KITopen
Not a member yet
63711 research outputs found
Sort by
Branch Drift: A Visually Explainable Metric for Consistency Monitoring in Collaborative Software Development
No full textInfluence of Electrolytic Hydrogen Charging and Effusion Aging on the Rotating Bending Fatigue Resistance of SAE 52100 Steel
No full textProcess Development for Hepatitis B core Antigen Virus-Like Particles as Gene Delivery Vectors - Processing and Analytics in the Presence of Nucleic Acids
No full textSensitivities of simulated mixed-phase Arctic multilayer clouds to primary and secondary ice processes
No full textGeotextilien – flexibler Baustein für lokale Klimaanpassungsmaßnahmen
No full textGeotextilien sind durchlässige, aus Fasern aufgebaute textile Materialien, die insbesondere im Bausektor zur Stabilisierung, Trennung, Filterung, Drainage oder Erosionskontrolle eingesetzt werden. Geotextilien werden auch zunehmend als Element von Klimaanpassungsmaßnahmen verwendet, da sie vielseitig einsetzbar sind. So können beispielsweise die Auswirkungen von Starkregenereignissen durch die Bewehrung von Böschungen mit Geotextilien gemindert werden. In Österreich und in der Schweiz werden Gletscher mit speziellen Geotextilien abgedeckt, um die Gletscherschmelze zu verzögern. Ein besonderer Anwendungsbereich ist die Klimaanpassung im urbanen Raum. Hier können Geotextilien zur Reduzierung des urbanen Hitzeinseleffekts eingesetzt werden, beispielsweise zur großflächigen Verschattung öffentlicher Räume. Geotextilien können auch als Trägermaterial für die Dach- oder Fassadenbegrünung von Bauwerken dienen und so für eine Verbesserung des Mikroklimas sorgen.
Geotextilien bestehen meist aus synthetischen Ausgangsstoffen (z. B Polyester oder Polyethylen), sie können aber auch aus natürlichen Fasern (z. B. Kokos, Jute oder Schilf) hergestellt werden. Naturfasern werden insbesondere dann eingesetzt, wenn eine spätere Verrottung gewünscht ist.
Beim Einsatz synthetischer Geotextilien, die mit Wasser in Berührung kommen, muss die Gefahr des Eintrags von Mikropartikeln mit bedacht werden. Hier setzen Forschungsprojekte an, die beispielsweise den Einsatz natürlicher, abbaubarer Geotextilfasern erproben. Auch an smarten Geotextilien wird geforscht, die mit zusätzlichen Sensoren ausgestattet werden können, die Druck- und Temperaturdaten aufnehmen und perspektivisch etwa bei der Überwachung von Deichen eingesetzt werden können, um kritische Strukturveränderungen schneller zu erkennen
Objektbasierte Generierung von Geschäftsprozessmodellen
No full textObwohl Geschäftsprozessmodellen eine große Bedeutung zugesprochen wird, werden viele Geschäftsprozesse in der Praxis nicht oder nur unzureichend modelliert. Gründe hierfür sind beispielsweise die zeit- und ressourcenintensive manuelle Modellierung sowie fehlende Modellierungsexpertise. Diese Probleme sollen durch die automatisierte Prozessmodellierung gelöst werden.
Die Ausführung eines Geschäftsprozesses basiert auf der kontinuierlichen Interaktion mit Objekten (wie beispielsweise Bestellungen, Rechnungen, Lieferscheine): Aktivitäten in Geschäftsprozessen erzeugen, lesen, bearbeiten und verbrauchen Objekte, die beispielsweise in Dokumenten oder Datenbanken gespeichert sind. Die Zustände dieser Objekte werden während der Ausführung der Geschäftsprozesse durch Aktivitäten verändert. Somit enthalten Objekte sowohl Aktivitäts- als auch Objektinformationen. Diese enge Verzahnung von Objekten und Geschäftsprozessen unterstreicht die Bedeutung einer integrierten Betrachtung von Objekt- und Kontrollflussaspekten. Dennoch wurde die Nutzung von Objekten für die automatisierte Prozessmodellierung bisher kaum untersucht. Daher war das Ziel der Arbeit, eine Methode zur automatisierten Prozessmodellierung zu entwickeln, die auf der Analyse von Objekten basiert. Grundlage dieser Methode sind Objekte, die in den Ausführungen des zu modellierenden Geschäftsprozesses erzeugt, gelesen, bearbeitet oder verbraucht wurden.
Die Methode umfasst ein zweistufiges Vorgehen. In der ersten Phase, der Informationsextraktion, werden die Objektinstanzen zunächst Prozessinstanzen zugeordnet. Anschließend werden die Objektinstanzen nach Objekttypen klassifiziert. Aus den inhaltlichen und zeitlichen Zusammenhängen der Objektinstanzen werden Aktivitätstypen abgeleitet. In der zweiten Phase, der Transformation, werden die Objekttypen und Aktivitätstypen in die Elemente eines höheren Petri-Netzes transformiert. Objekttypen werden durch Stellen, Aktivitätstypen durch Transitionen und der Kontrollfluss durch Kanten dargestellt. Zusätzlich werden auch Objektstrukturen und Objektmanipulation abgebildet.
Die praktische Anwendbarkeit der Methode wird durch einen Software-Prototyp demonstriert. Die Evaluation zeigt, dass die Methode für die gegebenen Szenarien sequenzielle, alternative und nebenläufige Ordnungsbeziehungen zwischen Aktivitätstypen erkennt. Durch die integrierte Darstellung von Objekt- und Kontrollfluss werden die Zusammenhänge kompakter in den Petri-Netzen abgebildet als bei traditionellen Process Discovery-Algorithmen. Die Berücksichtigung inhaltlicher Zusammenhänge führt im Vergleich zu den zeitlichen Zusammenhängen zur Erkennung von zusätzlichen Aktivitätstypen
Tolerance Investigation on a Helically Corrugated Interaction Circuit of a 265 GHz Gyro-TWA
No full textGyro-traveling-wave amplifiers (TWAs) with a helically corrugated interaction region (HCIR) are used for broadband, high-power amplification of microwave signals. In this publication, an HCIR for 265 GHz (G-band) and the influence of manufacturing tolerances on the HCIR performance are presented. This is done by using three different approaches. First, the influence of uniform deviations along the HCIR on the wave dispersion is considered. Second, particle in cell simulations for uniform deviations are conducted. Third, the influence of nonuniform randomly distributed manufacturing tolerances is investigated. It is found that uniform deviations along the HCIR strongly degrade gain and bandwidth, which results in small acceptable tolerances for these deviations. However, these constitute systematic errors, which can be compensated by adjusting the manufacturing process. In contrast, nonuniform deviations along the HCIR with Gaussian random distribution, e.g., caused by vibrations during manufacturing, do not exhibit the same characteristics. These are investigated by PIC simulation of HCIRs with random deviations along their outer wall. Their effect on gain and bandwidth has been shown to be smaller compared to uniform deviations, which allows for increased tolerances for nonuniform deviations
Streamlining Multi-scale Materials Modeling: The MUSICODE Low-Code Approach for Simulation Workflows and Executable MODAs
No full textData-driven pattern recognition of seismic wind turbine emissions with machine learning
No full textSeismic emissions from wind turbines (WTs) affect the quality of seismological measurements, especially for the investigation of local earthquakes or for the monitoring of geothermal operations. Not all sources of the observed WT emissions are understood, and other related patterns may even be unknown. However, understanding these emissions is crucial to address and mitigate this problem.
This study presents a workflow employing unsupervised machine learning techniques to identify patterns in WT emissions utilizing ground motion data collected during four months in 2022 and 2023 in the Inter-Wind project near the Tegelberg wind farm in southwest Germany.
Aiming to extract known and unknown patterns of seismic WT emissions in a datadriven fashion, the hierarchical clustering algorithm HDBSCAN is applied, allowing a layered investigation of the clustering results. To ensure robust clustering of the dataset, a translation-invariant representation is essential. As the scattering transform proves effective in multiple seismological studies, it is applied before the clustering using the scatseisnet Python package.
The clustering results reveal distinct patterns correlating with wind direction, WT rotation rate, and wind speed, contributing to a better understanding of seismic WT emissions. Thus, the developed workflow is an important step toward the decorrelation of seismic WT emissions from meteorological conditions
