Zobrazeno 1 - 10
of 28
pro vyhledávání: '"Julius Pfrommer"'
Autor:
Bernd Zimmering, Oliver Niggemann, Constanze Hasterok, Erik Pfannstiel, Dario Ramming, Julius Pfrommer
Publikováno v:
Sensors, Vol 21, Iss 7, p 2397 (2021)
In the field of Cyber-Physical Systems (CPS), there is a large number of machine learning methods, and their intrinsic hyper-parameters are hugely varied. Since no agreed-on datasets for CPS exist, developers of new algorithms are forced to define th
Externí odkaz:
https://doaj.org/article/55b6178217dc4a6abab26996eefe2e64
Publikováno v:
at - Automatisierungstechnik. 70:756-766
KI-Engineering – translated as AI Systems Engineering – aims at the development of a new engineering practice in the intersection of Systems Engineering and Artificial Intelligence. Its goal is to professionalize the use of AI methods in a system
Autor:
Gisela Lanza, Tamim Asfour, Jürgen Beyerer, Barbara Deml, Jürgen Fleischer, Michael Heizmann, Kai Furmans, Constantin Hofmann, Alexander Cebulla, Christian Dreher, Jan-Philipp Kaiser, Jan-Felix Klein, Fabian Leven, Simon Mangold, Norbert Mitschke, Nicole Stricker, Julius Pfrommer, Chengzhi Wu, Marco Wurster, Manuel Zaremski
Publikováno v:
at - Automatisierungstechnik. 70:504-516
Zusammenfassung Agile Produktionssysteme vereinen ein hohes Maß an Flexibilität und Wandlungsfähigkeit. Diese Qualitäten sind insbesondere in einer Umgebung mit hoher Unsicherheit entscheidend, beispielsweise im Kontext von Remanufacturing. Reman
Autor:
Julius Pfrommer, Jan-Felix Klein, Marco Wurster, Simon Rapp, Patric Grauberger, Gisela Lanza, Albert Albers, Sven Matthiesen, Jürgen Beyerer
Publikováno v:
at - Automatisierungstechnik. 70:534-541
A fully automated remanufacturing system needs to be very adaptive in order to adjust to different product variants and the condition of received products. To allow for such adaptive behavior across different subsystems and levels from the classical
Publikováno v:
at - Automatisierungstechnik. 70:753-755
Autor:
Chengzhi Wu, Kanran Zhou, Jan-Philipp Kaiser, Norbert Mitschke, Jan-Felix Klein, Julius Pfrommer, Jürgen Beyerer, Gisela Lanza, Michael Heizmann, Kai Furmans
Publikováno v:
Procedia CIRP, 106, 138–143
To enable automatic disassembly of different product types with uncertain conditions and degrees of wear in remanufacturing, agile production systems that can adapt dynamically to changing requirements are needed. Machine learning algorithms can be e
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::c9889d34da777a4919bba2c5b62d4424
Autor:
Xuan-Luu Hong, Alexander Fay, Sascha Backhaus, David Küstner, Philip Koch, Julius Pfrommer, Rolf Bense
Publikováno v:
atp magazin. 61:64-71
Produzierende Unternehmen müssen ihre Produktionsprozesse immer häufiger an wechselnde Anforderungen, die sich aus zunehmend individuelleren Aufträgen ergeben, anpassen. Für eine effiziente Produktionsplanung und Arbeitsvorbereitung soll die Übe
Autor:
Julius Pfrommer, Thomas Usländer
Publikováno v:
Technologien für die intelligente Automation ISBN: 9783662598948
OPC UA hat sich in den letzten Jahren als Protokoll fur industrielle nicht-echtzeitkritische Kommunikation durchgesetzt. Mit OPC UA PubSub wird nun OPC UA um das Publish / Subscribe Kommunikationsmuster erweitert. Es wird gezeigt, wie OPC UA PubSub i
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::a14bc1d71f296a69b8680775c8f77ff3
https://doi.org/10.1007/978-3-662-59895-5_6
https://doi.org/10.1007/978-3-662-59895-5_6
Autor:
Clemens Zimmerling, Jinzhao Liu, Luise Kärger, Frank Henning, Julius Pfrommer, Jürgen Beyerer
Publikováno v:
Procedia CIRP. 72:426-431
Optimisation of manufacturing process parameters requires resource-intensive search in a high-dimensional parameter space. In some cases, physics-based simulations can replace actual experiments. But they are computationally expensive to evaluate. Su
Autor:
Jochen Garcke, Michal Walczak, Sven Giesselbach, Katharina Beckh, Rajkumar Ramamurthy, Annika Pick, Bogdan Georgiev, Sebastian Mayer, Jannis Schuecker, Julius Pfrommer, Christian Bauckhage, Raoul Heese, Birgit Kirsch, Laura von Rueden
Despite its great success, machine learning can have its limits when dealing with insufficient training data. A potential solution is the additional integration of prior knowledge into the training process which leads to the notion of informed machin
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::207237514f14d664ad30352655ec09ba
http://arxiv.org/abs/1903.12394
http://arxiv.org/abs/1903.12394