Fraunhofer Institute for Wind Energy Systems
Fordatis - Forschungsdaten-Repositorium der Fraunhofer-GesellschaftNot a member yet
228 research outputs found
Sort by
MANTRA: Graph-based information aggregation to improve cybersecurity management in critical infrastructures
No full textPersonas erstellt im Rahmen des MANTRA Projektes (Graphen-basierte Informationsaggregation zur Verbesserung des
Cybersicherheitsmanagements in kritischen Infrastrukturen). Die Personas wurden erstellt auf der Basis von Interviews mit Expert:innen und potenziellen Anwender:innen der MANTRA Lösung.Personas created as part of the MANTRA project (graph-based information aggregation to improve cybersecurity management in critical infrastructures). The personas were created on the basis of interviews with experts and potential users of the MANTRA solution.Diese Forschungsarbeit wurde durch die Agentur für Innovation in der Cybersicherheit GmbH beauftragt und finanziert. Eine Einflussnahme der Agentur für Innovation in der Cybersicherheit GmbH auf die Ergebnisse fand nicht statt
MaterioMiner - An ontology-based text mining dataset for extraction of process-structure-property entities
No full textThis repository contains named-entity recognition (NER) datasets for four materials science and engineering (MSE) publications and utility functions to handle the data. The scope of the scholarly articles used as a basis is crystallographic defects, microstructure, mechanical properties in particular fatigue. Each annotation corresponds to a class in a materials science domain ontology called materials mechanics ontology. This should prospectively enable linking materials knowledge and data to facilitate training neurosymbolic machine learning models.
Two dataset variants are published:
coarse-granular named-entity recognition (CG-NER) where the annotated concepts are high-level ontological classes
fine-granular named-entity recognition (FG-NER) where the annotated concepts are low-level ontological classes
Aside from the link to the ontology a characteristic of the dataset is its high degree of of annotation. Namely, 179 distinct ontological classes and 27% of all tokens are annotated in the fine-granular dataset.The authors express their gratitude to the German Federal Ministry of Education and Research (BMBF) for the funding in the scope of the iBain project (13XP5118B) as part of MaterialDigital.Please follow the readme.md file
Multisensor-Datensatz von Elstar Moje-Feindt Apfelbäumen während der Blütephase
No full textThis dataset captures the bloom stage of Elstar Moje-Feindt apple trees in a commercial orchard located in the Altes Land region of northern Germany during the 2024 growing season. The apple trees, planted in 2017, are arranged in a narrow spindle system with a spacing of approximately 1 meter. Data collection was carried out on April 15, 2024, at 10:59 AM under light drizzle conditions and lasted for 8 minutes and 32 seconds, with both sides of the row of 238 apple trees being traversed at an average speed of 3.5 km/h. The dataset was recorded using a ground-based multisensor platform and includes raw data from high-resolution 20MP Basler cameras at a frame rate of 5 fps, 128-layer LiDAR data at a frequency of 10 Hz, IMU data at 500 Hz, and RTK GNSS data at 10 Hz.Dieser Datensatz erfasst die Blütephase von Elstar Moje-Feindt Apfelbäumen in einer kommerziellen Obstplantage in der Region Altes Land in Norddeutschland während der Wachstumsperiode 2024. Die Apfelbäume, die 2017 gepflanzt wurden, sind in einem schmalen Spindelsystem mit einem Abstand von etwa 1 Meter angeordnet. Die Datenerfassung fand am 15. April 2024 um 10:59 Uhr bei leichtem Nieselregen statt und dauerte 8 Minuten und 32 Sekunden. Die Reihe mit 238 Apfelbäumen wurde dabei von beiden Seiten mit einer Durchschnittsgeschwindigkeit von 3,5 km/h durchfahren. Der Datensatz wurde mit einer bodengestützten Multisensor-Plattform aufgezeichnet und umfasst Rohdaten von hochauflösenden 20MP Basler-Kameras mit einer Bildrate von 5 fps, einem 128-Schicht LiDAR mit einer Frequenz von 10 Hz, IMU-Daten mit 500 Hz und RTK GNSS-Daten mit 10 Hz
Wetterdaten des Fraunhofer Institute for Chemical Technology ICT in Pfinztal, Germany
No full textThe following data set contains meteorological data measured at the Fraunhofer Institute for Chemical Technology ICT in Pfinztal, Germany. The measured values are available with a resolution of 15 minutes and grouped by year. The measurements were taken with a certified WS700 weather station from Lufft. The individual measurements, their ranges and the corresponding units are described below.
The station is used at the ICT for monitoring weather conditions during outdoor experiments. Each day's measurements are automatically stored as individual csv files on a data server. A manual download of the data sets took place on 06.06.2024. For better usability, the individual measurements were combined into a single dataset for an entire year. This was done using a Python script.Detail information: see included document "Metadata weather data ICT
ÖFIT Bevölkerungsumfrage 2021
No full textDie Umfrage befasst sich mit Sensoren im öffentlichen Raum wie bspw. Verkehrssensoren, Umweltsensoren oder Videokameras auf Plätzen oder Straßen. Teilnehmende bewerten ihre generelle Haltung gegenüber Sensoren und werden zu deren Wahrnehmung im öffentlichen Raum sowie zu ihrem Wissen über deren Arten und Funktionsweisen befragt. Ein besonderer Fokus liegt auf Kameras im öffentlichen Raum: Hierzu werden Meinungen zu Videoüberwachung, Sicherheit, Datenschutz und der Nutzung von Bilddaten erkundet. Themen wie die gewünschte Anzahl der Sensoren im öffentlichen Raum, die Bewertung von Maßnahmen um die Zustimmung zu Sensoren zu beeinflussen, sowie die Einstellung gegenüber und Nutzung von Wearables und Corona-bezogenen Apps werden ebenfalls behandelt. Die Umfrage endet mit Fragen zu persönlichen Erfahrungen und der Einschätzung der Nützlichkeit von Videoüberwachung in bestimmten Situationen. Für die Umfrage wird neben dem Datensatz (in zwei Versionen: sowohl mit Werten als auch mit Label) auch der Fragebogen mit dem Codeschema bereitgestellt. Zusätzlich werden die vom Dienstleister verfügbaren Angaben zu den Methoden der Datenvalidierung, Bereinigung und Gewichtung der Datensätze bereitgestellt.Bitte README beachten. Die Daten werden jeweils in zwei Formaten zugänglich gemacht. Formate für Daten (mit Werten und mit Label): .csv und .xlsx Formate für Fragebogen: .docx und .odt Formate für Methodenberichte: .pd
Can Large Language Models (LLMs) compete with Human Requirement Reviewers? - Replication of an Inspection Experiment on Requirements Documents
No full textThis is the data for the paper "Can Large Language Models (LLMs) Compete with Human Requirements Reviewers? – Replication of an Inspection Experiment on Requirements Documents". It contains the source code of the experiment to make our work transparent and reproducible. Furthermore, it contains the evaluation results.The code is written in python. For each experiment there is one jupyter notebook. We used OpenAI models and open source models. The open source models were run on our infrastructure. To run the code using the open source models, it must be adapted to the infrastructure you have access to
Barrel Pile Instance Segmentation
No full textDuring accidents involving hazardous chemicals, people in the area may be put at risk of harm. (Semi-)autonomous robots can mitigate this threat by removing leaking containers. However, teleoperation requires extensive training and is difficult in practice. To overcome these limitations, we implemented a perception system on an autonomous excavator that locates individual barrels in chaotic scenes for extraction. Following the human-in-the-loop principle, operators can remotely select which barrel to remove. An efficient U-Net-style, DCAN-flavored neural network is trained using synthetic and collected real-world RGB data (5,000 synthetic and 593 real images) and compared to an inference-heavy Mask R-CNN model. In experiments on a leave-out test set, created from the excavator, our model yielded an ODS mIoU of 85.14% and mAP of 72.19%, while Mask R-CNN achieved an ODS mIoU of 86.6% and mAP of 84.31%. With roughly 0.00584s inference time on 800×576 32-bit tensors, our model is faster than Mask R-CNN with an inference time of roughly 0.0491s. Using the robot calibration data, the point clouds of multiple LiDAR sensors are fused with the RGB segmentation to find local cylinder models for each barrel, delivering the exact poses for extraction using the motion planner to find a collision-free motion plan. Force measurements were included in the gripper to avoid deforming the barrel. Field trials showed that the barrels can be reliably extracted without any damage.Funded by the German Federal Ministry of Education and Research (BMBF) within the project AKIT-PRO
(13N15673).This dataset provides roughly 5.000 synthetically generated images, 593 real images collected with a DSLR camera and 47 real images collected online from an autonomous excavator of chaotic barrel piles together with instance mappings according to these images. The structure separates the synthetic, real and online data, for each subset there is a 'RGB' folder containing the images and a 'Instance' folder containing the instance mappings (different colors for each barrel instance) in PNG format
VIADUCT: Multisector data set for Visual Industrial Anomaly Detection
Get PDFVIADUCT data set provides 49 categories of industrial objects with corresponding 135 defect categories.The data set consists exclusively of PNG files. Each category is divided into the sub-followers train, val, test and ground truth. Only defect-free images are in the train and val directory. In the test directory are the sub-folders for each defect category and the category "good" (defect-free). The annotations (also called ground truth or labels) for the images in the defect category directories are located in the ground truth directory mentioned above. The so-called anomaly maps are binary and mark with white on black pixels where the defect is in the image
Adsorptive Heat Transformation Calculation Scripts
No full textScripts for calculating adsorption chillers and adsorptive heat transformers with basic adsorption heat exchanger theory equations including examples. Scripts may be used with R 4.3.0 https://cran.r-project.org/bin/windows/base/ in combination with RStudio https://posit.co/products/open-source/rstudio
Defining a competence model for sustainable engineering in Advanced Systems Engineering
No full textDie Tabelle enthält eine Validierung & Verifizierung des ASE Kompetenzmodells aus dem Forschungsprojekt AdWiSE anhand eines use cases in der Medizintechnik. Die Daten wurden vom Unternehmen OSYPKA AG in mehreren Expert:inneninterviews iterativ erarbeitet und analysieren die Umsetzung sowie geplante Maßnahmen zur zukünftigen Umsetzung der 6 ASE Kompetenzen im Unternehmen.Die vorgestellte Forschung ist Teil des Projekts AdWiSE (02P19B000). Dieses Forschungs- und Entwicklungsprojekt wurde vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Programms "Zukunft der Wertschöpfung - Forschung zu Produktion, Dienstleistung und Arbeit" gefördert und vom Projektträger Karlsruhe (PTKA) geleitet. Die Verantwortung für den Inhalt dieser Publikation liegt bei den Autor:innen.Es wird einn Textdokument mit Beschreibung und einer Tabelle im Format docx hochgeladen. Diese wurde mit Microsoft Office 365 erstellt, kann jedoch mit allen derzeit gängingen Textverarbeitungsprogrammen (e.g. libreoffice) geöffnet werden