Logo des Repositoriums

Auflistung nach Autor:in "Hegenbarth, Yvonne"

1 - 3 von 3
  • Zeitschriftenartikel
    Efficient and fast monitoring and disruption management for a pressure diecast system
    (it - Information Technology: Vol. 60, No. 3, 2018) Hegenbarth, Yvonne; Bartsch, Thomas; Ristow, Gerald H.
    An increasing amount of information is collected in industrial production processes. In many cases, this data is only accessible to the vendor of the machines involved in the production process. In the government-funded research project BigPro, we propose a flexible and fast Big Data platform that allows detection and reaction to incidents and anomalies in the production process in near real-time.
  • Textdokument
    Konzept und Implementierung eines echtzeitfähigen Model Management Systems
    (BTW 2019, 2019) Hegenbarth, Yvonne; Ristow, Gerald
    Zur Gewährleistung der Stromnetzstabilität in Deutschland müssen Verteilernetzbetreiber darauf achten, dass zu jedem Zeitpunkt Energie-Erzeugung und -Verbrauch in ihrem Zuständig-keitsbereich in Einklang stehen. Dafür werden Vorhersagemodelle benötigt, um den zu erwartenden Überschuß oder zusätzlichen Bedarf an Energie für den Folgetag der Strombörse für den sogenannten Day-Ahead Handel zu melden. Neben dem Stromhandel für den Folgetag können Marktteilnehmer beim kontinuierlichen Intraday Strommengen bis zu fünf Minuten vor der tatsächlichen Auslieferung kaufen oder verkaufen. Bei Fehlprognosen und demnach Fehleinkäufen könnte mit einer Früherken-nung und Modellanpassung diese im Intraday ausgeglichen werden. Dazu wird in dieser Arbeit ein System beschrieben, das automatisiert Fehlprognosen frühzeitig erkennt und eine Modelländerung durchführt. Das Modell wird dabei an den aktuellen Sachverhalt der Verbrauchszeitreihe angepasst. Durch diese Modellanpassung wird die Vorhersage verbessert, sodass der Intraday Handel besser betrieben werden kann und Fehleinkäufe ausgeglichen werden.
  • Konferenzbeitrag
    Smart Big Data in der industriellen Fertigung
    (Datenbanksysteme für Business, Technologie und Web (BTW 2017), 2017) Hegenbarth, Yvonne; Ristow, Gerald H.
    In der industriellen Fertigung wird ein Bauteil im Laufe des Herstellungsprozesses immer wertvoller, so dass Störungen um Produktionsablauf oder Fertigungsfehler möglichst frühzeitig erkannt werden müssen. Im Zeichen von Industrie 4.0 geschieht dies mittels unterschiedlicher Sensoren, die automatisch ausgelesen werden oder selbst aktiv ihre Werte kommunizieren. Die Daten müssen analysiert und miteinander in Relation gesetzt werden. Es ist wünschenswert, diese Informationen in Echtzeit auszuwerten, insbes. wenn es sich um zeitkritische und aufwändige Herstellungsprozesse handelt. Die Sensordaten können durch Daten aus Logdateien und Datenbanken angereichert werden, um den Maschinenzustand vollständig zu beschreiben. Anhand von konkreten Anwendungsfällen aus der industriellen Fertigung zeigen wir, wie eine echtzeitfähige Streamingplattform helfen kann, die Produktion zu optimieren. Hierbei wird nicht nur die Qualität einzelner Bauteile betrachtet, sondern die gesamte Produktionsanlage, so dass Prozessabweichungen frühzeitig erkannt werden. Ebenfalls werden Vorhersagen sowohl zum Abnutzungsgrad von Maschinen und Werkzeugen gemacht als auch der mögliche Zeitpunkt einer manuellen Intervention vorausbestimmt.