Benjamin Peter, Yanick Rek, Aaron Studer
Ausgangslage
Die hier vorliegende Arbeit basiert auf der Machbarkeitsstudie «JetBot: Autonomes und fortlaufendes maschinelles Lernen». In der Machbarkeitsstudie wird beschrieben, wie man einen Roboter dazu einsetzen kann, um informatikinteressierten Personen einen Einblick in die Informatik, mit Fokus auf die künstliche Intelligenz, zu ermöglichen. Die hier vorliegende Arbeit fokussiert sich auf die Umsetzung dessen. Die Arbeit umfasst den Aufbau des Roboters sowie der Testumgebung, das Entwickeln zweier Beispielapplikationen, welche mit der Hilfe von künstlicher Intelligenz ein Problem lösen und die Erweiterung der Web-App aus der Machbarkeitsstudie.
Vorgehen, Technologien
In einem ersten Schritt wurde ein 3D Modell für das Fahrgestell optimiert und gedruckt, der Roboter zusammengebaut und für die Applikationsentwicklung bereit gemacht. Im Anschluss wurden die Applikationen entwickelt sowie die Web-App erweitert. Der Code ist grössten Teils in Python geschrieben, lediglich für die Ansteuerung der Ultraschallsensoren wird C++ verwendet. Ausgeführt werden die Applikationen über JupyterLab, welches auf dem JetBot läuft. Für die Objekterkennung wird das Modell SSD MobileNetV2 verwendet, welches über die NVIDIA TensorRT SDK implementiert wird. Die Collision Avoidance basiert auf dem AlexNet welches mittels PyTorch implementiert wird. Die Web-App basiert auf Node.js, Express, Handlebars und einer lowdb Datenbank Instanz.
Ergebnisse
Mit den Applikationen ist der Roboter befähigt, sich in Räumen algorithmisch zu bewegen sowie Objekte und Kollisionen mit Hilfe von künstlicher Intelligenz zu erkennen. Ein Modell zur Kollisionserkennung wurde zudem trainiert, Tischkannten zu erkennen. Im Projektvorstellungsvideo werden diese Abläufe aufgezeigt und erklärt. Über die Web-App kann die Suchapplikation mit der algorithmischen Pfadfindung visualisiert werden und zudem können alte Logdaten der Programmdurchläufe eingesehen werden. Sie soll ferner zur Erläuterung der Theorie dienen. Mit Hilfe von Performancetests wurde zusätzlich bewiesen, dass der JetBot mit zwei parallellaufenden Machine Learning Modellen an seine Auslastungsgrenzen stösst.
Fabienne Lienhard, Jana Kravarik
Ausgangslage
Eine Supply Chain hat zum Ziel, komplexe Vorgänge einer Lieferkette zu beschreiben. Darunter fallen der Informations-, Waren-, Geld- und Personenfluss. Die Analyse und Optimierung von Supply Chains ist ein wichtiger Punkt in der Industrie. Dafür wird oft auf Simulation zurückgegriffen, doch sind Simulationen nicht immer optimal ausgelegt dafür, die Domäne von Supply Chains darzustellen. Die Simulationssoftware Simio enthält zum Beispiel Komponenten, die vor allem für einzelne Prozessschritte gedacht sind und daher ungeeignet dafür, komplexe Stationen einer Supply Chain abzubilden. Jedoch bietet Simio die Möglichkeit, Komponenten anzupassen oder neue zu definieren. Zum Abbilden einer solchen Supply Chain müssen also komplexere Bausteine geplant und in Simio umgesetzt werden.
Der finale Prototyp ermöglicht das Abbilden von Supply Chains mit bis zu 10 verschiedenen Produkten, mehren Kunden, Warenhäusern und zwei verschiedenen Herstellertypen. Verschiedene Key Performance Indikatoren ermöglichen die Beurteilung der Supply Chain.
Ergebnis
Ergebnis
Ausgangslage
Die Blaulichtorganisationen der Schweiz (BORS) nutzen das schweizweit flächendeckende Funksystem POLYCOM. Das POLYCOM-System wird vom Bundesamt für Bevölkerungsschutz (BABS) verwaltet. Dazu wird unter anderem das von der HSR/OST entwickelte Simulationsprogramm Tetrapolyzer verwendet. Die aktuell verwendete Technologie des POLYCOM-Systems (TDM-Technologie) ist nun veraltet und muss auf die modernere IP-Technologie migriert werden. Das BABS sieht vor, die Komponenten schrittweise vom alten Netzwerk ins Netzwerk mit der neuen Technologie zu migrieren.
Ziel
Das Ziel dieser Arbeit ist es, während dieser schrittweisen Migration das BABS zu unterstützen, sodass sie die Ausfallsicherheit des alten Netzwerkes immer noch sicherstellen können. Dazu wurde das Simulationsprogramm Tetrapolyzer mit entsprechenden Funktionen erweitert. Mit diesen Funktionen kann das BABS simulieren, welche Konfigurationsänderungen das Entfernen eines oder mehrerer Komponenten aus dem alten Netzwerk mit sich zieht und ob das Netzwerk dabei stabil bleibt.
Ergebnis
Robin Kunz
Ausgangslage
Weltweit steigt die Anzahl an Krebserkrankungen. Neben der Chemotherapie eröffnete sich mit der Erfindung und Weiterentwicklung von Bestrahlungsgeräten eine weitere Behandlungsmöglichkeit. In der untersuchten Radioonkologie durchlaufen zurzeit 750 Patienten eine Strahlentherapie. Tendenz steigend. Das Klinikum möchte seine Betriebsabläufe dem stetigen Wachstum von Patienten anpassen. Da im Umfeld eines Spitals keine Optimierungen mittels Trial and Error möglich sind, wird alternativ eine simulationsgestützte Optimierung gewählt.
Ziel
In dieser Arbeit werden zwei Ziele verfolgt. Das erste ist, eine animierte Simulation des Gesamtsystems zu erschaffen. Auf diese Weise ist es möglich, das Modell mittels einer Sichtkontrolle zu validieren. Des Weiteren soll aus dieser Animation ein Video entstehen, in welchem die Vorteile von Animationen durch Simulationstools gezeigt werden. Das zweite Ziel ist der Entwurf und die Umsetzung eines Experimentplans zur Optimierung der Simulation. Nach der formalen Beschreibung des Systems, werden die Prozesse in die Simulationssoftware implementiert. Auf dieser Simulation wird in einem nächsten Schritt eine zweidimensionale Animation aufgebaut, so dass sie die Ansprüche an eine Sichtvalidierung erfüllt. Mit der Ausarbeitung eines Experimentplans werden im nächsten Teil Möglichkeiten ausgearbeitet, das Modell zu optimieren. Im letzten Teil werden die Möglichkeiten von Simulationstools im Bereich der Aufnahme von Animationen erläutert. Anhand dieser wird als Abschluss des Projektes ein Video aus der Animation erstellt.