Refine
Year of publication
- 2019 (306) (remove)
Institute
- Fachbereich Medizintechnik und Technomathematik (69)
- Fachbereich Elektrotechnik und Informationstechnik (44)
- Fachbereich Luft- und Raumfahrttechnik (44)
- IfB - Institut für Bioengineering (44)
- Fachbereich Wirtschaftswissenschaften (34)
- Fachbereich Bauingenieurwesen (28)
- Fachbereich Energietechnik (27)
- Fachbereich Maschinenbau und Mechatronik (25)
- INB - Institut für Nano- und Biotechnologien (19)
- Fachbereich Chemie und Biotechnologie (16)
Has Fulltext
- no (306) (remove)
Document Type
- Article (119)
- Conference Proceeding (93)
- Part of a Book (42)
- Book (24)
- Other (9)
- Doctoral Thesis (5)
- Patent (5)
- Review (4)
- Conference: Meeting Abstract (2)
- Examination Thesis (1)
Keywords
- Digitalisierung (3)
- Datenschutz (2)
- Enterprise Architecture (2)
- Robotic Process Automation (2)
- Seismic design (2)
- Achilles tendon (1)
- Advanced driver assistance systems (ADAS/AD) (1)
- Aircraft design (1)
- Analytics (1)
- Arbeit 4.0 (1)
Searching optimal continuous-thrust trajectories is usually a difficult and time-consuming task. The solution quality of traditional optimal-control methods depends strongly on an adequate initial guess because the solution is typically close to the initial guess, which may be far from the (unknown) global optimum. Evolutionary neurocontrol attacks continuous-thrust optimization problems from the perspective of artificial intelligence and machine learning, combining artificial neural networks and evolutionary algorithms. This chapter describes the method and shows some example results for single- and multi-phase continuous-thrust trajectory optimization problems to assess its performance. Evolutionary neurocontrol can explore the trajectory search space more exhaustively than a human expert can do with traditional optimal-control methods. Especially for difficult problems, it usually finds solutions that are closer to the global optimum. Another fundamental advantage is that continuous-thrust trajectories can be optimized without an initial guess and without expert supervision.
Im Rahmen der Digitalisierung ist die zunehmende Automatisierung von bisher manuellen Prozessschritten ein Aspekt, der massive Auswirkungen auf die zukünftige Arbeitswelt haben wird. In diesem Kontext werden an den Einsatz von Softwarerobotern zur Prozessautomatisierung hohe Erwartungen geknüpft. Bei den Implementierungsansätzen wird die Diskussion aktuell insbesondere durch Robotic Process Automation (RPA) und Chatbots geprägt. Beide Ansätze verfolgen das gemeinsame Ziel einer 1:1-Automatisierung von menschlichen Handlungen und dadurch ein direktes Ersetzen von Mitarbeitern durch Maschinen. Bei RPA werden Prozesse durch Softwareroboter erlernt und automatisiert ausgeführt. Dabei emulieren RPA-Roboter die Eingaben auf der bestehenden Präsentationsschicht, so dass keine Änderungen an vorhandenen Anwendungssystemen notwendig sind. Am Markt werden bereits unterschiedliche RPA-Lösungen als Softwareprodukte angeboten. Durch Chatbots werden Ein- und Ausgaben von Anwendungssystemen über natürliche Sprache realisiert. Dadurch ist die Automatisierung von unternehmensexterner Kommunikation (z. B. mit Kunden) aber auch von unternehmensinternen Assistenztätigkeiten möglich. Der Beitrag diskutiert die Auswirkungen von Softwarerobotern auf die Arbeitswelt anhand von Anwendungsbeispielen und erläutert die unternehmensindividuelle Entscheidung über den Einsatz von Softwarerobotern anhand von Effektivitäts- und Effizienzzielen.