis to the SAXS curve of the resulting material. In addition, a direct comparison shows that the prediction error of Neural Networks can be greatly reduced by training each output variable with a separate independent Neural Network. KW - machine learning KW - neural network KW - autoencoder Y1 - 2023 UR - https://doi.org/10.1016/j.commatsci.2022.111984 SN - 1879-0801 N1 - Link zum Datensatz: https://gitlab.vlab.fm.fhws.de/philipp.seitz/machinelearningandsaxs VL - 218 ER - TY - RPRT A1 - Biebl, Anna A1 - Bördlein, Christoph ED - Bördlein, Christoph T1 - Anleitung „Liniengrafik erstellen mit Microsoft Excel®“ N2 - In dieser Anleitung wird erklärt, wie man Liniengrafiken, wie sie in Einpersonenexperimenten (Single Case Design, SCD) verwendet werden, mit Hilfe des Tabellenkalkulationsprogramms MS Excel gemäß den Richtlinien der APA (6th Ed.) und den Autorenhinweisen des Journal of Applied Behavior Analysis (JABA), erstellt. KW - Single Case Design KW - Microsoft Excel(R) KW - Graphing KW - Task Analysis Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:863-opus-17607 CY - Würzburg ER - TY - JOUR A1 - Wilhelm, Markus A1 - Rosilius, Maximilian A1 - Bräutigam, Volker T1 - PlanAR – Planen mit Augmented Reality (AR) BT - Einsatz von AR bei Anlagenplanung und Materialflussoptimierung JF - FHWS Science Journal N2 - Die Weiterentwicklung von Endgeräten wie z.B. von NReal oder die Microsoft HoloLens 2 im Bereich Augmented Reality (AR) führt zu einem erweiterten Nutzungsfeld von AR außerhalb klassischer Entwicklungs- und »Gaming«-Umgebungen. Eine der sich intensivierenden Nutzungsoptionen ist der wertorientierte Einsatz im industriellen Umfeld. In diesem Bereich bedarf es noch einer weitreichenden Identifizierung und Evaluierung der Einsatzpotenziale und des -nutzens [1]. Naheliegender Vorteil der Technologie ist die Anwendung in integrativen Planungsprozessen z.B. in der Anlagenplanung. Durch die Visualisierung von virtuellen Inhalten in einer realen Umgebung, können zukünftige Veränderungen auf mögliche Störfaktoren bereits vor Umsetzung detailliert geprüft und optimiert werden. Dies führt zu Zeit- und Kostenersparnis in Planungsphasen, da nachträgliche Änderungen signifikant kostenintensiver und komplexer sind. Eine weitere Nutzungsmöglichkeit ist die Simulation von Fertigungsprozessen und deren Auswirkungen. Die Simulation kann insbesondere bei der Identifikation unternehmensunabhängiger Probleme helfen. Auch kann der zeitliche Faktor, der jedem Prozess zugrunde liegt, eingebettet in einem virtuell erweiterten Realszenario geprüft werden. Als Beispiel kann hier die Störungsbeseitigung in industriellen Fertigungsprozessen dienen, welche meistens einer notwendigen engen Taktung unterliegen. Störungen sind häufig durch die direkte Umwelt oder Probleme in Arbeitsabläufen begründet. An diesem Punkt können die möglichen Optimierungsoptionen unter den gegebenen Bedingungen eine erste Validierung erfahren, ohne direkten Eingriff in laufende Prozesse. Diese Anwendungsmöglichkeiten gilt es zu untersuchen und in eine gebrauchstaugliche Lösung für den Einsatz im wertschöpfenden Bereichen zu überführen. Ziel dabei ist es die noch hypothetischen Potenziale zu bewerten und in einsetzbare Applikationen zu transformieren, die den Anforderungen in einer industriellen Umgebung standhalten. Um eine nutzerorientierte Forschung zu gewährleisten, ist es notwendig den Bedarf der Industrie zu erfassen. An diesem Punkt setzt das Vorhaben PlanAR an und untersucht die interdisziplinären Auswirkungen der Anwendungsmöglichkeiten und Applikationen bei industrienahen Nutzungsanforderungen. KW - anlagenplanung KW - augmented reality Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:863-opus-20006 UR - https://nbn-resolving.org/urn:nbn:de:bvb:863-opus-19389 SN - 2196-6095 VL - 5 IS - 2 SP - 125 EP - 130 ER - TY - JOUR A1 - Bachmeir, Christian T1 - Das Projekt KI-Inspektionsdrohne JF - FHWS Science Journal N2 - Das Verbundvorhaben KI-Inspektionsdrohne, im Rahmen des Luftfahrtforschungsprogramms V [1], hat als Ziel Maintenance-, Repair- und Overhaul-(MRO-)Prozesse in der Luftfahrtindustrie zu beschleunigen, und damit die MRO-Industrie noch wettbewerbsfähiger zu machen. Im Vorhaben wird ein sicheres System zur Schadensdetektion und -bewertung von äußeren Flugzeugstrukturen unter Berücksichtigung aktueller Instandhaltungs-Anforderungen der Luftfahrtbranche entwickelt. Der entwickelte Prototyp integriert vernetzte UAV (Unmanned Aerial Vehicles – Unbemannte Flugsysteme), autonome Navigation und Schadensaufnahme und KI-gestützte Auswertung und stellt ein Decision Support System zur Verfügung bzw. fällt eigenständig Entscheidungen. Forschungsschwerpunkt der FHWS ist, bzw. Forschungsschwerpunkte sind industriespezifische Ende-zu-Ende-Security, KI, Safety, und insbesondere die Absicherung der mobilen, mit Cloud oder Edge verbundenen Einheiten gegen Cyberattacken. KW - drohne KW - künstliche intelligenz Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:863-opus-19994 UR - https://nbn-resolving.org/urn:nbn:de:bvb:863-opus-19389 SN - 2196-6095 VL - 5 IS - 2 SP - 131 EP - 134 ER -