Offenburg University of Applied Sciences
Hochschulschriftenserver der Hochschule OffenburgNot a member yet
6641 research outputs found
Sort by
Entwicklung eines Konzeptes für eine effiziente und nachhaltige Lagerhaltung und Verpackung von Linearachskomponenten
No full textIm Rahmen des Bachelorstudiums in der Fachrichtung Maschinenbau an der Hochschule für Technik, Wirtschaft und Medien in Offenburg stellt diese Arbeit den schriftlichen Abschluss des Studiums dar. Dabei soll das erworbene Wissen aus verschiedenen Fachgebieten, auf das vom Unternehmen definierte Abschlussprojekt, angewendet werden.
Die vorliegende Bachelorarbeit trägt den Titel „Entwicklung eines Konzeptes für eine effiziente und nachhaltige Lagerhaltung und Verpackung von Linearachskomponenten“. Das Ziel der Arbeit ist es, die aktuelle Situation im Bereich der Lagerhaltung von Linearachskomponenten im Hause HIWIN zu untersuchen, Möglichkeiten zur Reduzierung von Handling, Verpackungsmüll und Verschwendung aufzuzeigen sowie ein langfristig nach-haltiges und effizientes Konzept zu entwickeln.
Schlanke Prozesse sind essenziell für die Effizienz eines Unternehmens. Durch sie wer-den Mitarbeiter entlastet und verschwenderische Tätigkeiten vermieden. Strukturierte Planung ermöglicht es, Materialdurchläufe zu optimieren und somit Handling zu vermeiden. Insbesondere bei fremdgefertigten Bauteilen ist die Koordination und Absprache bis zum Lieferanten sinnvoll, um Verpackungs- und Lagermöglichkeiten effizient zu gestalten.
Zu Beginn der wissenschaftlichen Arbeit findet die theoretische Einarbeitung in das Thema statt. Dazu werden die notwendigen Grundlagen aufgeführt und auf die Themen Nachhaltigkeit, Lean Management, Wertstromanalyse und Lagerhaltung eingegangen. Anschließend erfolgt eine Ist-Aufnahme der aktuellen Situation von definierten Linearachskomponenten. Mittels einer Wertstromanalyse sollen die Materialdurchläufe analy-siert und optimiert werden. Außerdem gilt es, die allgemeine Lagerhaltung im Bereich der Achskomponenten zu optimieren. Für die extern gefertigten Bauteile soll ein Tauschbehälterkreislauf langfristig zur angestrebten Effizienz und Nachhaltigkeit durch Einbindung der Lieferanten in Unternehmensprozesse führen
Der rechtliche Rahmen für synthetische Kommunikationsakteure im digitalen Werbekontext
No full textDie digitale Werbewelt wird zunehmend durch synthetische Kommunikationsakteure wie virtuelle Influencer und Deepfakes geprägt, die menschliche Sprache, Mimik und Emotionen simulieren, ohne ihre künstliche Herkunft offenzulegen. Diese Bachelorarbeit untersucht, inwieweit die geltenden Vorschriften des Lauterkeitsrechts (§§ 5, 5a UWG) sowie der Datenschutz-Grundverordnung (Art. 12–14 DSGVO) geeignet sind, algorithmisch gesteuerte Werbeformate rechtlich zu regulieren und Verbraucher: innen wirksam vor Täuschung und Intransparenz zu schützen. Ausgangspunkt ist die Beobachtung, dass KI-generierte Inhalte parasoziale Nähe erzeugen und durch Plattformmechaniken wie TikTok algorithmisch verstärkt werden, wodurch neue Risiken für die wirtschaftliche Entscheidungsfreiheit entstehen. Die Analyse zeigt, dass beide Regelwerke zwar technologieneutral formuliert sind, jedoch strukturell auf anthropozentrische Kommunikationsmodelle ausgerichtet bleiben und die Besonderheiten synthetischer Akteure bislang nicht ausdrücklich normativ berücksichtigen. Anhand der Fallstudie Lil Miquela sowie der juristischen Einordnung von Deepfakes werden Risiken wie Identitätstäuschung, fehlende Kennzeichnung, algorithmische Profilbildung und die semantische Täuschungskraft synthetischer Kommunikationsakteure konkretisiert. Die Arbeit kommt zu dem Ergebnis, dass zentrale Transparenz- und Informationspflichten nicht ausreichend erfüllt werden und normative Leerstellen bestehen. Darauf aufbauend werden Erweiterungsvorschläge zu § 5 und § 5a UWG sowie zu Art. 13 DSGVO entwickelt, die synthetische Kommunikationsakteure eindeutig regulieren, Kennzeichnungspflichten konkretisieren und die Verbraucherautonomie im digitalen Werbeumfeld stärken. Die vorgeschlagenen Ergänzungen sind unionsrechtlich kompatibel, dogmatisch anschlussfähig und berücksichtigen sowohl die technologischen Besonderheiten KI-generierter Inhalte als auch die kommunikativen Eigenlogiken sozialer Medien. Die Arbeit versteht sich als Impuls zur Weiterentwicklung der juristischen Dogmatik im Zeitalter KI-generierter Kommunikation und plädiert für eine normative Öffnung des Rechts gegenüber algorithmisch gesteuerten Kommunikationsformen, um die Integrität der Marktkommunikation und den Schutz der informationellen Selbstbestimmung nachhaltig zu sichern
Eignung von Sensortechnologien zur Zustandsüberwachung von Nadelführungsbuchsen im Spritzgussprozess
No full textDas Nadelverschlusssystem in Spritzgusswerkzeugen ist entscheidend für die prozesssichere Herstellung von Kunststoffbauteilen, insbesondere bei hohen Kavitätenzahlen und hohen Anforderungen an die Anbindungsqualität. Die Nadelführungsbuchse übernimmt dabei eine zentrale Aufgabe: Sie sorgt für die Dichtheit zwischen Verschlussnadel und Werkzeugstruktur. Verschleiß, Undichtigkeiten oder Abweichungen in diesem System können direkt die Produktqualität beeinträchtigen und zu ungeplanten Produktionsstillständen führen.
Mit der fortschreitenden Industrialisierung und der zunehmenden Automatisierung der Fertigung gewinnt die kontinuierliche Prozessüberwachung an Bedeutung. Ein gezieltes Monitoring von kritischen Werkzeugkomponenten wie der Nadelführungsbuchse ermöglicht eine frühzeitige Fehlererkennung, verbessert die Prozessstabilität und trägt zur Minimierung von Produktionsausfällen bei. Gleichzeitig bietet eine zuverlässige Überwachung wirtschaftliche Vorteile, da Wartungsintervalle optimiert, Werkzeuglebensdauer verlängert und Ausschussquoten reduziert werden können. Die vorliegende Arbeit untersucht die Möglichkeiten und technischen Voraussetzungen, Verschleißzustände in der Nadelführungsbuchse durch Sensortechnologien frühzeitig zu erkennen und damit die Effizienz und Wirtschaftlichkeit von Spritzgussprozessen nachhaltig zu steigern
Entwicklung eines Applikationssystems zur Anbringung von Filzbezügen auf Ag/AgCl-EEG-Elektroden
No full textIn dieser Abschlussarbeit wird ein Applikationssystem zur Anbringung von Filzbezügen auf Ag/AgCl-EEG-Elektroden entwickelt. Die Filzbezüge werden dabei mit einem Gummiring hoher Shore-Härte auf EEG-Elektroden befestigt. Aktuell erfolgt die Anbringung der Filzbezüge und Gummiringe von Hand. Dieser Prozess der manuellen Anbringung ist sehr ineffizient, da die Gummiringe durch ihre hohe Shore-Härte nur mit hohem Kraft- und Zeitaufwand angebracht werden können.
Zur Optimierung dieses händischen Prozesses soll im Rahmen dieser Abschlussarbeit eine Vorrichtung mit der CAD-Software Autodesk Inventor konstruiert werden. Diese Konstruktion wird mittels 3D-Druck gefertigt und praktisch getestet
Modelling of Counter Current Flow in a Bubble Column System for Biological Methanation
No full textThis thesis focuses on modeling counter-current flow in a bubble column reactor for biological methanation, where hydrogenotrophic methanogens convert H₂ and CO₂ into CH₄. A mathematical model was developed to analyze hydrodynamics, bubble behavior, and mass transfer, with validation against experimental and literature data. Results show that increasing pressure enhances hydrogen solubility and methane production, while temperature has only a minor effect, consistent with Henry’s law. The findings provide insights into gas–liquid mass transfer and reactor optimization for sustainable energy applications
Frame Synchronization for a Single Packet
Get PDFWe derive the optimum method for locating a single packet in a received frame of symbols, using not only the samples that correspond to a known preamble but those of the entire transmitted packet. This approach leads to significant improvements compared to detection methods based on the preamble alone. For BSPK and on-off keying and their combinations with Manchester coding, we present simplified maximum likelihood metrics which are near-optimum while their computational complexity is only slightly higher than a simple correlation. Finally, we show how this metric can be derived for other modulations with memory
A virtual reality approach to interactive physics case study on the double-slit experiment
No full textThis paper explores the potential of augmented and virtual reality (AR/VR) to transform science education, focusing on the simulation of the double-slit experiment in an immersive environment. By leveraging Unity for development and deploying the project on Pico AR glasses, we demonstrate how AR/VR pushes the boundaries of traditional labs, such as accessibility, safety, and the ability to visualize abstract concepts. Drawing on constrained interactivity frameworks, we argue that virtual environments foster deeper conceptual understanding through guided experimentation and collaborative learning. Our work highlights insights from a public display at the Opening Ceremony of the International Year of Quantum Science and Technology (IYQ) at UNESCO Headquarters in Paris
Lean-Reifegradmodell für die Verschwendungsreduzierung an Montagearbeitsplätzen
No full textVerschwendung an Montagearbeitsplätzen verursacht erhebliche Effizienzverluste und steigert Produktionskosten. Zur systematischen Erfassung und Bewertung dieser Verschwendungen sowie zur Ableitung gezielter Verbesserungsmaßnahmen sind praxisorientierte und methodisch fundierte Instrumente erforderlich. Dieser Beitrag stellt ein Lean-Reifegradmodell vor, das speziell auf industrielle Montagearbeitsplätze und deren Materialanbindung zugeschnitten ist. Durch die Gliederung in relevante Sektionen ermöglicht das Modell eine differenzierte Bewertung, schafft Transparenz über den Reifegrad und unterstützt die Priorisierung von Optimierungsmaßnahmen. Damit trägt es wesentlich zur nachhaltigen Steigerung der Produktivität und Reduktion von Verschwendung bei.Waste at assembly workstations causes considerable efficiency losses and increases production costs. Practical and methodologically structured tools are required to systematically record and evaluate this waste and to derive targeted improvement measures. This article presents a lean maturity model that is specifically tailored to industrial assembly workstations and their material connection. By dividing the model into relevant sections, it enables a differentiated assessment, creates transparency about the level of maturity and shows the priority of optimizing measures. It therefore makes a significant contribution to sustainably increasing productivity and reducing waste
Decoding robust generalization in object recognition models
No full textA key challenge in machine learning, particularly for image classifiers, is the robust generalization to new data - while models often perform well on data drawn from similar distributions as their training set, they struggle with samples exhibiting even slight deviations. Although increasing training data volume is a straightforward solution, it is often expensive, resource-intensive, and sometimes simply impossible. We propose a more structured approach: rather than indiscriminately training on massive datasets, we focus on understanding and leveraging knowledge embedded within existing models. Our goal is to investigate model populations with varying degrees of generalization ability to uncover the underlying mechanisms that contribute to robust performance. We pursue this goal through two complementary lines of investigation. The first part of this thesis focuses on representations in learned weights: We analyze the representations encoded in the learned weights of Convolutional Neural Networks (CNNs), specifically focusing on convolutional filters. Through several studies, we identify points of representational divergence across different CNN models and explore the factors influencing these differences, with a particular emphasis on the impact of adversarial training - a state-of-the-art regularization technique to achieve robustness to adversarial perturbations. Based on these findings, we propose a novel, simple, and computationally efficient regularization technique for convolution filters in standard training that enhances model robustness against adversarial attacks and other forms of covariate shift. The second part of this thesis focuses on visual perception biases. We investigate the visual biases exhibited by models, specifically comparing them to human perception by measuring alignment. We demonstrate how adversarial regularization affects these biases and correlate several well-known biases with generalization performance. Our results challenge previous claims that simply aligning individual visual biases holistically improves model generalization. Instead, we find that bias alignment often only improves predictions under specific types of covariate shift. Finally, we examine the propagation of visual information within large vision-language models (VLMs), revealing that simple natural language prompts can effectively steer inherent visual perception biases. Taken together, this thesis offers valuable insights into the learned representations of object recognition models. By enhancing our understanding of generalization mechanisms, we establish promising techniques such as filter regularization for discriminative models and test-time bias steering in VLMs. Furthermore, we delineate the limitations of existing approaches and identify less promising directions, such as simply regularizing biases during the training of discriminative models.Eine zentrale Herausforderung im maschinellen Lernen - insbesondere bei Bildklassifikatoren - besteht in der robusten Generalisierung auf neue Daten. Während diese Modelle häufig gute Leistungen auf Daten erbringen, die aus Verteilungen stammen, die ihrem Trainingsdatensatz ähneln, haben sie Schwierigkeiten mit Beispielen, die auch nur geringfügig abweichen. Obwohl eine Vergrößerung des Trainingsdatensatzes eine naheliegende Lösung darstellt, ist dieser Ansatz oft zu teuer, ressourcenintensiv und manchmal schlichtweg unmöglich. Wir schlagen einen strukturierteren Ansatz vor: Anstatt scheinbar wahllos auf massiven Datensätzen zu trainieren, konzentrieren wir uns darauf, das in bestehenden Modellen eingebettete Wissen zu verstehen und zu nutzen. Unser Ziel ist es, Modellpopulationen mit unterschiedlichen Ausprägungen der Generalisierungsfähigkeit zu untersuchen, um die zugrunde liegenden Mechanismen aufzudecken, die zu einer robusten Leistung beitragen. Dieses Ziel verfolgen wir durch zwei komplementäre Forschungsansätze. Der erste Teil dieser Arbeit konzentriert sich auf Repräsentationen in den gelernten Gewichten: Wir analysieren die in den Gewichten von Convolutional Neural Networks (CNNs) kodierten Repräsentationen, wobei unser besonderer Fokus auf den Faltungsfiltern liegt. Durch mehrere Studien identifizieren wir Punkte repräsentativer Divergenz zwischen verschiedenen CNN-Modellen und untersuchen die Faktoren, die diese Unterschiede beeinflussen - mit besonderem Augenmerk auf den Einfluss des "Adversarial Trainings", einer effektiven Regularisierungstechnik, die Robustheit gegenüber "feindlichen Angriffen" (Adversarial Attacks) erreicht. Basierend auf diesen Erkenntnissen schlagen wir eine neuartige, einfache und recheneffiziente Regularisierungstechnik für Faltungsfilter im Standardtraining vor, die die Robustheit von Modellen gegenüber feindlichen Angriffen und anderen Formen der Kovariaten-Verschiebung (Covariate Shift) erhöht. Der zweite Teil dieser Arbeit widmet sich visuellen Wahrnehmungsverzerrungen. Wir untersuchen die von den Modellen gezeigten visuellen Verzerrungen, indem wir diese gezielt mit der menschlichen Wahrnehmung vergleichen und deren Übereinstimmung messen. Dabei zeigen wir, wie die Regularisierung durch "Adversarial Training" diese Verzerrungen beeinflusst, und stellen Korrelationen zwischen mehreren bekannten Verzerrungen und der Generalisierungsleistung her. Unsere Ergebnisse stellen frühere Behauptungen in Frage, wonach allein die Korrektur von einzelnen visuellen Verzerrungen die Generalisierung von Modellen verbessern soll. Stattdessen stellen wir fest, dass eine Angleichung der Verzerrungen häufig nur unter bestimmten Formen der Kovariaten-Verschiebung zu verbesserten Vorhersagen führt. Abschließend untersuchen wir die Verarbeitung von visueller Informationen innerhalb großer Bild-Sprach-Modelle (VLMs) und zeigen, dass einfache Prompts in natürlicher Sprache die inhärenten visuellen Wahrnehmungsverzerrungen effektiv steuern können. Zusammenfassend bietet diese Arbeit wertvolle Einblicke in die gelernten Repräsentationen von Objekterkennungsmodellen. Durch ein vertieftes Verständnis der Generalisierungsmechanismen etablieren wir vielversprechende Techniken wie die Filterregularisierung für diskriminative Modelle und die Wahrnehmungsverzerrungs-Steuerung in VLMs zur Testzeit. Darüber hinaus skizzieren wir die Grenzen bestehender Ansätze und identifizieren weniger vielversprechende Richtungen, etwa das bloße Regularisieren von Verzerrungen während des Trainings diskriminativer Modelle
A Novel Approach for Leveraging Object Detection for 3D Human Pose Estimation in Complex Human-Robot Collaboration Environments
No full textAlthough 3D Human Pose Estimation has major breakthroughs in recent years, 3D pose estimation in complex scenarios remains difficult. One of the reasons is the lack of diverse 3D datasets for training and generalizing the models. This issue is counteracted by acquiring a dataset of Human-Robot Collaboration scenes featuring different objects, such as a cobot. We propose a novel two-step method, where first a 3D Object detection task with VoteNet is performed to identify the human in the scenario and claim it as a region of interest for the pose estimation task. Second, this region of interest is cropped and passed into the 3D Human Pose Estimation algorithm SPiKE, which locates 15 keypoints of the human. Based on this procedure, our method improves detection in complex scenarios. Furthermore, this article compares the benefits of training the algorithm additionally on the obtained Human-Robot Collaboration dataset compared to training it with the standard ITOP dataset. While the SPiKE algorithm makes no correct prediction on the Human-Robot Collaboration scenario, the results of the two-step SPiKEVN approach with mAP of 41.17 % is significantly lower as the benchmark model on the ITOP dataset. Nonetheless, the SPiKEVN model exhibits similar performance to SPiKEman with a difference of 2.43 % mAP indicating the method is effectively functioning