Refine
Year of publication
- 2018 (25) (remove)
Document Type
- Conference Proceeding (15)
- Article (5)
- Part of a Book (3)
- Doctoral Thesis (1)
- Other (1)
Is part of the Bibliography
- no (25)
Keywords
- Automotive (1)
- AutomotiveHMI (1)
- Autonomes Fahren (1)
- Ethik (1)
- GaN (1)
- Gallium (1)
- HCI (1)
- Human Factors (1)
- InGaN (1)
- Inclusion (1)
Kaum ein sicherheitskritisches System hat eine so große Verbreitung bei Privatpersonen gefunden wie das Automobil. Seit seiner Erfindung hat es eine rasante Weiterentwicklung erfahren, von einer rein mechanischen Maschine zu einem System, bei dem heute die meisten Innovationen auf elektronischen Komponenten basieren. Dazu zählen insbesondere Fahrerassistenzsysteme, die helfen sollen, komfortabler und sicherer am Ziel der Fahrt anzukommen. Wo einst z. B. der Tempomat einfach über die Einstellung einer festen Geschwindigkeit gesteuert wurde, sind heute bereits einzelne Systeme deutlich umfangreicher und das Zusammenspiel longitudinaler und lateraler Automatisierung führt zu einem Anstieg der Komplexität. Die sichere Bedienung des Fahrzeugs muss jedoch im Vordergrund stehen, kann ein Fehler doch schnell bis hin zu tödliche Folgen haben. In diesem Kapitel werden psychologische Grundlagen vorgestellt und auf die Herausforderungen für die Entwicklung von HMIs im Fahrzeug angewandt. Konkrete Umsetzungen von aktuellen Fahrzeugen bis hin zu Forschungsarbeiten werden betrachtet, ebenso wird auf den Entwicklungsprozess und Nutzerstudien eingegangen.
Das kEFIR‐Projekt untersucht die praktische Anwendung von thermographischen Verfahren zur Analyse der strukturellen Integrität von Windkraftrotorblättern. Das Projekt entstand in Zusammenarbeit der Hochschule Ruhr West (HRW) mit der IQbis Consulting GmbH im Rahmen eines ZIM‐Förderprojekts des Bundesministeriums für Wirtschaft und Energie (BMWi). Hintergrund ist die zunehmende Anzahl von Windkraftanlagen (WKA) und der somit steigende Wartungsaufwand. Um einen reibungslosen Betrieb dieser Anlagen zu gewährleisten, und damit den besonderen Anforderungen an die Verfügbarkeit energieerzeugender Anlagen sicherzustellen, ist ein Bedarf an qualitativ hochwertigen Fehleranalysesystemen für im Betrieb befindlicher WKA von besonderer Bedeutung. Erfahrungsgemäß ist der Zeitaufwand für diese Inspektionen mit aktuellen Mitteln sehr groß und wird üblicherweise mit mehreren Arbeitstagen kalkuliert. Die Reproduzierbarkeit der gewonnenen Daten ist bei den derzeitigen Methoden meist nicht gewährleistet. Um frühzeitig auf Instabilitäten oder Schäden in den Rotorblättern einer WKA aufmerksam zu werden, ist die Entwicklung eines schnellen und qualitativ hochwertigen Fehleranalysesystems von zentraler Bedeutung. Ein Forschungsschwerpunkt in diesem Zusammenhang ist die Entwicklung von geeigneten bildgebenden und berührungslosen Verfahren, welche bei den Inspektionen eingesetzt werden können. Beispielsweise erlaubt der Einsatz thermographischer Sensoren eine Analyse nicht nur der Rotorblattoberfläche, sondern auch ihrer inneren Struktur. Weiterhin ist aufgrund des schnell wachsenden Marktes bei unbemannten Luftfahrzeugen, wie beispielsweise positionsstabiler Quatrocoptersysteme, eine zusätzliche Möglichkeit gegeben, die Inspektion von Windenergieanlagen mit Hilfe mobiler, kompakter und fliegender Analysesysteme zu unterstützen.
In this review, we describe current Machine Learning approaches to hand gesture recognition with depth data from time-of-flight sensors. In particular, we summarise the achievements on a line of research at the Computational Neuroscience laboratory at the Ruhr West University of Applied Sciences. Relating our results to the work of others in this field, we confirm that Convolutional Neural Networks and Long Short-Term Memory yield most reliable results. We investigated several sensor data fusion techniques in a deep learning framework and performed user studies to evaluate our system in practice. During our course of research, we gathered and published our data in a novel benchmark dataset (REHAP), containing over a million unique three-dimensional hand posture samples.
Öffentliche Diskussionen zum autonomen Fahren zeigen einen hohen Anspruch, dass die Algorithmen in kritischen Fällen Entscheidungen nach ethischen Kriterien fällen. Diese für die Vielzahl von denkbaren Verkehrssituationen so zu erfassen, dass sie den Vorstellungen eines größten Teils der Bevölkerung entspricht, stellt eine große methodische Herausforderung dar. In dieser Arbeit wird untersucht, in wie weit eine überlegte Entscheidung mit dem Verhalten in einem Fahrsimulator übereinstimmt. Dabei wird bei einem großen Teil der Teilnehmer:innen ein Widerspruch zwischen geäußertem beabsichtigtem Handeln und tatsächlichem Handeln offenbar.
Enabling decentral collaborative innovation processes -a web based real time collaboration platform
(2018)
The main goal of this paper is to define a collaborative innovation process as well as a supporting tool. It is motivated through the increasing competition on global markets and the resultant propagation of decentralized projects with a high demand of innovative collaboration in global contexts. It bases on a project accomplished by the author group. A detailed literature review and the action design research methodology of the project led to an enhanced process model for decentral collaborative innovation processes and a basic realization of a browser based real time tool to enable these processes.The initial evaluation in a practical distributed setting has shown that the created tool is a useful way to support collaborative innovation processes.
Industry 4.0 is known as the fourth industrial revolution which refers to the integration of technologies that make the factories interoperable by seamlessly connecting machines, employees and sensors for communication. In Industry 4.0, one of the key features is the use of new technologies to recognize the current context. Thus, the employees are supported with contextual information for speeding up decision-making during various processes related to planning, production, maintenance, etc. As a contribution to this area, the work described here aims to introduce a cyber-physical system (CPS) approach to provide context-based and intelligent support to employees in heavy industries using new technologies, especially in the field of mobile devices. In this work, mobile device sensors and image processing techniques are used to recognize the context which requires specific support. In addition, new scenarios and associated processes are developed to support the employees on the basis of new, flexible, adaptive and mobile technologies.