1 - 10 of 32
-
PublicationPrävention von digitalem Stress in der Praxis(Fraunhofer FIT, Projektgruppe Wirtschaftsinformatik, 2021)
-
PublicationKonzept für eine Datenvermehrung von Trainingsdatensätzen für ein Maschinenlern-Modell zur Vorhersage eines Zustands eines technischen Bauteils(Fraunhofer FIT, 2021)Die vorliegende Erfindung bezieht sich auf Verfahren, Vorrichtungen und Computerprogrammen zum Erzeugen von Trainingsdatensätzen zum Trainieren eines Maschinenlern-Modells zur Vorhersage über einen Zustand eines technischen Bauteils, zum Trainieren eines solchen Maschinenlern-Modells, und zum Einsatz eines solchen Maschinenlern-Modells. Das Verfahren zum Erzeugen der Trainingsdatensätzen umfasst ein Erhalten (110) einer Mehrzahl von Messdatensätzen über das technische Bauteil, wobei jeder Messdatensatz zumindest ein oder mehrere Ausgangs-Messdaten umfasst. Das Verfahren umfasst ferner ein Ermitteln (120) von Modell-Parameterwerten von ein oder mehreren Modell-Parametern eines physikalischen Modells des technischen Bauteils basierend auf den ein oder mehreren Ausgangs-Messdaten der jeweiligen Messdatensätze. Das Verfahren umfasst ferner ein Bestimmen (140)einer ersten Mehrzahl von Trainingsdatensätzen, etwa durch Durchführen einer ersten Mehrzahl von Simulationen des physikalischen Modells, wobei basierend auf einer statistischen Verteilung der ermittelten Modell-Parameterwerte ein oder mehrere Modell-Parameterwerte für die jeweilige Simulation ausgewählt werden. Das Verfahren umfasst ferner ein Durchführen (150) einer zweiten Mehrzahl von Simulationen des physikalischen Modells, um eine zweite Mehrzahl von Trainingsdatensätzen zu generieren, wobei basierend auf der statistischen Verteilung der ermittelten Modell-Parameterwerte ein oder mehrere Modell-Parameterwerte für die jeweilige Simulation ausgewählt werden, wobei für jede Simulation zumindest ein Modell-Parameterwert außerhalb eines Hauptbereichs der statistischen Verteilung der ermittelten Modell-Parameterwerte ausgewählt wird.
-
PublicationPräventionsmaßnahmen der digitalen Arbeit(Fraunhofer FIT, 2021)
-
-
PublicationBelastungsfaktoren der digitalen Arbeit(Fraunhofer FIT, 2020)Die schnell voranschreitende Durchdringung des Arbeitslebens mit digitalen Technologien und Medien bringt viele Chancen, aber auch substanzielle Risiken und Nachteile mit sich. Es treten umfangreiche Änderungen im Belastungs- und Beanspruchungsprofil von Erwerbstätigen auf. Die potenzielle Folge: digitaler Stress. Die Studie ""Gesund digital arbeiten?!"" des Forschungsprojekts ""PräDiTec - Prävention für sicheres und gesundes Arbeiten mit digitalen Technologien"", gefördert durch das Bundesministerium für Bildung und Forschung (BMBF) im Programm ""Innovation für die Produktion, Dienstleistung und Arbeit von morgen"" (Fördernummer O2L16D030), untersucht mittels einer groß angelegten Befragung von über 5.000 Erwerbstätigen die Verbreitung von digitalem Stress, dessen Einflussfaktoren und dessen Folgen in Deutschland. In der Studie konnten bei der Arbeit mit digitalen Medien und Technologien mindestens zwölf verschiedene Belastungsfaktoren identifiziert werden. Diese Broschüre soll ein tieferes Verständnis über diese Belastungsfaktoren geben. Jeder Belastungsfaktor wird definiert und mit einem Beispielsszenario veranschaulicht. Anschließend werden Lösungsvorschläge aufgezeigt.
-
PublicationDigitale Arbeit während der COVID-19-Pandemie(Fraunhofer FIT, 2020)
-
Publication
-
PublicationSmart Devices erfolgreich in Produktionsprozesse integrieren(Universität Bayreuth, 2019)Mit der zunehmenden Digitalisierung von Wirtschaft und Gesellschaft ist die Vision der Industrie 4.0, einer intelligenten und vernetzten Produktion, entstanden. Inzwischen ist Digitalisierung für Unternehmen ein entscheidender Faktor, um zukunfts- und wettbewerbsfähig zu bleiben. Allerdings stellt diese Entwicklung insbesondere kleine und mittlere Unternehmen(KMU) vor große Herausforderungen. KMU sind zum Beispiel häufig damit konfrontiert, bestehende Anwendungssysteme aufzurüsten und individuelle Lösungen für die Digitalisierung zu entwickeln. Das durch die Bayerische Forschungsstiftung (BFS) geförderte konsortiale Forschungsprojekt »SmarDe's@Work - Smart Devices in der Produktion« adressiert exakt diese Herausforderung und unterstützt KMU bei dem zielgerichteten Einsatz von Smart Devices in Produktionsprozessen. Hierzu wurden Smart Devices (z.B. Smartphones, Tablets, Smartwatches) in Produktionsprozessen zur Verbesserung der Kommunikation zwischen Menschen, Maschinen und Anwendungssystemen eingesetzt. Die Umsetzung von Industrie 4.0-Technologien wird für KMU dadurch maßgeblich erleichtert. Zentraler Bestandteil des Forschungsprojekts war die Entwicklung eines Demonstrators, bestehend aus einer Middleware und einer Client-Applikation, der in acht realweltlichen Anwendungsfällen implementiert und evaluiert sowie in fünf weiteren fiktiven Anwendungsfällen analysiert wurde. Die bisherigen Anwendungserfahrungen waren ausnahmslos positiv, sodass die am Forschungsprojekt beteiligten Unternehmen die Smart Devices sowie die zugehörige Software (Middleware und Client-Applikation) dauerhaft in ihren Produktionsprozessen einsetzen werden. Der entwickelte Demonstrator wurde auf der Open-Source-Plattform Github für interessierte Unternehmen zur individuellen Nutzung und Weiterentwicklung veröffentlicht. Die vorliegende Studie bietet Unternehmen und Mitarbeitern, insbesondere Führungskräften, die Möglichkeit, Einblick in dieses zukunftsweisende Forschungsprojekt zu erhalten, Ideen für die eigene Produktion zu sammeln sowie Synergieeffekte für das eigene Unternehmen zu schaffen. Darüber hinaus erhalten die Leser den Kontakt zu kompetenten Ansprechpartnern, die über eine große Expertise im Bereich Industrie 4.0 verfügen.
-
-
