Open Access
Refine
Year of publication
Document Type
- Article (156)
- Bachelor Thesis (146)
- Conference Proceeding (104)
- Report (31)
- Master's Thesis (22)
- Doctoral Thesis (11)
- Other (3)
- Patent (1)
Keywords
- Augenoptik (12)
- virtual reality (9)
- Abschlussarbeit (7)
- Augenoptiker (7)
- Studie (6)
- Hörgerät (5)
- Bachelorarbeit A/H (4)
- Business Process Management Systems (4)
- Fuzzy Logic (4)
- Kontaktlinse (4)
Institute
- Optik und Mechatronik (131)
- Wirtschaftswissenschaften (122)
- Maschinenbau und Werkstofftechnik (81)
- Augenoptik und Hörakustik (43)
- Elektronik und Informatik (42)
- Internationale Betriebswirtschaft (18)
- Chemie (12)
- Maschinenbau/Fertigungstechnik (2)
- Informatik (1)
- Mechatronik (1)
Die Streifenprojektion hat sich im Laufe der letzten Jahre schnell neben den Koordinatenmessgeräten in der 3D-Messtechnik etabliert und ist aus diesem Bereich nicht mehr wegzudenken. Auch auf anderen Gebieten, wie beispielsweise der Medizin oder der Automobilindustrie, findet diese im Alltag Anwendung. Ein entscheidender Vorteil der Streifenprojektion besteht darin, Objekte schnell und berührungslos zu vermessen.
In der vorliegenden Bachelorarbeit wird detailliert auf ein selbstentwickeltes Streifenprojektionsgerät eingegangen, dass mit geringen finanziellen Mitteln konstruiert wurde. Hierbei wurde die Software zur Steuerung der Komponenten sowie zur Auswertung der erfassten Daten in Matlab erstellt.
Das Gerät wurde auf Benutzerfreundlichkeit untersucht und hinsichtlich dieses Aspektes verbessert. Im Zuge dessen beinhaltet die Bachelorthesis eine ausführliche Benutzeranleitung für Neuanwender.
Durch Transformation der Kalibrierung in metrische Daten kann das Streifenprojektionsgerät für zukünftige Messungen benutzt werden.
Es konnten die Fragen geklärt werden, wie reproduzierbar die Ergebnisse des Messgerätes sind und welche Messgenauigkeit erzielt werden kann. Zusätzlich erfolgte die Definition des erreichbaren Messvolumens.
Die Auswertung der durchgeführten Messversuche zeigte, dass das Gerät reproduzierbare Ergebnisse liefert. Außerdem konnte gezeigt werden, dass das Streifenprojektionsgerät in der Lage ist einfache Freiformflächen zu vermessen. Die erzeugten Messdaten können beispielsweise als Solldaten für die Vermessung mit taktilen Messmaschinen verwendet werden. Oberflächen welche scharfe Kanten, also nicht stetige Strukturen, besitzen, können mit diesem Aufbau nicht vermessen werden
In this study, we investigate the use of artificial neural networks as a potentially efficient method to determine the rate capability of electrodes for lithium-ion batteries with different porosities. The performance of a lithium-ion battery is, to a large extent, determined by the microstructure (i.e., layer thickness and porosity) of its electrodes. Tailoring the microstructure to a specific application is a crucial process in battery development. However, unravelling the complex correlations between microstructure and rate performance using either experiments or simulations is time-consuming and costly. Our approach provides a swift method for predicting the rate capability of battery electrodes by using machine learning on microstructural images of electrode cross-sections. We train multiple models in order to predict the specific capacity based on the batteries’ microstructure and investigate the decisive parts of the microstructure through the use of explainable artificial intelligence (XAI) methods. Our study shows that even comparably small neural network architectures are capable of providing state-of-the-art prediction results. In addition to this, our XAI studies demonstrate that the models are using understandable human features while ignoring present artefacts.
Production processes in Industry 4.0 settings are usually highly automated. However, many complicated tasks, such as machine maintenance, must be executed by human workers. In current smart factories, such tasks can be supported by Augmented Reality (AR) devices. These AR tasks rely on high numbers of contextual factors like live data from machines or work safety conditions and are mostly not well integrated into the global production process. This can lead to various problems like suboptimal task assignment, over-exposure of workers to hazards like noise or heat, or delays in the production process. Current Business Process Management (BPM) Systems (BPMS) are not capable of readily taking such factors into account. There- fore, this contribution proposes a novel approach for context- integrated modeling and execution of processes with AR tasks. Our practical evaluations show that our AR Process Framework can be easily integrated with prevalent BPMS. Furthermore, we have created a comprehensive simulation scenario and our findings suggest that the application of this system can lead to various benefits, like better quality of AR task execution and cost savings regarding the overall Industry 4.0 processes.