Über uns

Die Hochschule Kaiserslautern ist einer von drei Projektpartnern im Projekt Offene Digitalisierungsallianz Pfalz.

Auf elab2go - Mobile Engineering Lab stellen wir wechselnde Demonstratoren vor, die die Funktionsweise technologischer Trends an einfachen Projekten veranschaulichen.

Unsere Projekte und Demonstratoren sind für angehende Ingenieure und Informatiker interessant, insbesondere für Studieninteressierte und Studierende, die ihre berufliche Laufbahn planen und sich z.B. zwischen Studiengängen entscheiden müssen.

Um einen IoT-Demonstrator wie z.B. Demo 1: Sensordaten zu bauen, wird Fachwissen benötigt, das man während des Studiums der Elektrotechnik, des Digital Engineering oder der angewandten Informatik erwerben kann.

Falls Sie als Bildungseinrichtung, Unternehmen oder Studieninteressierte einen tieferen Einblick in aktuelle Themen, Projekte und Studieninhalte erhalten wollen, können Sie gerne mit uns eine Live-Vorstellung der aktuellen Projekte und Demonstratoren vereinbaren, nach Absprache gerne auch vor Ort.

Veranstaltungen

Web-Seminar-Reihe:
Online-Demos zu Predictive Maintenance und Maschinellem Lernen

Jeden ersten Freitag im Monat von 12:00-13:30 Uhr steht Ihnen unser Projektteam persönlich für eine Vorstellung der Plattform und der Live-Demonstratoren zur Verfügung. Der nächste Termin ist Freitag der 07.08.2020 um 12:00.

Teilnahme:
Zoom-Meeting beitreten: hier klicken!
Meeting-ID: 931 7540 9156
Passwort: 508450
Zeitplan der Veranstaltung:
Der Zeitplan dient der groben Orientierung.

Uhrzeit Thema
12:00-12:15 Vorstellung des elab2go
12:15-12:45 Demo: Maschinelles Lernen mit Python und Jupyter Notebook
12:45-13:15 Demo: Predictive Maintenance mit R und MATLAB
13:15-13:30 Diskussions- und Feedbackrunde

Zoom-Kurzanleitung:
Auf der Zoom-Webseite unter dem Menüpunkt "Einem Meeting beitreten" die Meeting-ID eingeben und den Hinweisen zur Installation des Zoom-PlugIns folgen. Nachdem das Zoom-PlugIn installiert wurde, können Sie dem Meeting mit den oben aufgeführten Anmeldedaten beitreten, dabei werden Sie zur Eingabe eines Benutzernamens aufgefordert. Bitte treten Sie dem Zoom-Meeting unter Angabe Ihres Namens, damit wir Sie korrekt ansprechen können. Eine Registrierung ist nicht erforderlich.

News

Demo 4: Interaktive PredMaintApp wurde überarbeitet und um zwei Anleitungen ergänzt: eine, die die Verwendung der App erläutert, und eine, die die Erstellung einer Shiny-App mit RStudio erläutert. Die PredMaintApp selber führt den Anwender durch die Datenanalyse und Vorhersage am Beispiel eines Automobildatensatzes. Der Anwender kann Parameter für den Entscheidungsbaum einstellen und die Datensätze für die Vorhersage editieren.

Demo 4: Erstellung einer interaktiven Shiny-App mit RStudio ist online. Der zweite Teil von Demo 4: Interaktive PredMaintApp ist eine Schritt-für-Schritt-Anleitung für die Erstellung und Ausführung einer Shiny-App in der Entwicklungsumgebung RStudio und zeigt die Funktionsweise von Shiny, benötigte R-Pakete, wie eine App erstellt und ausgeführt wird, sowie die Erstellung einer Mini-App mit Navigationsleiste (navbarPage-Layout).

 

Präsentationen

Wie kann die Datenanalyse im Rahmen der Vorausschauenden Wartung mit Hilfe verschiedener Tools durchgeführt werden?
Erfahren Sie mehr dazu in dieser Präsentation.

Was steckt hinter dem Begriff "Internet der Dinge" oder "Internet of Things (IoT)"?
Erfahren Sie mehr dazu in dieser Präsentation.

Demonstratoren

Unsere aktuellen Demonstratoren befassen sich mit den Themen Internet of Things (IoT), Predictive Maintenance und Maschinelles Lernen.

Demo-PY1: Python-Tutorial bietet einen Einstieg in die Programmiersprache Python (Version 3.x). Nach einer kurzen Motivation folgt die Schritt-für-Schritt-Anleitung zur Installation von Python-Entwicklungsumgebungen und die ersten Codezeilen in Python.

Demo-PY2: Datenverwaltung und - Visualisierung mit Pandas zeigt am Beispiel eines Open Power System-Datensatzes wie die Datenstrukturen und Funktionen der Python-Bibliotheken Pandas und Matplotlib zur Datenaufbereitung und graphischen Darstellung großer Zeitreihen-Daten verwendet werden.

Demo-PY3: Clusteranalyse mit scikit-learn zeigt am Beispiel eines Mini-Datensatzes mit Raumklima-Messungen, wie eine Clusteranalyse mit Hilfe der Python-Bibliothek scikit-learn für maschinelles Lernen durchgeführt wird.

Demo 5: Predictive Maintenance mit MATLAB zeigt, wie die Datenanalyse als Schritt des Predictive Maintenance-Prozesses mit Hilfe der MATLAB Statistics and Machine Learning Toolbox und des Live Script Editors erstellt wird.

Demo 4: PredMaintApp mit Shiny ist eine interaktive App für die vorausschauende Wartung, die mit Hilfe von RStudio und Shiny erstellt wurde. Der Anwender kann Parameter für den Entscheidungsbaum einstellen und die Datensätze für die Vorhersage editieren.

Demo 3: Predictive Maintenance mit R zeigt, wie die Datenanalyse für den Automobildatensatz mit Hilfe der Programmiersprache R und der Entwicklungs­umgebung RStudio durchgeführt wird.

Demo 2: Predictive Maintenance zeigt am Beispiel eines Automobildatensatzes, wie man erfasste Sensordaten mit Methoden des maschinellen Lernens auswerten und damit eine vorausschauende Wartung der Geräte betreiben kann. Als Datenanalyse-Tool wird RapidMiner verwendet.

Projektpartner

Unsere Projektpartner in der Offenen Digitalisierungsinitiative Pfalz sind Professoren und Wissenschaftliche Mitarbeiter der TU und der Hochschule Kaiserslautern, die im Rahmen des Innovationsbereichs Produkte am Aufbau des engineering 4.0 lab (e4lab) am Standort Kaiserslautern arbeiten.

Förderinitiative

Das Verbundvorhaben „Offene Digitalisierungsallianz Pfalz“ wird im Rahmen der Bund-Länder-Initiative „Innovative Hochschule“ gefördert.