Offenburg University of Applied Sciences
Hochschulschriftenserver der Hochschule OffenburgNot a member yet
6641 research outputs found
Sort by
Onshape - kurz und bündig
No full textDieses Lehrbuch ermöglicht Anfängern in der 3D-Modellierung einen schnellen Einstieg in die Arbeit mit dem cloudbasierten praxisorientierten CAD-System Onshape. Dabei werden bei jedem Schritt die besonderen Anforderungen an eine 3D-Druck-gerechte Gestaltung erläutert und umgesetzt. Das Ergebnis dieser „Schritt für Schritt“-Anleitung ist die vollständige Modellierung eines Miniatur-Automobils, das am 3D-Drucker in ein reales Modell umgesetzt werden kann. Die vorliegende Auflage enthält nun eine Übersicht der 3D-Druckwerkstoffe und geht auf die aktuellen Weiterentwicklungen von Onshape ein. Neue Funktionen, wie die Erstellung von Stücklisten, Explosionsansichten und Schnittansichten, werden demonstriert
Analysis of the Performance and Operation of a Photovoltaic-Battery Heat Pump System Based on Field Measurement Data
Get PDFPhotovoltaic-heat pump (PV-HP) combinations with battery and energy management systems are becoming increasingly popular due to their ability to increase the autarchy and utilization of self-generated PV electricity. This trend is driven by the ongoing electrification of the heating sector and the growing disparity between growing electricity costs and reducing feed-in tariffs in Germany. Smart control strategies can be employed to control and optimize the heat pump operation to achieve higher self-consumption of PV electricity. This work presents the evaluation results of a smart-grid ready controlled PV-HP-battery system in a single-family household in Germany, using 1-minute-high-resolution field measurement data. Within 12 months evaluation period, a self-consumption of 43% was determined. The solar fraction of the HP amounts to 36%, enabled also due to higher set temperatures for space heating and domestic hot water production. Accordingly, the SPF decreases by 4.0% the space heating and by 5.7% in the domestic hot water mode. The combined seasonal performance factor for the heat pump system increases from 4.2 to 6.7, when only considering the electricity taken from the grid and disregarding the locally generated electricity supplied from photovoltaic and battery units
Evaluation of MinION sequencing using unknown viral sequences
No full textThe growing threat posed by multidrug-resistant (MDR) pathogens, such as Klebsiella pneumoniae (Kp), represents a significant challenge in modern medicine. Traditional antibiotic therapies are often ineffective against these pathogens, leading to high mortality rates. MDR Kp infections pose a novel challenge in military medical contexts, particularly in Medical Biodefense, as they can be deliberately spread, leading to resource-intensive care in military centres. Recognizing this issue, the European Defence Agency initiated a prioritised research project in 2023 (EDF Resilience PHAGE- SGA 2023). To address this challenge, the Bundeswehr Institute of Microbiology (IMB) leads BMBF- (Federal Ministry of Education and Research) and EU-funded projects on the use of bacteriophages as adjuvant therapy alongside antibiotics. Since 2017, the IMB has isolated and characterised Kp phages, collecting over 600 isolates and optimizing their production for therapy, in compliance with the EMA (European Medicine Agency) guidelines. This involves in vitro phage genome packaging to minimize endotoxin load, reduce manufacturing costs, and shorten production times. The goal of this work was to establish MinION sequencing (Oxford Nanopore Technology) as a quick and reliable way for initial identification and characterisation of phage genomes. Especially as a quick screening method for isolated on Kp, prior to more precise but also more expensive and time consuming sequencing methods like Illumina. This characterisation is crucial for developing a personalized pipeline aimed at producing magistral or Good Manufacturing Practice (GMP) quality medicinal phage solutions tailored individually for each patient. DNA extraction methods were compared to identify suitable input DNA for sequencing purposes. Additionally, the quality of this DNA was as- sessed to determine its suitability for in vitro phage packaging, which was successfully done achieving a phage titer of 103, confirming that the DNA used for MinION sequencing could indeed be used for acellular packaging. The created genomes were annotated and compared with Illumina sequencing, revealing high similarity in all five individually tested cases. Between the generated sequences only a 4% maximal percentual difference in genome size was observed, while simultaneously showing high similarity in the actual sequence. Throughout the course of this study, a total of 645.15 GB of sequencing data were generated. In total, 38 phages were successfully characterised, with 21 phage genomes assembled and annotated, and saved in the IMB database
"The Destroyer of Worlds" - Die Filmbiografie eines Physikers | Eine filmästhetische Analyse zu Christopher Nolans Meisterwerk "Oppenheimer"
No full textMeiner Meinung nach ist Christopher Nolans Meisterwerk „Oppenheimer“ eindeutig der Film des Jahres. Nolan zählt für mich zu einem der bedeutendsten Regisseure der Filmkunst. Im Kino zog mich der Film in den Bann. 3 Stunden vergingen wie im Flug. Doch warum fasziniert mich dieser Film so sehr? Wie hat Nolan hier gearbeitet? Diese wissenschaftliche Arbeit soll dieses Lichtspiel filmästhetisch analysieren. Diese Analyse beschäftigt sich einerseits mit dem Film und andererseits mit der Biografie „J. Robert Oppenheimer“ von Kai Bird und Martin J. Sherwin als Hauptquellen. Es werden die Handlung, die Kameraarbeit, das Szenenbild, die Audiogestaltung, die Filmmusik und die Montage analysiert. Zum Schluss werden Filmkritiken untersucht, um zu analysieren, wie der Film in der breiten Masse ankam
Untersuchung Stapelhubwerk
No full textDiese Arbeit widmet sich dem Anleger der aktuellen Maschinengeneration der HEIDELBERG Speedmaster XL 106, diese erreicht eine maximale Druckgeschwindigkeit von 21 000 bedruckten Bögen pro Stunde (Bg/h) und stößt bei einer Bedruckstoffdicke von 0,6 mm an ihre technischen Grenzen. Ein vollautomatisierter Auto-Non-Stopp-Wechsel (ANS-Wechsel) zur Gewährleistung einer kontinuierlichen Bedruckstoffzufuhr an der Druckmaschine ist bei maximaler Druckgeschwindigkeit von 21 000 Bg/h oberhalb dieser Bedruckstoffdicke nicht mehr möglich. Es besteht die Forderung nach höheren Bedruckstoffdicken bei unverändert maximaler Druckgeschwindigkeit von 21 000 Bg/h und gleichzeitiger Gewährleistung eines sicheren ANS-Wechselvorgangs.
Im Zuge dieser Arbeit wird durch eine Analyse zahlreicher Kundenmaschinen eine präzise Zielsetzung definiert. Eine eingehende Untersuchung des vollautomatischen ANS-Wechselvorgangs zur kontinuierlichen Bedruckstoffversorgung der Druckmaschine folgt. Dieser Wechselprozess wird im Laufe der Arbeit in seine Einflussfaktoren aufgeschlüsselt, die anschließend schrittweise und methodisch bezüglich der Zielsetzung definiert werden. Dabei wird der technische Grenzbereich des aktuellen Systems identifiziert und erweitert. Als Ergebnis gilt es, die betroffenen Komponenten erneut auf ihre Auslegung zu überprüfen, da sie aufgrund dieses erweiterten Grenzbereichs möglicherweise höheren Belastungen ausgesetzt sind. Die Untersuchung zeigt, dass es Situationen gibt, in denen sicherheitsrelevante Komponenten unzulässig stark beansprucht werden. Daher werden Lösungskonzepte vorgestellt, um die geforderten technischen Grenzen und sicherheitstechnischen Anforderungen zu erfüllen
HPTLC-Fingerprinting and application of machine learning to characterize pyrolysis oils from different origin of biomass
No full textThe research employed HPTLC Pro System and other HPTLC instruments from CAMAG® to conduct various laboratory tests, aiming to compile a database for subsequent analyses. Utilizing MATLAB, distinct codes were developed to reveal patterns within analyzed biomasses and pyrolysis oils (sewage sludge, fermentation residue, paper sludge, and wood). Through meticulous visual and numerical analysis, shared characteristics among different biomasses and their respective pyrolysis oils were revealed, showcasing close similarities within each category. Notably, minimal disparity was observed in fermentation residue and wood biomasses with a similarity coefficient of 0.22. Similarly, for pyrolysis oils, the minimal disparity was found in fermentation residues 1 and 3, with a disparity coefficient of 1.41. Despite higher disparity coefficients in certain results, specific biomasses and pyrolysis oils, such as fermentation residue and sewage sludge, exhibited close similarities, with disparity coefficients of 0.18 and 0.55, respectively. The database, derived from triplicate experimentation, now serves as a valuable resource for rapid analysis of newly acquired raw materials. Additionally, the utility of HPTLC PRO as an investigation tool, enabling simultaneous analysis of up to five samples, was emphasized, although areas for improvement in derivatization methods were identified
MEMS-based physical unclonable functions
No full textWith the expansion of IoT devices in many aspects of our life, the security of such systems has become an important challenge. Unlike conventional computer systems, any IoT security solution should consider the constraints of these systems such as computational capability, memory, connectivity, and power consumption limitations. Physical Unclonable Functions (PUFs) with their special characteristics were introduced to satisfy the security needs while respecting the mentioned constraints. They exploit the uncontrollable and reproducible variations of the underlying component for security applications such as identification, authentication, and communication security. Since IoT devices are typically low cost, it is important to reuse existing elements in their hardware (for instance sensors, ADCs, etc.) instead of adding extra costs for the PUF hardware. Micro-electromechanical system (MEMS) devices are widely used in IoT systems as sensors and actuators. In this thesis, a comprehensive study of the potential application of MEMS devices as PUF primitives is provided. MEMS PUF leverages the uncontrollable variations in the parameters of MEMS elements to derive secure keys for cryptographic applications. Experimental and simulation results show that our proposed MEMS PUFs are capable of generating enough entropy for a complex key generation, while their responses show low fluctuations in different environmental conditions.
Keeping in mind that the PUF responses are prone to change in the presence of noise and environmental variations, it is critical to derive reliable keys from the PUF and to use the maximum entropy at the same time. In the second part of this thesis, we elaborate on different key generation schemes and their advantages and drawbacks. We propose the PUF output positioning (POP) and integer linear programming (ILP) methods, which are novel methods for grouping the PUF outputs in order to maximize the extracted entropy. To implement these methods, the key enrollment and key generation algorithms are presented. The proposed methods are then evaluated by applying on the responses of the MEMS PUF, where it can be practically shown that the proposed method outperforms other existing PUF key generation methods.
The final part of this thesis is dedicated to the application of the MEMS PUF as a security solution for IoT systems. We select the mutual authentication of IoT devices and their backend system, and propose two lightweight authentication protocols based on MEMS PUFs. The presented protocols undergo a comprehensive security analysis to show their eligibility to be used in IoT systems. As the result, the output of this thesis is a lightweight security solution based on MEMS PUFs, which introduces a very low overhead on the cost of the hardware.Mit der Verbreitung von IoT-Geräten in vielen Bereichen unseres Lebens ist die Sicherheit solcher Systeme zu einer wichtigen Herausforderung geworden. Im Gegensatz zu herkömmlichen Computersystemen sollte jede IoT-Sicherheitslösung die Einschränkungen dieser Systeme wie Rechenleistung, Speicher, Konnektivität und Stromverbrauch berücksichtigen. Physical Unclonable Functions (PUFs) mit ihren speziellen Eigenschaften wurden eingeführt, um die Sicherheitsanforderungen zu erfüllen und gleichzeitig die genannten Einschränkungen zu berücksichtigen. Sie nutzen die unkontrollierbaren und reproduzierbaren Variationen der zugrunde liegenden Komponente für Sicherheitsanwendungen wie Identifizierung, Authentifizierung und Kommunikationssicherheit. Da IoT-Geräte in der Regel kostengünstig sind, ist es wichtig, vorhandene Elemente in ihrer Hardware (z. B. Sensoren, ADCs usw.) wiederzuverwenden, anstatt zusätzliche Kosten für die PUF-Hardware hinzuzufügen. Mikroelektromechanische Systemgeräte (MEMS) werden in IoT-Systemen häufig als Sensoren und Aktoren verwendet. In dieser Dissertation wird eine umfassende Studie über die potenzielle Anwendung von MEMS-Bauelementen als PUF-Primitive bereitgestellt. MEMS-PUF nutzt die unkontrollierbaren Schwankungen der Parameter von MEMS-Elementen, um sichere Schlüssel für kryptografische Anwendungen abzuleiten. Experimentelle und Simulationsergebnisse zeigen, dass unsere vorgeschlagenen MEMS-PUFs in der Lage sind, genügend Entropie für eine komplexe Schlüsselgenerierung zu erzeugen, während ihre Antworten geringe Schwankungen unter verschiedenen Umgebungsbedingungen aufweisen.
Bedenkt man, dass sich die PUF-Antworten in Gegenwart von Rauschen und Umgebungsvariationen ändern können, ist es entscheidend, zuverlässige Schlüssel aus der PUF abzuleiten und gleichzeitig die maximale Entropie zu verwenden. Im zweiten Teil dieser Arbeit gehen wir auf verschiedene Schlüsselgenerierungsschemata und deren Vor- und Nachteile ein. Wir schlagen die Methoden PUF Output Positioning (POP) und Integer Linear Programming (ILP) vor, die neuartige Methoden zur Gruppierung der PUF-Outputs sind, um die extrahierte Entropie zu maximieren. Um diese Methoden zu implementieren, werden die Schlüsselregistrierungs- und Schlüsselgenerierungsalgorithmen vorgestellt. Die vorgeschlagenen Verfahren werden dann durch Anwendung auf die Antworten der MEMS-PUF evaluiert, wobei praktisch gezeigt werden kann, dass das vorgeschlagene Verfahren andere existierende PUF-Schlüsselgenerierungsverfahren übertrifft.
Der letzte Teil dieser Arbeit widmet sich der Anwendung der MEMS PUF als Sicherheitslösung für IoT-Systeme. Wir wählen die gegenseitige Authentifizierung von IoT-Geräten und ihrem Backend-System aus und schlagen zwei leichtgewichtige Authentifizierungsprotokolle basierend auf MEMS-PUFs vor. Die vorgestellten Protokolle werden einer umfassenden Sicherheitsanalyse unterzogen, um ihre Eignung für den Einsatz in IoT-Systemen aufzuzeigen. Als Ergebnis ist das Ergebnis dieser Arbeit eine leichtgewichtige Sicherheitslösung auf der Basis von MEMS-PUFs, die einen sehr geringen Mehraufwand für die Hardwarekosten verursacht
Transfer Learning for Predictive Maintenance Solutions
No full textIn den letzten Jahrzehnten hat sich die industrielle Produktion zu immer anspruchsvolleren Verfahren weiterentwickelt. Die Entwicklung von spezialisierten, hochentwickelten Maschinen erhöhte die Bedeutung von vorausschauender Wartung, um qualitativ hochwertige Produkte zu erzeugen und Maschinenausfälle zu verhindern. Vorausschauende Wartung hat zwei Hauptziele: den aktuellen Maschinenzustand zu erkennen und den Wartungsintervall durch die Ermittlung der verbleibenden Standzeit (RUL) vorherzusehen. Heutzutage werden beide Ziele durch Machine Learning und Deep Learning Ansätze abgedeckt. Diese setzen große Mengen an oft nicht vorhanden Trainingsdatensätzen voraus. Eine Lösung für das Problem könnte Transfer Learning sein. Hierbei wird Wissen von einem größeren in einen kleineren Datensatz transferiert wird. Diese Thesis fokussiert sich auf Transfer Learning für vorausschauende Wartung im Bereich der Fehlererkennung und RUL-Ermittlung. Der erste Teil präsentiert den aktuellen Forschungsstand für Technologien, die für vorausschauende Wartungsaufgaben geeignet sind (Kapitel 2). Darauffolgend wird der Werkzeugmaschinenhintergrund und die aktuellen Forschungen, der zuvor eingeführten Machine Learning Techniken für vorausschauende Wartungsaufgaben präsentiert (Kapitel 3). Eine Neuheit dieser Thesis ist eine neue Intermediate Domain, die Daten fokussiert auf nur die relevanten Informationen repräsentiert. Dadurch können die Daten in einer anderen Domäne verwendet werden ohne relevante Informationen zu verlieren (Kapitel 4). Die präsentierte Lösung ist für rotierende Bauteile optimiert. Dafür werden durch die Intermediate Domain verschiedene Layer erzeugt die sich auf die Fehlerfrequenzen der rotierenden Elemente fokussieren. Eine weitere Neuheit dieser Thesis ist ein auf halb- und unüberwachtes Transfer Learning basierter Fehlerklassifikationsansatz für verschiedene Komponenten und verschiedenen Prozessbedingungen (Kapitel 5). Er basiert auf der Intermediate Domain, welche in Verbindung mit einem Convolutional Neural Network (CNN) verwendet wird. Zusätzlich wird eine neue unüberwachte Transfer Learning Verlustfunktion, die auf einem der aktuellen Algorithmen, Maximum Mean Discrepancy (MMD), basiert, präsentiert. Dieser Ansatz erweitert MMD durch die Beachtung der Intermediate Domain Layer. Deshalb wird er auch Layered Maximum Mean Discrepancy (LMMD) genannt. Eine weitere Neuheit ist ein Transfer Learning basierter RUL-Ermittlungsansatz, welcher auf Daten von Niedrigfrequenzbeschleunigungssensoren spezialisiert ist (Kapitel 6). Er verwendet die Merkmalsextraktionsmechanismen des Klassifikationsansatzes. Die Merkmale werden dann als Eingabe für ein Long Short-Term Memory (LSTM) Netzwerk verwendet. Transfer Learning basiert dabei auf einer fixierten Merkmalsextraktion, wobei die trainierten Layer übernommen werden und das LSTM Netzwerk neu trainiert wird. Dieses Transfer Learning Verfahren wird von der Intermediate Domain unterstützt, da sie ähnlich für unterschiedliche Komponenten sein sollte. Alle präsentieren Neuheiten wurden anhand von Fallstudien basierend auf Kugellager validiert (Kapitel 7). Dadurch wurde ihre Überlegenheit gengenüber aktuellen Forschungsansätzen demonstriert.The last decades have seen the evolution of industrial production into more sophisticated processes. The development of specialized, high-end machines has increased the importance of predictive maintenance of mechanical systems to produce high-quality goods and avoid machine breakdowns. Predictive maintenance has two main objectives: to classify the current status of a machine component and to predict the maintenance interval by estimating its remaining useful life (RUL). Nowadays, both objectives are covered by machine learning and deep learning approaches and require large training datasets that are often not available. One possible solution may be transfer learning, where the knowledge of a larger dataset is transferred to a smaller one. This thesis is primarily concerned with transfer learning for predictive maintenance for fault classification and RUL estimation. The first part presents the state-of-the-art machine learning techniques with a focus on techniques applicable to predictive maintenance tasks (Chapter 2). This is followed by a presentation of the machine tool background and current research that applies the previously explained machine learning techniques to predictive maintenance tasks (Chapter 3). One novelty of this thesis is that it introduces a new intermediate domain that represents data by focusing on the relevant information to allow the data to be used on different domains without losing relevant information (Chapter 4). The proposed solution is optimized for rotating elements. Therefore, the presented intermediate domain creates different layers by focusing on the fault frequencies of the rotating elements. Another novelty of this thesis is its semi and unsupervised transfer learning-based fault classification approach for different component types under different process conditions (Chapter 5). It is based on the intermediate domain utilized by a convolutional neural network (CNN). In addition, a novel unsupervised transfer learning loss function is presented based on the maximum mean discrepancy (MMD), one of the state-of-the-art algorithms. It extends the MMD by considering the intermediate domain layers; therefore, it is called layered maximum mean discrepancy (LMMD). Another novelty is an RUL estimation transfer learning approach for different component types based on the data of accelerometers with low sampling rates (Chapter 6). It applies the feature extraction concepts of the classification approach: the presented intermediate domain and the convolutional layers. The features are then used as input for a long short-term memory (LSTM) network. The transfer learning is based on fixed feature extraction, where the trained convolutional layers are taken over. Only the LSTM network has to be trained again. The intermediate domain supports this transfer learning type, as it should be similar for different component types. In addition, it enables the practical usage of accelerometers with low sampling rates during transfer learning, which is an absolute novelty. All presented novelties are validated in detailed case studies using the example of bearings (Chapter 7). In doing so, their superiority over state-of-the-art approaches is demonstrated