Allgemein – MechLab Engineering

Bitkom Leitfaden: Konkrete Anwendungsfälle von Künstlicher Intelligenz & Big-Data in der Industrie

In der kürzlich erschienenen Bitkom Veröffentlichung "Konkrete Anwendungsfälle von Künstlicher Intelligenz & Big-Data in der Industrie" wird das Projekt CartoX² als ein konkreter Anwendungsfall für die Datenverarbeitung von großen Datenmengen und Vorhersage von Fahrzeug-Kommunikations-Parametern mittels K.I. präsentiert. Datenfluss von Fahrzeugen (links) in Big-Data-Cluster (Mitte) und Ausgabe der API (rechts), Grafik: Fraunhofer IVI mit Überarbeitung von Bitkom [PDF] Download Gemeinsam mit Fraunhofer IVI haben wir an der Erstellung des Beitrags mitgewirkt und danken dem Bitkom für das Aufgreifen unserer Arbeit.

By Paul Balzer|2020-02-20T08:46:06+00:0002/2020|Categories: Allgemein|Tags: BMVI, CartoX, Veröffentlichung|0 Comments

Die Zukunftmacher des Bundesministerium für Verkehr und Digitale Infrastruktur

Im Rahmen der MFund Konferenz des Bundesministeriums für Verkehr und Digitale Infrastruktur wurden einzelne Projekte auf die blaue Couch des Social Media Teams geladen und durften kurz ihr Projekt vorstellen. Das Resultat ist eine kurzweilige Zusammenfassung des Projekts CartoX², welches sich mit Car-2-X Kommunikation befasst. Hier das Video: https://youtu.be/QQW-4Y8lj4w

By Paul Balzer|2020-02-20T08:31:42+00:0002/2020|Categories: Allgemein|Tags: AI, Car2X, ITS-G5, MachineLearning, prediction, Vehicle Communication, WLANp|0 Comments

A.I. basierte Maschinenzustandsüberwachung (3/3)

Dies ist Teil 3 einer mehrteiligen Serie, welche beispielhaft zeigt, wie mit Hilfe von maschinellen Lernverfahren eine K.I. trainiert wird, die den Zustand einer Maschine in Echtzeit überwachen kann. Die Teile sind folgende: Problemstellung, Lösungsweg und Datenerhebung Training und Evaluation mit Tensorflow 2.0 Deployment und Anwendungsbeispiel mit Tensorflow Serving in Amazon ECS (dieser) Dabei wird ein Neuronales Netz mit Tensorflow 2.0 angelernt, als Tensorflow Serving gepackt und in Amazon Elastic Container Service (ECS) in der Cloud Deployed. Außerdem wird eine simple Beispielanwendung die Sensordaten an den Cloud Endpunkt übertragen und den Maschinenzustand visualisieren. […]

By Paul Balzer|2020-02-06T12:14:12+00:0001/2020|Categories: Allgemein|Tags: Amazon, Cloud, Deployment, EC2, ECS, Example, Inference, prediction, Rest-API, Serving, Tensorflow|2 Comments

A.I. basierte Maschinenzustandsüberwachung (2/3)

Dies ist Teil 2 einer mehrteiligen Serie, welche beispielhaft zeigt, wie mit Hilfe von maschinellen Lernverfahren eine K.I. trainiert wird, die den Zustand einer Maschine in Echtzeit überwachen kann (Condition Monitoring). Die Teile sind folgende: Problemstellung, Lösungsweg und Datenerhebung Training und Evaluation mit Tensorflow 2.0 (dieser) Deployment und Anwendungsbeispiel mit Tensorflow Serving in Amazon ECS Dabei wird ein Neuronales Netz mit Tensorflow 2.0 angelernt, als Tensorflow Serving gepackt und in Amazon Elastic Container Service (ECS) in der Cloud Deployed. Außerdem wird eine simple Beispielanwendung die Sensordaten an den Cloud Endpunkt übertragen und den Maschinenzustand visualisieren. […]

By Paul Balzer|2020-02-06T12:09:36+00:0001/2020|Categories: Allgemein|Tags: Confusion Matrix, Machine Learning, Precision, Recall, SciKit Lern, Serving, Tensorflow|2 Comments

A.I. basierte Maschinenzustandsüberwachung (1/3)

Dies ist Teil 1 einer mehrteiligen Serie, welche beispielhaft zeigt, wie mit Hilfe von maschinellen Lernverfahren eine K.I. trainiert wird, die den Zustand einer Maschine in Echtzeit überwachen kann (Condition Monitoring). Die Teile sind folgende: Problemstellung, Lösungsweg und Datenerhebung (dieser) Training und Evaluation mit Tensorflow 2.0 Deployment und Anwendungsbeispiel mit Tensorflow Serving in Amazon ECS Dabei wird ein Neuronales Netz mit Tensorflow 2.0 angelernt, als Tensorflow Serving gepackt und in Amazon Elastic Container Service (ECS) in der Cloud Deployed. Außerdem wird eine simple Beispielanwendung die Sensordaten an den Cloud Endpunkt übertragen und den Maschinenzustand visualisieren. […]

By Paul Balzer|2020-02-06T12:06:59+00:0001/2020|Categories: Allgemein|Tags: Data, Example, Features, Label, Machine Learning, Tensorflow, Training, Tutorial|2 Comments

Deploy your Machine Learning Model as REST-API in Less than 1 hour with Scikit-Learn and Docker

While working on our research project CartoX², we had to deploy a Machine Learning model for prediction of the received signal strength with V-2-X communication ITS-G5 (German name: WLANp). We will use a very simple and easy to understand linear prediction model and serve an API via a Docker container. Up in running in less than 1 hour! […]

By Paul Balzer|2018-12-11T16:54:37+00:0011/2017|Categories: Allgemein|Tags: Deployment, Docker, prediction, Rest-API, RSSI, SciKit Learn, WLANp|0 Comments

Smart Production: Der Roboter unterstützt bei der Einzelteilfertigung

Roboter kommen oftmals dann zum Einsatz, wenn monotone, eintönige und immer gleiche Tätigkeiten zu verrichten sind. Produktionsbereiche mit extrem variantenreicher Fertigung sind bisher schwer von Robotern zu unterstützen, da die nötigen Bewegungen von Produktionsauftrag zu Produktionsauftrag abweichen. Die klassische Robotik funktioniert an Fließbändern nach wie vor mit Teach-In-Verfahren, was bedeutet, dass ein Mensch dem Roboter vorher "zeigen" muss, was die korrekte Bewegung ist und der Roboter wiederholt diese dann einfach auf Kommando. So der Stand bisher! Werden viele verschiedene Varianten gefertigt, müssen dafür jeweils eigene Programme geteached werden. Ganz unsinnig schien ein Roboter bisher für Einzelteilfertigung, bei der jeder neue Auftrag eine andere Roboterbewegung verlangt. Von Daten zu Bewegungsabläufen in der Einzelteilfertigung Der Smart Production Ansatz: Gemeinsam mit Sherpa.Dresden entwickelten wir eine Software, die aus standardisierten [...]

By Paul Balzer|2018-12-06T16:36:05+00:0011/2017|Categories: Allgemein|Tags: C#, CAD2Robot, Robot, UR10, WRI, WRL|0 Comments

MechLab Engineering ist neuer assoziierter Partner des HIGHTS EU Projekts

Das EU Projekt HIGHTS beschäftigt sich mit hochpräziser Ortung für kooperative, intelligente Transportsysteme. Diese benötigen für neue Anwendungsfälle (z.b. hochautomatisiert Fahrt) ihre Position genauer als es ein konventionelles GPS, v.a. in Häuserschluchten von Großstädten, leisten kann. Deshalb müssen verschiedenste Lokalisierungslösungen kombiniert werden, um zukünftige Anforderungen bezüglich Genauigkeit und Sicherheit zu erfüllen. MechLab Engineering beschäftigt sich mit Aktivitätenerkennung von nicht motorisierten Verkehrsteilnehmern (so genannter "Highly Vulnerable Road User"). In Kooperation mit der ZigPos GmbH können damit innovative kooperative Lokalisierungslösungen entwickelt werden, welche in Zukunft dabei helfen werden die Unfallszahlen und/oder Verletzungsschwere zu reduzieren. MechLab Engineering ist ab sofort assoziierter Partner des Projekts, gemeinsam mit Firmen wie Preh Car Connect GmbH (ehemals TechniSat GmbH), IAV Automotive Engineering und BMW AG. Mehr dazu auf http://hights.eu...

By Paul Balzer|2018-12-06T16:36:06+00:0006/2016|Categories: Allgemein|Tags: AMG, EU, HIGHTS|0 Comments

PyData Berlin 2015 Review

Wow, that was a blast! We are back from PyData Berlin 2015 and it was such an input for Python enthusiasts like us. Thank’s for the organisation and food and drinks and talks and everything. What impressed most, explained in one chart: the four kind of mindsets you frequently meet in your company or while talking with customers, CC-BY 2.0 Every single person there was located in the very top left corner of this chart and this is actually not representative for the business daily routine or private life. Sometimes even a colleague in your company is in the top right corner, because your idea is better than his and he knows that it will outperform [...]

By Paul Balzer|2018-12-06T16:36:06+00:0005/2015|Categories: Allgemein|0 Comments

Motion Activity Classification with Acceleration and Rotation Sensor

A lot of devices are able to measure acceleration and rotation. For example every Smartphone is capable of this, the Tinkerforge IMU or even Sensor Tags for Car-2-X Communication, if they are equipped with such sensors. The interesting question is, how to get information out of the raw sensor data? For example Car-2-X communication: Every advanced driver assistant system (ADAS) nowadays is just able to 'see' a potential collision within the line of sight, like shown in this video: https://www.youtube.com/watch?v=83S8eKzzq-Y If, for example, a child is crossing the street from behind a bus, the collision avoidance system of the car (camera system) is not able to 'see' the approaching child, because it is hidden behind the bus. City of the [...]