Refine
Institute
- Fakultät Informatik (597)
- Fakultät Elektro- und Informationstechnik (463)
- THI Business School (412)
Version
- published (858)
Customer Perceived Value is at the heart of marketing and business. There are many approaches, but inconsistencies exist in understanding the nature, characteristics and conceptualization of this phenomenon. Therefore, a coherent concept is required. This thesis is an endeavor to go beyond the established terminology to enrich the discipline. It provides an interdisciplinary investigation that combines philosophical, psychological, physical and neuroscience perspectives to understand the nature of Customer Perceived Value and structure knowledge using a new approach. Based on a synthesis of theories, a new metaphorical concept was developed that considers the nature of customer perceived value from the perspective of world-forming concepts of information and energy and their interactions. The uniqueness of the concept lies in its ability to integrate and explain all qualities of Customer Perceived Value and amalgamate all previous conceptions in this field. This new concept provides a practical tool for managing value from a strategic marketing perspective. The new approach also represents the basis for a new Customer Value typology. Not the primary but equally significant goal of this thesis is the popularization of the following theories: Simonov’s Need-Informational theory of emotions, Ostwald's Energetics, Rupert Sheldrake’s Theory of Morphic Fields and Kurt Lewin's Field Theory. This concept, developed based on the insights provided by these theories, contributes to marketing science.
A simulation study to analyse the impact of V2X communication on the emergency vehicle response time
(2024)
Focused on the crucial intersection of urban mobility and public safety, the thesis investigates the practical implications of integrating V2X technology for the streets of Ingolstadt. This study employs simulation techniques to mimic real-world situations, evaluating the tangible benefits of V2X-enabled vehicles in speeding up emergency arrival time.
By connecting theory with simulations, this work aims to guide policymaking and technology development dept. for improved emergency response systems, for the roads of Ingolstadt.
The increasing demand for electric vehicles EV in recent years has led to a growing need for advanced BMS that can accurately estimate the state of health SOH of batteries. The SOH is a critical parameter that determines the performance and lifespan of batteries, and accurate estimation of these parameters is essential for optimizing battery utilization and improving the overall efficiency and reliability of EV. Accurately estimating the SOH of batteries in real driving conditions is a challenging task due to the dynamic nature of driving cycles, which can cause significant variations in battery behavior. Moreover, the accuracy of existing estimation techniques is often affected by factors such as battery degradation, temperature variations, and non-linearities in battery behavior.
To address these challenges, researchers and engineers have developed a wide range of techniques and algorithms for estimating the SOH of batteries in real driving conditions. These techniques include model-based approaches, data-driven methods, and hybrid techniques that combine both model-based and data-driven approaches. The objective of this master thesis is to critically review the existing literature on estimation techniques for SOH in real driving cycles, identify the strengths and limitations of different approaches, and propose a novel estimation technique that can overcome the limitations of existing approaches. The proposed technique will be evaluated using real-world data obtained from a test vehicle.
It is vital to do a precise assessment of the condition of these batteries in order to guarantee that they can be used safely and to prevent explosions that may possibly be catastrophic. The challenges that were discussed before could be solved with the assistance of prediction models. The purpose of this research is to evaluate the accuracy of predictions made by a variety of machine learning algorithms on the state of the battery. In order to achieve this result, time series forecasting techniques are used to data metrics. It was shown that Long Short-Term Memory LSTM models perform very well when it comes to the creation of forecasts that can be relied upon. An accurate forecast made with the aid of machine learning models may assist in increasing sales of electric vehicles and ensuring that these batteries are used in a secure manner.
In Zeiten der Energiewende und der Abhängigkeit von fossilen Energieträgern beschäftigt sich diese Arbeit mit elektrischen Wärmepumpen sowie den Technologien zur Optimierung ihres Betriebs, wie beispielsweise der Leistungsregelung. Im Fokus der Untersuchung steht die Kennfeldmessung einer Inverter-gesteuerten Hybridwärmepumpe unter verschiedenen Betriebsbedingungen wie der Frequenz, Quell und Senkentemperatur. Es werden 60 Messszenarien festgelegt und für jedes Szenario nach Aufbereitung und Bereinigung der Messdaten der jeweilige COP ermittelt. Die Analyse des COPs zeigt, dass Wärmepumpen bei niedrigen Senketemperaturen optimale Betriebspunkte bei niedriger Inverter-Frequenz verzeichnen. Hingegen arbeiten die Anlagen bei hohen Senkentemperaturen am effizientesten im hohen Frequenzbereich. Aus den Messdaten wird mithilfe einer Kurvenanpassung eine polynomische Funktion abgeleitet. Das daraus entwickelte Modell bildet bei einer Quelltemperatur von 5 °C und Senkentemperatur von 30 °C den optimalen Betriebspunkt bei 25 % Inverter-Frequenz mit einem COP von 5,5 ab. Hierbei liegt unter diesen Bedingung bei 100 % der niedrigste COP von 4,5 vor. Als direktes Gegenbeispiel dazu, liegt bei 5 °C Sole, 50 °C Senke und 100 % Inverter-Frequenz die höchste Effizienz mit einem COP von 3 vor, während bei 25 % der niedrigste COP von etwa 2,3 abgebildet wird. Trotz methodischen Abweichungen an der orientierten Norm DIN EN 14511-2, erweist das mathematische Modell mit einem R2-Score von 0,97 eine gute Übereinstimmung mit den Messdaten auf.
Das Ziel der Masterarbeit war es, eine mobile Prüfbox zu konzipieren und konstruieren, mit deren Hilfe sich die Vorteile automatisierter Qualitätskontrolle durch industrielle Bildverarbeitung anhand kleiner additiv gefertigter Bauteile auf Messen und bei Unternehmen demonstrieren lassen. Dazu werden zunächst die theoretischen Grundlagen der additiven Fertigung sowie der industriellen Bildverarbeitung erläutert. Anschließend wird ein Prüfbox-Konzept methodisch erarbeitet und auskonstruiert. Zudem wird ein Konzeptschaltplan der elektrischen Komponenten vorgestellt und sowie eine Aufstellung der Materialkosten durchgeführt.
This paper delves into the integration of Artificial Intelligence (AI) within the infotainment industry and its impact on privacy concerns. The rise of personalized experiences in infotainment has transformed user engagement by offering tailored recommendations across various content categories such as news, music, videos, and social media updates. However, the continuous gathering of personalized data by AI raises privacy issues. Despite these concerns, AI algorithms analyze user preferences, behaviors, and demographics to provide personalized content, improving user satisfaction and interaction. While some regions have implemented regulations to protect user privacy, finding a balance between the benefits of AI, user expectations, and privacy protection presents a challenge. Enhancing transparency, user control, and consent procedures are essential to ensure the ethical use of AI systems and safeguard user information. Recognizing the potential risks associated with AI-driven infotainment allows stakeholders to collaborate on a comprehensive framework that maximizes the advantages of AI while preserving privacy.
Design und Evaluation einer App für automatisierte Fahrzeuge mit besonderem Fokus auf Inklusion
(2024)
Die Integration automatisierter Fahrzeuge (AVs) bietet bedeutende Vorteile für Menschen mit Sehbehinderungen. Diese Forschungsarbeit fokussiert sich darauf, wie eine umfassende Unterstützung für sehbehinderte Personen während sämtlicher Phasen einer Reise in vollautomatisierten Fahrzeugen gewährleistet werden kann. Im Zuge dieser Untersuchung erfolgte eine eingehende Analyse der wahrgenommenen User Experience und des Vertrauens in das Unterstützungskonzept. Die Bedürfnisse der sehbehinderten Zielgruppe wurden unter anderem durch Interviews präzise ermittelt. Eine vielversprechende Lösung könnte die Entwicklung einer dedizierten App sein.
Durch ein Wizard-of-Oz-Experiment wurden sowohl die App, als auch ein entfernter Reisebegleiter von Nutzern getestet, um eine umfassende Antwort auf die Forschungsfrage zu erhalten. Dieser Ansatz soll sicherstellen, dass die Unterstützung nahtlos und effektiv in den Alltag sehbehinderter Menschen integriert werden kann. Während das Vertrauen in den entfernten Reisebegleiter signifikant höher war als in die App, konnte in der wahrgenommenen User Experience kein signifikanter Unterschied zwischen den beiden Konzepten festgestellt werden.
Da die Erfüllung bestimmter Modelleigenschaften und formeller Anforderungen entscheidend für den Erfolg von Softwareprojekten ist, führt dies zu einer klaren Motivation für die Entwicklung eines Werkzeuges, welche die Prüfung von Modelleigenschaften rationalisiert und beschleunigt. Diese Arbeit widmet sich dem Design und der Implementierung eines Plugins für Visual Paradigm, das die automatisierte formale Prüfung von der Erreichbarkeit der Zustände eines UML-Zustandsdiagramms ermöglicht. Das Plugin setzt sich aus dem Auslesen der Diagrammelemente, deren Übersetzung in das SMTLIB-Format und schlussendlich der Prüfung mithilfe des Z3-Solvers zusammen. Für die Evaluation des Plugins wurde eine Interviewstudie durchgeführt. Diese ergab, dass die korrekte Nutzung von Werkzeugen zur automatisierten Prüfung, zu einer signifikanten Reduzierung der benötigten Zeit und zur Verringerung der menschlichen Fehlerquote bei Erreichbarkeitsanalysen führt. Dies zeigt, dass die korrekte Nutzung des Plugins wahrscheinlich ebenso dieselben Ergebnisse vorweisen könnte.
Die vorliegende Bachelorarbeit konzentriert sich auf die Entwicklung und Implementierung eines innovativen Konzepts unter Nutzung von Graphdatenbanken und ihrer Analysemöglichkeiten in der Prozessautomatisierung. Die Motivation hierfür erwächst aus der zunehmenden Bedeutung von Datenanalyse und -verarbeitung in der heutigen Geschäftswelt, gepaart mit dem Bedarf an effizienten,
flexiblen und skalierbaren Lösungen im Datenmanagement und der Prozessoptimierung.
In einer Zeit, in der der Wert von Daten stetig steigt, wird die effiziente Sammlung, Speicherung und Analyse großer Datenmengen immer entscheidender für den Geschäftserfolg. Herkömmliche Datenbankmodelle kommen hierbei oft an ihre Grenzen, besonders bei der Handhabung komplexer Beziehungen und dynamischer Datenstrukturen. Graphdatenbanken stellen in diesem Kontext eine fortschrittliche Alternative dar, die eine effiziente Darstellung und Verarbeitung von Datenbeziehungen ermöglichen.
Es mangelt jedoch an umfassenden Konzepten, die eine Integration von Graphdatenbanken in die Prozessautomatisierung verschiedener Unternehmensgrößen erlauben. Diese Arbeit strebt danach, diese Forschungslücke zu schließen, indem sie ein praxisnahes Konzept für die Implementierung von Prozessinstanzdaten in eine Graphdatenbank entwickelt. Dies leistet nicht nur einen Beitrag zur wissenschaftlichen Forschung, sondern hat auch das Potenzial, Effizienz und Effektivität von Geschäftsprozessen wesentlich zu verbessern.
Das Hauptziel dieser Arbeit ist die Entwicklung eines Konzepts, das die Stärken von Graphdatenbanken nutzt, um Prozessinstanzdaten und verarbeitete Entitätsdaten in Unternehmen optimal zu analysieren. Dies umfasst die Erstellung eines Prototyps, der die Möglichkeiten von Graphdatenbanken zur Verbesserung von Entscheidungsprozessen durch präzisere Datenanalysen und -interpretationen demonstriert.