Steigerung der Intelligenz mechatronischer Systeme

Das Buch beschreibt die Ergebnisse des Querschnittsprojekts Selbstoptimierung des vom BMBF geförderten Spitzencluster-Projekts Intelligente Technische Systeme OstWestfalenLippe (kurz: it's OWL).

Die Entwicklung der Informations- und Kommunikationstechnik eröffnet neue Perspektiven für intelligente technische Systeme, die hohen Kundennutzen stiften. Diese Systeme sind in der Lage, sich ihrer Umgebung und den Wünschen ihrer Anwender im Betrieb anzupassen. Für den Innovationssprung von der Mechatronik hin zu selbstoptimierenden Systemen wird Expertise aus den Gebieten Maschinelles Lernen, mathematische Optimierungsverfahren, Regelungstechnik und Condition Monitoring benötigt.

Zielsetzung des Cluster-Querschnittsprojekts Selbstoptimierung war ein Instrumentarium zur Planung und Entwicklung von selbstoptimierenden Produkten und Produktionssystemen. Dieses soll die Entwickler in den Unternehmen bei der Realisierung von Ansätzen der Selbstoptimierung praxisgerecht unterstützen. Das vorliegende Buch stellt das erarbeitete Instrumentarium mit den entsprechenden Schwerpunkten im Detail vor. Dabei werden die wesentlichen Grundlagen der jeweiligen Fachgebiete gezeigt und die methodische Umsetzung anhand von Praxisbeispielen aus dem Spitzencluster erläutert.

Autorentext

Prof. Dr.-Ing. Ansgar Trächtler hat an der Universität Karlsruhe (TH) Elektrotechnik studiert, am dortigen Institut für Regelungs- und Steuerungssysteme promoviert und sich im Fach "Mess- und Regelungstechnik" habilitiert. Anschließend war er bei der Robert Bosch GmbH im Bereich Systementwicklung ESP und Vorausentwicklung Fahrwerksysteme tätig. Seit 2005 ist er Professor und Leiter des Lehrstuhls für Regelungstechnik und Mechatronik der Universität Paderborn. 2011 - 2015 leitete er die Fraunhofer-Projektgruppe "Entwurfstechnik Mechatronik" und baute sie zu einem eigenständigen Institut auf, das er seither leitet. Prof. Trächtler ist Mitglied bei acatech und engagiert sich in der VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (GMA) und in der International Federation of Automatic Control (IFAC).
Prof. Dr.-Ing. Jürgen Gausemeier ist Seniorprofessor am Heinz Nixdorf Institut der Universität Paderborn. Seine Arbeitsschwerpunkte sind Strategische Produktplanung und Systems Engineering. Er war Sprecher des Sonderforschungsbereiches 614 "Selbstoptimierende Systeme des Maschinenbaus" und von 2009 bis 2015 Mitglied des Wissenschaftsrats. Jürgen Gausemeier ist Initiator und Aufsichtsratsvorsitzender des Beratungsunternehmens UNITY AG. Seit 2003 ist er Mitglied von acatech - Deutsche Akademie der Technikwissenschaften und seit 2012 Vizepräsident. Ferner ist Jürgen Gausemeier Vorsitzender des Clusterboards des BMBF-Spitzenclusters "Intelligente Technische Systeme Ostwestfalen-Lippe (it s OWL)".

Klappentext

Das Buch beschreibt die Ergebnisse des Querschnittsprojekts Selbstoptimierung des vom BMBF geförderten Spitzencluster-Projekts Intelligente Technische Systeme OstWestfalenLippe (kurz: it s OWL). Die Entwicklung der Informations- und Kommunikationstechnik eröffnet neue Perspektiven für intelligente technische Systeme, die hohen Kundennutzen stiften. Diese Systeme sind in der Lage, sich ihrer Umgebung und den Wünschen ihrer Anwender im Betrieb anzupassen. Für den Innovationssprung von der Mechatronik hin zu selbstoptimierenden Systemen wird Expertise aus den Gebieten Maschinelles Lernen, mathematische Optimierungsverfahren, Regelungstechnik und Condition Monitoring benötigt. Zielsetzung des Cluster-Querschnittsprojekts Selbstoptimierung war ein Instrumentarium zur Planung und Entwicklung von selbstoptimierenden Produkten und Produktionssystemen. Dieses soll die Entwickler in den Unternehmen bei der Realisierung von Ansätzen der Selbstoptimierung praxisgerecht unterstützen. Das vorliegende Buch stellt das erarbeitete Instrumentarium mit den entsprechenden Schwerpunkten im Detail vor. Dabei werden die wesentlichen Grundlagen der jeweiligen Fachgebiete gezeigt und die methodische Umsetzung anhand von Praxisbeispielen aus dem Spitzencluster erläutert.

Inhalt
Einführung.- Paradigma der Selbstoptimierung.- Potentialanalyse zur Steigerung der Intelligenz mechatronischer Systeme.- Maschinelles Lernen in technischen Systemen.- Mathematische Optimierung.- Intelligente Steuerungen und Regelungen.- Steigerung der Verlässlichkeit technischer Systeme.- Verbesserung von Produktionssystemen.- Zusammenfassung.