arbeiten:mixed_reality-based_process_control_of_automatic_assembly_lines

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

Link zu dieser Vergleichsansicht

Beide Seiten der vorigen Revision Vorhergehende Überarbeitung
Nächste Überarbeitung		 Vorhergehende Überarbeitung
Letzte ÜberarbeitungBeide Seiten der Revision
arbeiten:mixed_reality-based_process_control_of_automatic_assembly_lines [05.07.2017 14:56] – [Data-Entry] Juergen Hahnarbeiten:mixed_reality-based_process_control_of_automatic_assembly_lines [07.03.2018 10:09] – [Data-Entry] Alexander Bazo
Zeile 7: Zeile 7:
 Student                   : Jürgen Hahn Student                   : Jürgen Hahn
 Professor_thesisprofessor : Bernd Ludwig Professor_thesisprofessor : Bernd Ludwig
-Status_thesisstate        : in Bearbeitung+Status_thesisstate        : abgeschlossen
 Stichworte_thesiskeywords : Mixed Reality, Computer Vision, Digital Signal Processing, Software Engineering Stichworte_thesiskeywords : Mixed Reality, Computer Vision, Digital Signal Processing, Software Engineering
 angelegt_dt               : 2017-07-05 angelegt_dt               : 2017-07-05
Zeile 13: Zeile 13:
 Anmeldung_dt              :  Anmeldung_dt              : 
 Antrittsvortrag_dt        : 2017-07-17 Antrittsvortrag_dt        : 2017-07-17
-Abschlussvortrag_dt       : +Abschlussvortrag_dt       : 2017-10-23
 Ende_dt                   :  Ende_dt                   : 
 ---- ----
 +
 +
 +
 +
  
  
Zeile 45: Zeile 49:
 Folgende Forschungsfragen sollen bei der Evaluation des Systems in einer tatsächlichen Fertigungslinie eines EMS-Dienstleisters untersucht werden: Folgende Forschungsfragen sollen bei der Evaluation des Systems in einer tatsächlichen Fertigungslinie eines EMS-Dienstleisters untersucht werden:
    
-RQ1: Generiert ein Assistenzsystem dieser Art einen Mehrwert gegenüber des etablierten Status Quo, in dem Probleme oder Fehler schneller identifiziert, behoben oder präventiert werden können? +  * RQ1: Generiert ein Assistenzsystem dieser Art einen Mehrwert gegenüber des etablierten Status Quo, in dem Probleme oder Fehler schneller identifiziert, behoben oder präventiert werden können? 
-RQ2: Bietet der Ort der Visualisierung der Daten im Sichtfeld im Bezug zur Betrachtung des Produkts einen Vorteil bei der Fehlersuche und beschleunigt diese? +  * RQ2: Bietet die Visualisierung der Daten im Sichtfeld der Benutzer in Kombination mit der Betrachtung des Produktes einen Vorteil beim Erkennen von Störungen / Fehler und beschleunigt diesen Vorgang? 
-RQ3: Generiert das Assistenzsystem die selbe oder zumindest ähnliche Produktivtität bei Laien bzw. Neulingen des Arbeitsprozesses?+  * RQ3: Generiert das Assistenzsystem die selbe oder zumindest eine ähnliche Produktivität bei Laien bzw. Neulingen des Arbeitsprozesses im Vergleich zu Veteranen?
  
  
 === Konkrete Aufgaben === === Konkrete Aufgaben ===
-Planung und Implementierung eines Assistenzsystems mit der Microsoft HoloLens als Zielplattform +  * Planung und Implementierung eines Assistenzsystems mit der Microsoft HoloLens als Zielplattform 
-    - Implementierung eines 3D-UIs zur Visualisierung  +    * Implementierung eines 3D-UIs zur Visualisierung  
-    - Implementierung einer Bildverarbeitungspipeline zur Erkennung von Leiterplatten (markerlos) +    * Implementierung einer Bildverarbeitungspipeline zur Erkennung von Leiterplatten (markerlos) 
-    - Implementierung eines kleinen Applikationsservers für Datenbankabfragen, die an die HoloLens-App weitergeleitet werden +    * Implementierung eines kleinen Applikationsservers für Datenbankabfragen, die an die HoloLens-App weitergeleitet werden 
-    - Implementierung einer WLAN-Lokalisationskomponente und Stabilisation des Signals+    * Implementierung einer WLAN-Lokalisationskomponente und Stabilisation des Signals
    
-- Planung und Durchführung einer Evaluation des Assistenzsystems mit mindestens 25 Testpersonen (Idealfall: 20 Stammkräfte und 5 Neulinge) anhand Forschungsfragen+  * Planung und Durchführung einer Evaluation des Assistenzsystems mit mindestens 25 Testpersonen (Idealfall: 20 Stammkräfte und 5 Neulinge) anhand Forschungsfragen
  
  
 === Erwartete Vorkenntnisse === === Erwartete Vorkenntnisse ===
-- Grundlagen AR / VR / MR / 3D +  * Grundlagen AR / VR / MR / 3D 
-- Erfahrung Computer Vision +  * Erfahrung Computer Vision 
-- Erfahrung Machine Learning / Deep Learning (Stabilisierung der WLAN-Lokalisation) +  * Erfahrung Machine Learning / Deep Learning (Stabilisierung der WLAN-Lokalisation) 
-- entsprechende Mathematik+  * entsprechende Mathematik
    
  
  
 === Weiterführende Quellen === === Weiterführende Quellen ===
-Hahn, J., Ludwig, B., & Wolff, C. (2015, November). Augmented reality-based training of the PCB assembly process. In Proceedings of the 14th International Conference on Mobile and Ubiquitous Multimedia (pp. 395-399). ACM. ISO 690     +  * Hahn, J., Ludwig, B., & Wolff, C. (2015, November). Augmented reality-based training of the PCB assembly process. In Proceedings of the 14th International Conference on Mobile and Ubiquitous Multimedia (pp. 395-399). ACM. ISO 690 
-Kiryati, N., Eldar, Y., & Bruckstein, A. M. (1991). A probabilistic Hough transform. Pattern recognition, 24(4), 303-316. +  * Kiryati, N., Eldar, Y., & Bruckstein, A. M. (1991). A probabilistic Hough transform. Pattern recognition, 24(4), 303-316. 
-Regenbrecht, H., Baratoff, G., & Wilke, W. (2005). Augmented reality projects in the automotive and aerospace industries. IEEE Computer Graphics and Applications, 25(6), 48-56. +  * Regenbrecht, H., Baratoff, G., & Wilke, W. (2005). Augmented reality projects in the automotive and aerospace industries. IEEE Computer Graphics and Applications, 25(6), 48-56. 
-Shafer, I., & Chang, M. L. (2010, October). Movement detection for power-efficient smartphone WLAN localization. In Proceedings of the 13th ACM international conference on Modeling, analysis, and simulation of wireless and mobile systems (pp. 81-90). ACM. +  * Shafer, I., & Chang, M. L. (2010, October). Movement detection for power-efficient smartphone WLAN localization. In Proceedings of the 13th ACM international conference on Modeling, analysis, and simulation of wireless and mobile systems (pp. 81-90). ACM. 
-Fang, S. H., & Lin, T. N. (2009, August). Accurate WLAN indoor localization based on RSS, fluctuations modeling. In Intelligent Signal Processing, 2009. WISP 2009. IEEE International Symposium on (pp. 27-30). IEEE. +  * Fang, S. H., & Lin, T. N. (2009, August). Accurate WLAN indoor localization based on RSS, fluctuations modeling. In Intelligent Signal Processing, 2009. WISP 2009. IEEE International Symposium on (pp. 27-30). IEEE. 
-Schmidhuber, J. (2015). Deep learning in neural networks: An overview. Neural networks, 61, 85-117.+  * Schmidhuber, J. (2015). Deep learning in neural networks: An overview. Neural networks, 61, 85-117.