Zum Hauptinhalt springen

Reading Group der SF & EC Forschungsgruppe

In der Regel am ersten Mittwoch eines Monats, um 16:00 Uhr, findet die Reading Group der Smart Factory & Edge Computing Forschungsgruppe statt.

Die Reading Group hat den Charakter eines einstündigen Fachseminars mit Vorträgen in einer Länge zwischen 30 und 45 Minuten und anschließender Diskussion. In freundlicher Atmosphäre und unter weitestgehender Themenfreiheit werden etwa Forschungsergebnisse, wissenschaftliche oder technologische Überblicksvorträge oder die Aufbereitung einer Forschungsfrage präsentiert und diskutiert. Der Fokus liegt im Austausch, in der Diskussion. Wir freuen uns außerdem regelmäßig externe Gastvortragende und Gasthörer aus Wissenschaft und Industrie begrüßen zu dürfen.

Die Vorträge finden während der COVID-19 Pandemie online statt. Aufgrund des Interesses werden wir diese vielleicht auf diesen Weg auch weiterhin für externe Teilnehmer anbieten.

Organisatorische Fragen, Anmeldungen zu Vorträgen oder Vortragsvorschläge bitte an Stefan Huber richten.

 

Programm kommender Vorträge


MI 6. Okt 2021, 16:00, Raum/Teams tbd
Christoph Hutle (B&R Industrial Automation)

Ruckbegrenzte Trajektoriengenerierung für die Einzelachse

tbd


MI 3. Nov 2021, 16:00, Raum/Teams tbd
Gerda Rodewald (?)

tbd

tbd


MI 1. Dez 2021, 16:00, Raum/Teams tbd
Regina Schönherr (Uni Innsbruck)

tbd

tbd


MI 5. Jan 2022, 16:00, Raum/Teams tbd
tbd

tbd

tbd


MI 2. Feb 2022, 16:00, Raum/Teams tbd
tbd

tbd

tbd


Vergangene Vorträge


MI 7. Jul 2021, 16:00, Teams (Click here to join the meeting)
Hannes Waclawek, Georg Schäfer

Modell-basierte Entwicklung mit OPC UA

OPC UA ist ein industrieller Standard für Datentransport und -modellierung. Es wird (i) eine vertikale Integration über die Schichten der ISA-95 Automationspyramide hinweg angestrebt, (ii) eine Service-orientierte Architektur (SOA) forciert und (iii) die Daten in einer umfangreichen Modellierungssprache abgebildet, ähnlich zu UML, welche eine Interpretation der Daten durch eine semantische Beschreibung erlaubt und zu sogenannten Informationsmodellen führt.

In diesem Vortrag wird eine OPC UA-basierte Systemarchitektur eines Demonstrators vorgestellt, welcher im Rahmen des KI-Net Forschungsprojekts erarbeitet wird. Es wird an diesem konkreten Beispiel aufgezeigt, dass die durch OPC UA forcierte service-orientierte Softwarearchitektur vertikale Integration begünstigt. Anschließend wird die Datenmodellierung mittels grafischen, textuellen und modell-basierten Tools demonstriert.  Abschließend werden die Vor- und Nachteile der unterschiedlichen Methoden zur Generierung des OPC UA Informationsmodells veranschaulicht.


MI 2. Jun 2021, 16:00, Teams (Click here to join the meeting)
Simon Kranzer

Norms and standards for OT security

The talk will give an overview of the current security norms and security standards for the OT area. Besides the  IEC standard 62443 and the NIST standard 800-53, the ISO 27001 and the ISO 27002, the NIS guideline, and various  coding guidelines are of highest relevance. CIA becomes AIC and along the way the approach to security by design changes. The presentation will highlight the underlying conditions for this transformation.  
 

MI 5. Mai 2021, 16:00, Teams (Click here to join the meeting)
Hannes Waclawek

Optimierung von elektronischen Kurvenscheibenprofilen

Bei elektronischen Kurvenscheiben (Electronic Cams) wird die Auslenkung eines beweglichen Maschinenelements (Follower) durch den Bewegungsablauf eines elektrischen Antriebs vorgegeben.  Die gewünschte Auslenkung wird dabei in sogenannten Kurvenscheibenprofilen definiert, die die Position des Followers einer Achsposition zuweisen. Im ersten Schritt ergibt das Kurvenscheibenprofil somit eine Punktewolke.  Um die Belastung auf Maschinenteile möglichst gering zu halten, ist es notwendig, die vorhandenen Punkte so durch Kurven zu approximieren, dass Beschleunigung und Ruck minimiert werden.

Dieser Vortrag dient als Einführung in das Themengebiet der Optimierung elektronischer Kurvenscheibenprofile.  Es wird ein Ansatz aus der numerischen Mathematik zur Erstellung von Kurven mittels Splines auf Basis klassischer Polynome vorgestellt.  Anschließend wird gezeigt, wie dieser Ansatz mittels Gradientensuchverfahren erweitert werden kann, um eine Optimierung im Umfeld von KI-Methoden in TensorFlow zu ermöglichen.


    MI 7. Apr 2021, 16:00, Teams (Click here to join the meeting)
    Manfred Schlägl (Ginzinger electronic systems)

    Echtzeit und Ginzinger Embedded Linux in Industrie und Medizin

    An eingebettete Systeme werden heute hohe Anforderungen gestellt: Erhöhte Konnektivität (IoT) und damit verbundene Anforderungen an Security, oder moderne Benutzerinterfaces, wie aus dem Bereich der Consumer-Elektronik gewohnt, sind nur zwei Beispiele.  Die Komplexität solcher Systeme und deren langfristige Pflege ist ohne Betriebssystem, oder nur durch spezialisierte Betriebssysteme kaum mehr beherrschbar.

    Im Bereich der eingebetteten Systeme hat sich Linux (und FOSS Software im allgemeinen) durchgesetzt.  Etwas salopp: "Was Windows für den Desktop, ist Linux für das Embedded System." Das Ökosystem um Linux ist umfangreich, offen und hochgradig skalierbar.  In der Regel gelten die Softwarekomponenten als sehr gut gepflegt und die Schnittstellen als ausgesprochen stabil.  Gute Voraussetzungen also, speziell für die Entwicklung langlebiger Produkte und/oder Produktfamilien im Bereich der Industrie und Medizin.  Gerade in diesen Bereichen gibt es aber zumeist auch strenge Anforderungen an das Zeitverhalten (Echtzeitanforderungen).  Da Linux ursprünglich nicht als Echtzeit Betriebssystem entworfen wurde, stellen diese Anforderungen eine besondere Herausforderung dar.

    Aus 15 Jahren Erfahrung bei Ginzinger wird in diesem Vortrag berichtet, wie Anforderungen dieser Art in dem etablierten Innviertler Elektronikunternehmen behandelt wurden und werden.  Möglichkeiten um Echtzeitverhalten auf Linux basierenden Systemen erreichen zu können werden präsentiert und deren Grenzen diskutiert. Auch wird ein Augenmerk auf alternative Konzepte gelegt, die in der Praxis eine sehr große Rolle spielen.  Anhand von Beispielen die auf realen Projekten basieren, werden use cases und deren Lösungen vorgestellt.


      MI 3. Mär 2021, 16:00
      Dominik Hofer

      State of the art in Natural Language Processing

      Natural Language Processing (NLP) beschäftigt sich mit dem Verständnis natürlicher Sprache durch Computer. Um dieses Ziel zu erreichen, gibt es verschiedene Herangehensweisen, die sowohl linguistische und statistische Methoden, sowie auch Bereiche des Repräsentationslernen, verwenden. Beispiele dafür wären z.B.: Wortvergleiche, Wortvektoren und Recurrent Neural Networks für Sentimentanalysen. Diese Analyse, sowie weitere Methoden der NLP, können auch in Gebieten wie Human Robot Interaction, Affective Computing und Persuasive Technology angewandt werden.

      In diesem Vortrag wird der Fokus auf “NLP für Robotik” gesetzt. Zu Beginn werden grundlegende Begriffe der Linguistik (z.B. Syntax, Semantik und Pragmatik) eingeführt. Diese werden dann, um die für die Robotik relevanten Konzepte, etwa Grounding, erweitert. Dies inkludiert einen Überblick zu aktuellen NLP Methoden die für Anwendungsgebiete im Bereich der Robotik verwendet werden können. Der Beitrag wird mit der Veranschaulichung von Beispielen erweitert, die mögliche Anwendungsszenarien vermitteln sollen.


      MI 3. Feb 2021, 16:00
      Friedemann Groh (ISG Stuttgart)

      Lösungsverfahren algebraischer Systeme

      In CAD-Systemen werden geometrische Formen durch rationale Funktionen definiert. Somit lassen sich Schnittkurven oder Abstände als Lösungen algebraischer Systemen auffassen. Für diesen Gleichungstyp gibt es vielversprechende Verfahren, bei denen sämtliche Nullstellen in einem Schritt über Eigenwert-Probleme berechnet werden. Trotzdem scheint dieser Ansatz in der Technik noch nicht weit verbreitet zu sein. Möglicherweise liegt die Ursache darin, dass die in Zwischenschritten nötige Polynomdivision oft sehr umfangreiche Ergebnisse liefert. In diesem Vortrag wird ein Verfahren vorgestellt, welches diese kritische Operation bei symbo­lischen Umformungen vermeidet. Die Matrix des assoziierten Eigenwert-Problems wird hier im letzten Schritt numerisch bestimmt, nachdem man die Parameter des konkreten Problems als Gleitkommazahlen eingesetzt hat.

      Diese Methode funktioniert für Systeme deren Koeffizienten keine Funktionen sind, so dass die enthaltenen Polynome durch die Exponenten ihrer Terme definiert werden. Jene bilden Punkte in einem Gitter ganzer Zahlen, deren konvexe Hülle, das Newton-Polytop, den Algo­rithmus steuert. Das Verfahren wird aus Anwendersicht an zwei Beispielen erläutert: Der Berechnung impliziter Funktionen gewölbter Flächen in CAD, sowie deren Schnittkurven, zur Definition von Werkzeugspuren. Außerdem wird ein System zur Kalibrierung der Lage einer Kamera besprochen.


      MI 20. Jan 2021, 16:00
      Dominik Hofer

      Robot Operating System: Grundlagen & Anwendungsgebiete

      Das Robot Operating System (ROS) ist eine Middleware zur Roboterprogrammierung. Um Ansprüchen der Wissenschaft und Industrie zu entsprechen, stellt ROS eine verteilte Architektur bereit, die im hohen Maße flexibel und modular ist. Diese Charakteristika ergeben sich mitunter aus der großen Vielfalt von Robotern, die durch ROS adressiert werden. Beispiele dafür wären klassische Industrieroboter, mobile Roboter im Katastrophenschutz, oder auch anthropomorphe Hände. Weiters setzt ROS auf viele vorhandene Softwarelösungen auf, die es zu integrieren gilt. In diesem Vortrag wird ein Überblick über die zentralen Architekturkonzepte von ROS, etwa das Kommunikationskonzept zwischen den Komponenten, die begleitenden Werkzeuge von ROS und Unterschiede zwischen ROS 1 und 2 gegeben. Der Beitrag wird mit der Veranschaulichung von Beispielen beendet, die mögliche Anwendungsszenarien vermitteln sollen.


      MI 16. Dez 2020, 16:00
      Regina Schönherr

      Ein Framework für mobile Robotik

      Die Anforderungen an mobile Roboter sind vielseitig und umfassen etwa die Kartierung der Umgebung oder die Lokalisierung, Pfadplanung und Kollisionserkennung des Roboters in dieser Umgebung. Zu den genannten Problemen wurden in den letzten Jahrzehnten zahlreiche Algorithmen veröffentlicht. Offen bleibt jedoch, wie die einzelnen Lösungen für die einzelnen Problemstellungen sich zu einer Gesamtlösung, einem Framework zusammenfinden. Existierende Lösungen sind auf einen konkreten Anwendungsfall zugeschnitten, allgemeingültige Gesamtkonzepte sind bisher nicht realisiert.

      Im Zuge der Masterarbeit und dem Projekt InnoDent wurde ein Framework entwickelt, dass die genannten Problemstellungen organisiert. Das Framework ist modular aufgebaut und wir werden seine einzelnen Komponenten vorstellen. Ein auf ROS basierender Roboter wird in der Physiksimulation Gazbo integriert. Die generierten Sensordaten des Roboters in seiner Umgebung werden in Matlab mit ausgewählten Algorithmen verarbeitet und steuern den Roboter.


      MI 4. Nov 2020, 16:00
      Joachim Weissbacher (B&R Industrial Automation)

      Modellbasierte Regelung zur Verbesserung der Dynamik einer Servo-Antriebsachse

      Eine Servo-Antriebsachse ist typischerweise eine Kombination aus einem permanentmagneterregten Synchronmotor und einem elektrischen Verstärker. Mit dieser Konstellation kann erreicht werden, dass Positionieraufgaben hochdynamisch ausgeführt werden können. Ganz wesentlich dabei ist ein Sensor (Lagegeber), welcher die aktuelle Position des Motors liefert und die Grundlage für die Regelung bildet. Aus Kostengründen wird aber gerne ein Geber mit geringer Auflösung gewählt welcher den Nachteil mit sich bringt, dass die erzielbare Dynamik bei weitem nicht ausgeschöpft werden kann. Mit Hilfe von modellbasierten Ansätzen kann dieser Nachteil großteils wieder kompensiert werden.


      MI 7. Okt 2020, 16:00
      Georg Schäfer

      Reinforcement Learning in der Robotik

      Reinforcement Learning bietet der Robotik ein Framework und eine Reihe von Werkzeugen, um schwer konstruierbares Verhalten zu entwerfen. Im Gegenzug inspirieren, beeinflussen und überprüfen die Herausforderungen in der Robotik die Entwicklung von Reinforcement Learning Ansätze. In dieser Reading Group werden auf die Ergebnisse, Probleme und Herausforderungen von Veröffentlichungen eingegangen, welche sich für die Generierung von Verhalten in der Robotik mit Reinforcement Learning Methoden befassen. Es werden die wesentlichen Herausforderungen beleuchtet und beachtenswerte Erfolge dargelegt. Es wird gezeigt, durch welche wissenschaftlichen Errungenschaften die Komplexität in dieser Domäne verringert wird und wie Algorithmen, Repräsentationen und Vorwissen dies begünstigt.


      DI 15. Sep 2020, 16:00
      Simon Hoher

      Unterschiedliche Ansätze zur Rückwärtstransformation von seriellen 6-Achs-Kinematiken

      Die Rückwärtstransformation einer Roboterkinematik transformiert die Pose (Position und Orientierung) des Endeffektors zurück zu den Gelenkwinkel der Armelemente des Roboters bzw. derer Antriebsachsen. Sie spielt daher eine wichtige Rolle bei der Bewegungssteuerung von Industrierobotern. Neben mathematischen Lösbarkeitsfragen per se stellen sich aber auch Fragen hinsichtlich der numerischen Echtzeitberechnung.

      Ziel des Vortrags ist es, unterschiedliche Ansätze zur Rückwärtstransformation von seriellen 6-Achs-Roboterkinematiken aufzuzeigen und im Kontext der Echtzeitbewegungssteuerung zu bewerten. Dazu wird die folgende Forschungsfrage gestellt: Inwiefern beeinflusst der Ansatz zur Rückwärtstransformation die numerischen Berechnungseigenschaften? Es werden hierzu geometrische, algebraische und numerische Lösungsansätze analysiert und bezüglich ihrer numerischen Robustheit, Genauigkeit, Berechnungsdauer und Determinismus bewertet. Auf dieser Grundlage zeigt sich nun, dass die Auswahl des Lösungsansatzes zur Rückwärtstransformation einen erheblichen Einfluss auf die industrielle Umsetzung einer Bewegungssteuerung von Roboterkinematiken hat.