• Facebook
  • Youtube
  • News
  • Teaching
    • Lectures and Courses
    • Information about examinations
    • Topics for Student Theses
  • Research
  • Publications
  • Our Group
    • Our Team
    • Contact
    • Legal Notice
 
 
  • News
  • Teaching
    • Lectures and Courses
    • Information about examinations
    • Topics for Student Theses
  • Research
  • Publications
  • Our Group
    • Our Team
    • Contact
    • Legal Notice

Research Projects

DIWAN

  • DIWAN
  • PAL
  • DEUS
  • BRICS — Bit flip Resilience for In-memory Column Stores
  • ReEF
  • QPCI
  • DAPHNE
  • GOFLEX
  • HAEC – Highly Adaptive Energy-Efficient Computing
  • VAVID
  • EXPLOIDS
  • RoSI
  • Freddy
  • Dresden Web Table Corpus (DWTC)
  • ERIS
  • Flash Forward Query (FFQ)
  • AUGUR
  • DeExcelarator
  • MulTe
  • InVerDa
  • Dipl.-Inf. Julius Gonsior, Dr.-Ing. Maik Thiele

  • Project Partners: 

    Fraunhofer Institut für Werkstoff- und Strahltechnik IWS Dresden TU Dresden , CIMTT Zentrum für Produktionstechnik und Organisation TU Dresden , Labfoward GmbH Berlin IMA Materialforschung & Anwendungstechnik GmbH Dresden , IMQ Ingenieurbetrieb für Materialprüfung, H&P Hegewald & Peschke Mess- und Prüftechnik GmbH Nossen

 

 

 

Digitaler Wandel in der Werkstoffprüfung: Voraussetzungen für die Bewältigung des Paradigmenwechsels durch Unternehmen

Förderkennzeichen: 02L18B561

Wird bei der Herstellung eines Bauteils, z.B. für ein Flugzeugtriebwerk, ein neuer Produktionsprozess eingesetzt, so stellt der Werkstoffprüfer sicher, dass die Materialeigenschaften den Anforderungen an das Bauteil entsprechen. Vielfach lässt sich das Vorgehen bei der Werkstoffprüfung nicht wie ein „Kochrezept“ planen. Um das „Innere“ eines Werkstoffs sichtbar zu machen, sind zeitintensive Arbeitsschritte erforderlich, die für neue Werkstoffkombination erst einmal erprobt werden müssen. Dies steht im Widerspruch zu den extrem verkürzten Taktzeiten im produzierenden Gewerbe. Hier bietet der digitale Wandel Potentiale für die Werkstoffprüfung. Durch intelligente Assistenzsysteme rückt die wertschöpferische Kompetenz der Werkstoffprüfer – bei der sie vor allem als Berater den Prozessentwicklern zur Seite stehen – in den Vordergrund und trägt zur Attraktivitätssteigerung dieses Berufsfeldes bei.

Im Forschungsprojekt DIWAN wird ein digitales Assistenzsystem entwickelt. Es besteht aus einem elektronischen Laborbuch, einer digitalen Auftragsverwaltung und einer anhand von Schlüsselbegriffen durchsuchbaren Material- und Wissensdatenbank. Dadurch sind zukünftig die erforderlichen Arbeitsschritte zur Vorbereitung einer Materialanalyse anhand von abrufbarem Erfahrungswissen deutlich effizienter und ohne Irrwege plan- und durchführbar.

Hierzu werden vorhandene Daten- und Wissensbestände gesichtet sowie Befragungen zu derzeitigen Werkstoffprüfprozessen und Arbeitsbedingungen durchgeführt. Auf dieser Basis wird ein Pflichtenheft für das geplante Assistenzsystem erarbeitet. Die zu entwickelnde Software muss die so formulierten Anforderungen erfüllen und für branchenspezifische Laboranwendungen erweiterbar sein. Der gesamte Entwicklungsprozess erfolgt unter umfassender Einbeziehung der potenziellen Nutzer in den Pilotunternehmen, z. B. in moderierten Workshops. Mit den Pilotunternehmen wird ein Prototyp erarbeitet und iterativ weiterentwickelt. Parallel werden Konzepte für den Erfahrungsaustausch und die Mitarbeitermotivation entwickelt, wie das eigene Wissen für andere bereitzustellen ist.

Durch DIWAN entsteht erstmalig die Möglichkeit, das vorhandene Erfahrungswissen in der Werkstoffprüfung nachhaltig zur Verfügung zu stellen und kontinuierlich zu erweitern. Die Facharbeit der Werkstoffprüfer wird aufgewertet, ohne durch Arbeitsverdichtung, Informationsüberflutung oder unangepasste IT-Funktionen belastet zu werden. Die Projektergebnisse werden in Form von Handlungsempfehlungen, Weiterbildungsangeboten und Beratungsleistungen aufbereitet und mit Erfahrungsberichten  aus den Pilotunternehmen untersetzt. Damit sollen die Projektergebnisse auch für weitere Berufsfelder in Laborumgebungen, wie bspw. Chemielabore, nutzbar gemacht werden.

 

Veränderungen wie die Digitalisierung und die Globalisierung sowie gesellschaftliche Entwick­lungen wie der demografische Wandel führen zu einem tiefgreifenden Umbruch der Arbeitswelt. Das  Anliegen der Fördermaßnahme „Zukunft der Arbeit: Mittelstand – innovativ und sozial“ ist es, neue Konzepte und Werkzeuge der Arbeits­gestaltung und   -organisation in und mit mittelständischen Unternehmen zu entwickeln. Die unter Berück­sichtigung arbeitswissenschaft­licher Erkennt­nisse erzielten Ergebnisse sollen Gestaltungsmöglich­keiten liefern, die für die Zukunft der Arbeit zum Standard werden können. Die direkte Verwertbarkeit in Unternehmen und Organisationen und damit  die Entfaltung einer gesellschaftlich relevanten Wirkung sind wesentliche Ziele. Dazu werden die Forschungsergebnisse in direkter Zusammenarbeit mit mittelständischen Unternehmen erprobt und über pilothafte Umsetzungen breit in die betriebliche Praxis in Deutschland überführt. Damit stehen die Belange von kleinen und mittleren Unternehmen (KMU) im besonderen Fokus.

Publikationen

  • WeakAL: Combining Active Learning and Weak Supervision.

    Gonsior, J.; Thiele, M.; Lehner, W.

    Appice A., Tsoumakas G., Manolopoulos Y., Matwin S. (eds) Discovery Science. DS 2020. Lecture Notes in Computer Science, vol 12323Springer, Cham,2020.

    • Download
    • BibTeX

    @article{,
       author = {Julius Gonsior and Maik Thiele and Wolfgang Lehner},
       title = {WeakAL: Combining Active Learning and Weak Supervision},
       series = {Lecture Notes in Computer Science},
       volume = {12323},
       year = {2020},
       month = {10},
       isbn = {978-3-030-61527-7},
       numpages = {15},
       url = {https://doi.org/10.1007/978-3-030-61527-7_3},
       publisher = {Springer, Cham}
    }

  • Active Learning for Spreadsheet Cell Classification.

    Gonsior, J.; Rehak, J.; Thiele, M.; Koci, E.; Günther, M.; Lehner, W.

    In Workshop Proceedings of the EDBT/ICTDT 2020 Joint Conference.2020.

    • Download
    • BibTeX

    @article{,
       author = {Julius Gonsior and Josephine Rehak and Maik Thiele and Elvis Koci and Michael G\"{u}nther and Wolfgang Lehner},
       title = {Active Learning for Spreadsheet Cell Classification},
       journal = {Workshop Proceedings of the EDBT/ICTDT 2020 Joint Conference},
       year = {2020},
       month = {3},
       numpages = {6},
       url = {https://sea-data.ml/}
    }

  •  

  • Research
  • DIWAN

Last modified: Sunday, December 6th, 2020 at 08:08 PM

  • Faculty of Computer Science
  • Institute of System Architecture
  • Technische Universität Dresden

Copyright © 2012-2023   Database Systems Group Dresden

  • Logo Dresden Database Systems Group
  • Logo Technische Universität Dresden