University bibliography

In dieser Arbeit wird dargestellt, wie lernfähige adaptive Prozessmodelle zum Verbessern der Prozessführung in großen industriellen Verbrennungsanlagen beitragen können. Dazu werden die wesentlichen Bestandteile eines solchen Verbrennungsprozesses dargestellt, und es wird erläutert, warum konventionelle Regelungsverfahren (z.B. PID-Regler) Teile dieses Prozesses nicht oder nur unzureichend beherrschen können. Lernfähige Modelle sind prinzipiell in der Lage eine bessere Prozessführung zu gewährleisten. Ebenso wird gezeigt, welche Probleme die Standard-Lernverfahren mit den Daten realer Prozesse haben. Im Hauptteil der Arbeit werden drei Verbesserungsansätze erarbeitet: Der Einfluss von verrauschten Daten auf den Lernvorgang. Um trotz solcher Daten gute Modelle zu erhalten, werden sowohl verrauschte Punkte (Ausreißer) aus dem Datensatz entfernt als auch robuste Trainingsverfahren eingesetzt. Die Anpassung eines lernfähigen Modells an Veränderungen des Prozesses über langen Zeiträumen. Es wird gezeigt, dass ein Adaptieren des Modells zu Vorteilen gegenüber einem statischen Modell führt. Auf Verbrennungsdaten werden die besten Ergebnisse mit der gewichteten Kombination von adaptiven Modellen in Ensembles erreicht. Die funktionale Sicherheit der Stellstrategie eines lernfähigen Modells. Lernfähige Standardverfahren scheitern oft an der Verteilung der Daten in bereits geregelten Prozessen. Zur Vermeidung solcher Fehler werden mehrere sich ergänzende Ansätze entwickelt. Bedeutsam ist dabei das Einfügen von Expertenwissen in den Lernprozess. Durch Abgleich mit bereits vorhandenen Daten der Anlage kann gezielt Wissen für unbekannte Bereiche integriert und die Zuverlässigkeit lernfähiger Regler erhöht werden. Das wesentliche Herausstellungsmerkmal dieser Arbeit im Vergleich zu anderen Arbeiten auf dem Gebiet der lernfähigen Prozessmodelle liegt im unmittelbaren praktischen Bezug zu Verbrennungsprozessen. Die vorgestellten Verfahren wurden auf verschiedenen Müllverbrennungsanlagen und Zementwerken über mehrere Wochen und Monate erprobt. Es werden Lösungsmöglichkeiten aufgezeigt, die es ermöglichen, lernfähige Systeme über lange Zeiträume aktiv Stellgrößen regeln zu lassen und so eine erhebliche Verbesserung der Prozessführung zu erreichen.

This paper describes the user-centered design and evaluation process of a humanoid mobile shopping robot named TOOMAS that assists customers of home improvement stores. Three separate empirical field studies addressing the robot's usability (according to ISO 9241-11) and acceptability (intention to use) are presented involving N=343 test persons altogether. The first formative evaluation study (N=210) addresses the usability of the robot's article search system. It is demonstrated how several usability problems could be identified and eliminated, leading to significantly more successful article searches. The second formative evaluation study (N=39) addresses the robot's adaptation to its specific task and role in the home improvement store. Embodiment, mobility, voice output, and social behavior were analyzed and adapted to user requirements. The third summative evaluation study (N=94) experimentally tested robot-assisted shopping against conventional shopping regarding core usability criteria (effectiveness, efficiency, and satisfaction). It reveals that robot-assisted shopping was as effective and satisfactory as conventional shopping. Still, at the current state of technology shopping with robot assistance was slightly slower and therefore less efficient. For all three studies the effects of users' gender, age, educational background and computer skills levels on robot usability and acceptability are presented and discussed.

Ein Großteil der Verkehrsunfälle auf Europas Straßen findet in städtischen Kreuzungsbereichen statt. Die Ursache liegt in den meisten Fällen in einem vorangegangen Fehler seitens eines Fahrers. Eine Möglichkeit, um solche Unfälle zu verhinden, wäre der Einsatz eines Fahrassistenzsystems, welches im Fahrzeug verbaut ist und den Fahrer in Kreuzungssituationen unterstützt und auf mögliche Gefahren hinweist. Das Fahrassistenzsystem müsste dafür in der Lage sein eine komplexe Verkehrssituation ganzheitlich zu erfassen und basierend darauf abzuschätzen wie sich die Situation in naher Zukunft weiter entwickelt. Derzeit gibt es aber noch kein System, dass solch eine Funktionalität bietet, und auch im akademischen Bereich fehlt es an Methoden für eine ganzheitliche Situationserfassung. Die vorliegende Arbeit präsentiert eine neuartige Methode um innerstädtische Kreuzungssituationen zu erfassen. Sie basiert auf der Erkenntnis, dass derartige Verkehrssituationen zu komplex und zu variabel sind, um sie im Ganzen zu analysieren. Deshalb wird die Verkehrssituation in kleinere, leichter handhabbare Teile zerlegt, wobei jeder Teil aus zwei in Beziehung stehenden Entitäten besteht. Dabei beeinflusst eine Entität das Verhalten der anderen, zum Beispiel ein Fahrzeug, welches ein folgendes Fahrzeug zum Abbremsen veranlasst. Mögliche Konstellationen für in Beziehung stehende Entitäten werden von einem Experten in Modellen spezifiziert, die als "Konfigurationen" bezeichnet werden. Im Zuge der Arbeit wurde eine Reihe von Methoden entwickelt, die von dem Konfigurationen Konzept Gebrauch machen. Neben der eigentlichen Erkennung einer Konfiguration wird das Konzept auch für Methoden zur Verhaltensprädiktion verwendet, unter anderem, um ausgehend von der Konfiguration eines Fahrzeugs das longitudinale Verhalten oder nächste Manöver vorherzusagen. In einer umfassenden Evaluation kann gezeigt werden, dass sich Konfigurationen zuverlässig erkennen lassen und sich zur Situationseinschätzung eignen. Zusätzlich übertreffen die vorgeschlagenen Prädiktionsmethoden die zum Vergleich herangezogenen bisherigen Methoden. Als Grund dafür wird die Berücksichtigung der Konfigurationsinformation ausgemacht.