FB 16 Elektrotechnik / Informatikhttps://kobra.uni-kassel.de:443/handle/123456789/2006021468842024-03-28T16:33:37Z2024-03-28T16:33:37ZStatic and Dynamic Characterization of MEMS Micromirror and Microshutter arrays: Reliability and LifetimeKhan, Muhammad Mohsinhttps://kobra.uni-kassel.de:443/handle/123456789/156082024-03-27T09:00:09Z2024-01-01T00:00:00ZBuildings are responsible for 40 % of the primary energy consumption and 36 % of the total CO2 emissions. There is a huge potential to decrease energetic consumption for lighting and heating/cooling by substituting the 85 % of inefficient glazing areas in EU’s buildings with energy efficient smart glazing windows. A micro-electro-mechanical system (MEMS) based smart glazing system comprising of millions of micro mirrors (invisible to the bare eye) is investigated here. This concept allows dynamic light steering by reflecting (instead of absorbing) the incoming sunlight according to user actions, sun positions, and daytime-/seasons- variable requirements, providing a tailored and personalized lighting inside the building. This enables free solar heat in winter, overheating prevention in summer and utilization of healthy natural daylight for illumination, leading to huge energy saving (up to 35 %) and massive CO2 reduction (up to 30 %) as well as saving of 10 % steel and concrete in high-rise buildings. Such a smart window with integrated micromirrors is beyond the current state-of-the-art (fast, automatic, and personalized daylight utilization, no overheating, extremely low energy consumption, sustainable and long-lasting materials, cost-efficient), and can be easily implemented in new and as well as old/existing buildings. This technology has the potential to play a key role in future smart green cities with huge economic, social, and environmental benefits. The focus of this work is electrical characterization of the micromirror arrays using measurements such as amplitude modulation response and capacitance-voltage characteristics, along with reliability and lifetime studies of micromirror arrays; Gebäude sind für 40% des Primärenergie-Verbrauchs und für 36% der gesamten CO2 Emissionen verantwortlich. Dabei gibt es ein enormes Potenzial, den Gebäudeenergieverbrauch zu reduzieren, dadurch, dass 85% der existierenden ineffizienten Verglasungen im Gebäudebestand der EU durch energieeffiziente Fenster auf der Basis von Smart Glass zu ersetzen. In dieser Arbeit wird ein MEMS-basiertes „Smart Fenster“ Konzept untersucht, was auf Millionen von Mikrospiegeln besteht (unsichtbar für das bloße Auge). Dieses Konzept ermöglicht eine dynamische Lichtlenkung durch Reflektion (statt Absorption) des einfallenden Sonnenlichts, das einfallende Sonnenlicht wird gemäß den Aktivitäten der Nutzer im Raum, dem Sonnenstand, und den Tages- und Jahreszeiten-gemäßen Erfordernissen von den Spiegeln reflektiert und damit eine personalisierte Lichtlenkung im Gebäude erzielt. Das ermöglicht kostenlose solare Wärme im Winter, Überhitzungs-Schutz im Sommer, und die maximale Verfügbarkeit von gesundem Tageslicht. Das führt zu großen Energieeinsparungen (bis zu 35%), massiver CO2 Reduktion (bis zu 30%) und durch schlankere Bauweise dem Einsparen von Stahl und Beton bis zu 10%, besonders in hohen Gebäuden. So ein smartes Fenster mit integrierten Mikrospiegeln ist weit jenseits aktuelle Stand der Technik angesiedelt (schnell, automatische und personalisierte Tageslichtnutzung, keine Überhitzung, geringer Energieverbrauch, nachhaltige und lang haltbare Materialien, kosten-effizient), und kann in neuen als auch alten Gebäuden genutzt werden. Diese Technologie hat das Potenzial eine Schlüsselrolle in zukünftigen „Smart Green Cities“ zu spielen mit enormen wirtschaftlichen, sozialen und umwelttechnischen Vorteilen. Dieser Arbeit fokussiert auf der elektrischen Charakterisierung der Mikrospiegel Arrays mit Messungen wie Amplituden-Modulations-Antwort und Kapazitäts-Spannungs-Charakteristiken sowie auf Zuverlässigkeits- und Lebensdauerstudien von Mikrospiegel Arrays.
2024-01-01T00:00:00ZKhan, Muhammad MohsinBuildings are responsible for 40 % of the primary energy consumption and 36 % of the total CO2 emissions. There is a huge potential to decrease energetic consumption for lighting and heating/cooling by substituting the 85 % of inefficient glazing areas in EU’s buildings with energy efficient smart glazing windows. A micro-electro-mechanical system (MEMS) based smart glazing system comprising of millions of micro mirrors (invisible to the bare eye) is investigated here. This concept allows dynamic light steering by reflecting (instead of absorbing) the incoming sunlight according to user actions, sun positions, and daytime-/seasons- variable requirements, providing a tailored and personalized lighting inside the building. This enables free solar heat in winter, overheating prevention in summer and utilization of healthy natural daylight for illumination, leading to huge energy saving (up to 35 %) and massive CO2 reduction (up to 30 %) as well as saving of 10 % steel and concrete in high-rise buildings. Such a smart window with integrated micromirrors is beyond the current state-of-the-art (fast, automatic, and personalized daylight utilization, no overheating, extremely low energy consumption, sustainable and long-lasting materials, cost-efficient), and can be easily implemented in new and as well as old/existing buildings. This technology has the potential to play a key role in future smart green cities with huge economic, social, and environmental benefits. The focus of this work is electrical characterization of the micromirror arrays using measurements such as amplitude modulation response and capacitance-voltage characteristics, along with reliability and lifetime studies of micromirror arrays
Gebäude sind für 40% des Primärenergie-Verbrauchs und für 36% der gesamten CO2 Emissionen verantwortlich. Dabei gibt es ein enormes Potenzial, den Gebäudeenergieverbrauch zu reduzieren, dadurch, dass 85% der existierenden ineffizienten Verglasungen im Gebäudebestand der EU durch energieeffiziente Fenster auf der Basis von Smart Glass zu ersetzen. In dieser Arbeit wird ein MEMS-basiertes „Smart Fenster“ Konzept untersucht, was auf Millionen von Mikrospiegeln besteht (unsichtbar für das bloße Auge). Dieses Konzept ermöglicht eine dynamische Lichtlenkung durch Reflektion (statt Absorption) des einfallenden Sonnenlichts, das einfallende Sonnenlicht wird gemäß den Aktivitäten der Nutzer im Raum, dem Sonnenstand, und den Tages- und Jahreszeiten-gemäßen Erfordernissen von den Spiegeln reflektiert und damit eine personalisierte Lichtlenkung im Gebäude erzielt. Das ermöglicht kostenlose solare Wärme im Winter, Überhitzungs-Schutz im Sommer, und die maximale Verfügbarkeit von gesundem Tageslicht. Das führt zu großen Energieeinsparungen (bis zu 35%), massiver CO2 Reduktion (bis zu 30%) und durch schlankere Bauweise dem Einsparen von Stahl und Beton bis zu 10%, besonders in hohen Gebäuden. So ein smartes Fenster mit integrierten Mikrospiegeln ist weit jenseits aktuelle Stand der Technik angesiedelt (schnell, automatische und personalisierte Tageslichtnutzung, keine Überhitzung, geringer Energieverbrauch, nachhaltige und lang haltbare Materialien, kosten-effizient), und kann in neuen als auch alten Gebäuden genutzt werden. Diese Technologie hat das Potenzial eine Schlüsselrolle in zukünftigen „Smart Green Cities“ zu spielen mit enormen wirtschaftlichen, sozialen und umwelttechnischen Vorteilen. Dieser Arbeit fokussiert auf der elektrischen Charakterisierung der Mikrospiegel Arrays mit Messungen wie Amplituden-Modulations-Antwort und Kapazitäts-Spannungs-Charakteristiken sowie auf Zuverlässigkeits- und Lebensdauerstudien von Mikrospiegel Arrays.Patterns of Practice - Interdisciplinary Negotiation of Cultural Complexity through Practice-Based Methods in InformaticsHeidt, Michael B.https://kobra.uni-kassel.de:443/handle/123456789/155652024-03-18T13:14:13Z2022-01-01T00:00:00ZFollowing the principle of knowing through making, this thesis discusses development and application of a practice-based methodology for construction of digital artefacts within
cultural contexts. It addresses the epistemological diversity and complexity inhering within interdisciplinary projects, suggesting methodological devices able to navigate the variegated disciplinary landscape present within respective development projects. The conceptual pair complexity/complication acts as theoretical point of reference in order to frame mediations between the formal material of computer code and physically embodied practice in exhibition spaces. Inquiries conducted unfold poietically, in the mode of concrete construction of interactive artefacts. Interactive biographies, tangible tabletops, and collage generators are among the devices developed and deployed. Digital materiality emerges as a key category during the research process, pointing towards productive ambivalences at play within joint practices of digital making.
2022-01-01T00:00:00ZHeidt, Michael B.Following the principle of knowing through making, this thesis discusses development and application of a practice-based methodology for construction of digital artefacts within
cultural contexts. It addresses the epistemological diversity and complexity inhering within interdisciplinary projects, suggesting methodological devices able to navigate the variegated disciplinary landscape present within respective development projects. The conceptual pair complexity/complication acts as theoretical point of reference in order to frame mediations between the formal material of computer code and physically embodied practice in exhibition spaces. Inquiries conducted unfold poietically, in the mode of concrete construction of interactive artefacts. Interactive biographies, tangible tabletops, and collage generators are among the devices developed and deployed. Digital materiality emerges as a key category during the research process, pointing towards productive ambivalences at play within joint practices of digital making.Effektive Integration von heterogenen Produktkatalogen im schnelllebigen Umfeld des E-CommerceSchmidts, Oliver Michaelhttps://kobra.uni-kassel.de:443/handle/123456789/153432024-01-05T09:40:57Z2023-01-01T00:00:00ZOnline-Marktplätze generieren von Jahr zu Jahr einen größeren Anteil des Einzelhandelsumsatzes. Ein wichtiger Faktor für den Erfolg von Online-Marktplätzen ist die korrekte Darstellung der Produktdaten für ihre Kunden. Diese Daten werden häufig von Zulieferern in Form von Produktkatalogen zur Verfügung gestellt, die in den Online-Marktplatz integriert werden müssen. Um dies zu erreichen, sind insbesondere kleine und mittelständische Unternehmen häufig auf aufwändige manuelle Arbeitsschritte bei der Datenintegration angewiesen. Ein solcher Schritt bei der Datenintegration ist die Ermittlung von Zuordnungen zwischen den Benennungsschemata der Produktattribute der Zulieferer und dem Benennungsschema des Marktplatzes. Der Schritt ist aufwändig, da Zulieferer individuelle und häufig wechselnde Benennungsstrategien verwenden. Jede manuelle Katalogintegration erzeugt Paare von Produktkatalogen vor und nach dem Integrationsprozess. Bisher wurden diese Daten nicht genutzt, obwohl sie das Potenzial besitzen, die Schemazuordnung zu vereinfachen. Diese Arbeit widmet sich daher der Frage, inwieweit die im Rahmen eines Integrationsprozesses anfallenden Daten genutzt werden können, um das Bestimmen der Zuordnungen zu automatisieren oder zumindest die manuelle Zuordnung durch ein Empfehlungssystem zu unterstützen.
Zwei grundlegende Ansätze wurden verfolgt. Zunächst wurden ausschließlich die Attributnamen der Schemata für die Schemazuordnung verwendet. Dazu wurden mehrere Verfahren des maschinellen Lernens (ML) in Kombination mit verschiedenen Vektorisierungsstrategien für Attributnamen mit Verfahren verglichen, die ohne ML auskommen. Aufbauend auf den dabei gewonnenen Erkenntnissen wurde dann mit Attribut Label Ranking (ALR) ein neues Verfahren entwickelt, das neben Attributnamen auch Attributinstanzen zum Lernen von Zuordnungen verwendet. Die Evaluation der Verfahren erfolgte jeweils anhand von Produktdaten aus Integrationsprozessen eines Online-Marktplatzes für Antikörper. Die Ergebnisse zeigen das Potenzial der ML-Verfahren. Anhand von üblichen Vergleichsmetriken konnte die Erkennungsrate von Zuordnungen textbasierter Attribute im Vergleich zu ähnlichen Verfahren aus anderen Anwendungsbereichen um bis zu 0.5 verbessert werden. Erreichte Werte für Empfehlungsmetriken zeigen, dass die Verfahren als Empfehlungssystem zur Unterstützung der manuellen Arbeit eingesetzt werden können. Darüber hinaus ermöglicht ALR unter bestimmten Voraussetzungen eine vollautomatische Erkennung der Zuordnungen.; Online marketplaces generate a larger share of retail sales every year. An important factor for the success of online marketplaces is the correct presentation of product data to their customers. Suppliers often provide this data through product catalogs that the online marketplace needs to integrate into their web shop. In order to achieve this, small and medium-sized enterprises, in particular, often have to rely on time-consuming manual steps in data integration. One such step in data integration is the determination of mappings between the supplier naming schemes for product attributes and the marketplace naming scheme. This step is time-consuming because suppliers use individual naming strategies that can also change frequently. Every manual catalog integration creates pairs of product catalogs before and after the integration process. So far, this data has not yet been used, although it has the potential to simplify schema mapping. This work is dedicated to the question of how the data generated during an integration process can be used to automate the determination of schema mappings or, at least, to support the manual mapping process through a recommendation system.
This work employed two main approaches. First, only the attribute names of the schemas were used for schema mapping. For this purpose, several machine learning (ML) methods in combination with different vectorization strategies for attribute names were compared with methods that do not rely on ML. Second, by building upon the insights gained, a new method was developed with Attribute Label Ranking (ALR) using attribute instances and names to learn mappings. Both methods were evaluated using actual product data from integration processes of an online marketplace for antibodies.
The results show the potential of the ML methods. The recognition rate of mappings of text-based attributes improves by up to 0.5 in precision, recall and F-score compared to similar methods from different application areas. Achieved values for recommendation metrics show that the methods can be used as a recommendation system to support manual work. Furthermore, ALR enables fully automatic schema mappings under specific conditions.
2023-01-01T00:00:00ZSchmidts, Oliver MichaelOnline-Marktplätze generieren von Jahr zu Jahr einen größeren Anteil des Einzelhandelsumsatzes. Ein wichtiger Faktor für den Erfolg von Online-Marktplätzen ist die korrekte Darstellung der Produktdaten für ihre Kunden. Diese Daten werden häufig von Zulieferern in Form von Produktkatalogen zur Verfügung gestellt, die in den Online-Marktplatz integriert werden müssen. Um dies zu erreichen, sind insbesondere kleine und mittelständische Unternehmen häufig auf aufwändige manuelle Arbeitsschritte bei der Datenintegration angewiesen. Ein solcher Schritt bei der Datenintegration ist die Ermittlung von Zuordnungen zwischen den Benennungsschemata der Produktattribute der Zulieferer und dem Benennungsschema des Marktplatzes. Der Schritt ist aufwändig, da Zulieferer individuelle und häufig wechselnde Benennungsstrategien verwenden. Jede manuelle Katalogintegration erzeugt Paare von Produktkatalogen vor und nach dem Integrationsprozess. Bisher wurden diese Daten nicht genutzt, obwohl sie das Potenzial besitzen, die Schemazuordnung zu vereinfachen. Diese Arbeit widmet sich daher der Frage, inwieweit die im Rahmen eines Integrationsprozesses anfallenden Daten genutzt werden können, um das Bestimmen der Zuordnungen zu automatisieren oder zumindest die manuelle Zuordnung durch ein Empfehlungssystem zu unterstützen.
Zwei grundlegende Ansätze wurden verfolgt. Zunächst wurden ausschließlich die Attributnamen der Schemata für die Schemazuordnung verwendet. Dazu wurden mehrere Verfahren des maschinellen Lernens (ML) in Kombination mit verschiedenen Vektorisierungsstrategien für Attributnamen mit Verfahren verglichen, die ohne ML auskommen. Aufbauend auf den dabei gewonnenen Erkenntnissen wurde dann mit Attribut Label Ranking (ALR) ein neues Verfahren entwickelt, das neben Attributnamen auch Attributinstanzen zum Lernen von Zuordnungen verwendet. Die Evaluation der Verfahren erfolgte jeweils anhand von Produktdaten aus Integrationsprozessen eines Online-Marktplatzes für Antikörper. Die Ergebnisse zeigen das Potenzial der ML-Verfahren. Anhand von üblichen Vergleichsmetriken konnte die Erkennungsrate von Zuordnungen textbasierter Attribute im Vergleich zu ähnlichen Verfahren aus anderen Anwendungsbereichen um bis zu 0.5 verbessert werden. Erreichte Werte für Empfehlungsmetriken zeigen, dass die Verfahren als Empfehlungssystem zur Unterstützung der manuellen Arbeit eingesetzt werden können. Darüber hinaus ermöglicht ALR unter bestimmten Voraussetzungen eine vollautomatische Erkennung der Zuordnungen.
Online marketplaces generate a larger share of retail sales every year. An important factor for the success of online marketplaces is the correct presentation of product data to their customers. Suppliers often provide this data through product catalogs that the online marketplace needs to integrate into their web shop. In order to achieve this, small and medium-sized enterprises, in particular, often have to rely on time-consuming manual steps in data integration. One such step in data integration is the determination of mappings between the supplier naming schemes for product attributes and the marketplace naming scheme. This step is time-consuming because suppliers use individual naming strategies that can also change frequently. Every manual catalog integration creates pairs of product catalogs before and after the integration process. So far, this data has not yet been used, although it has the potential to simplify schema mapping. This work is dedicated to the question of how the data generated during an integration process can be used to automate the determination of schema mappings or, at least, to support the manual mapping process through a recommendation system.
This work employed two main approaches. First, only the attribute names of the schemas were used for schema mapping. For this purpose, several machine learning (ML) methods in combination with different vectorization strategies for attribute names were compared with methods that do not rely on ML. Second, by building upon the insights gained, a new method was developed with Attribute Label Ranking (ALR) using attribute instances and names to learn mappings. Both methods were evaluated using actual product data from integration processes of an online marketplace for antibodies.
The results show the potential of the ML methods. The recognition rate of mappings of text-based attributes improves by up to 0.5 in precision, recall and F-score compared to similar methods from different application areas. Achieved values for recommendation metrics show that the methods can be used as a recommendation system to support manual work. Furthermore, ALR enables fully automatic schema mappings under specific conditions.Regionalisierung von E-Kfz-Ladestellen in Szenarien für den zukünftigen Ausbau in DeutschlandGauglitz, Philiphttps://kobra.uni-kassel.de:443/handle/123456789/152252023-11-28T13:50:38Z2023-04-01T00:00:00ZEin wesentlicher Baustein zur Senkung der CO2-Emissionen im Verkehrssektor ist die Elektrifizierung des Individualverkehrs, wobei die schnell wachsende Lade-infrastruktur Auswirkungen auf das Stromnetz hat. Netzberechnungen erfordern die räumliche Verortung von zukünftigen Ladestellen. Die vorliegende Arbeit mo-delliert dafür Heimladestellen und öffentlich zugängliche Ladestellen holistisch und punktgenau, und ist für alle Gemeinden in Deutschland anwendbar. Zunächst wird die Anzahl an Elektrofahrzeugen und Ladestellen je Gemeinde bestimmt. Hierbei werden unter anderem der demografische Wandel und Pendlerstatistiken berücksichtigt. Fokus der Arbeit ist die daran anschließende Detailregionalisie-rung, die am Beispiel Hamburg vorgestellt wird. Das Heimlade-Modell basiert auf einer synthetischen Bevölkerung auf Haushaltsebene unter Einbeziehung sozio-ökonomischer Aspekte. Für öffentlich zugängliche Ladestellen werden Ladebe-darfe, unter anderem bei Points of Interest, den Parkplatzpotentialen gegenüber-gestellt. Modellumfang und Detailtiefe bieten gegenüber bisherigen Verfahren validierte Vorteile. Beispielsweise werden Minimalwerte öffentlicher Lade- bedarfe realistischer abgebildet als in einem verglichenen KI-Verfahren, und die haushaltsscharfe Zuordnung zeigt eine engere Korrelation zu Zensusdaten als straßenzugbasierte Ansätze. Für die praktische Anwendung in der Netzplanung ist eine Schnittstelle zu Ladezeitreihen und Netzberechnungen ausgearbeitet. Die so zugänglichen Modellergebnisse eignen sich für die recheneffiziente Abbildung einer großen Szenarienbandbreite, sowie für die probabilistische Berechnung eines konsekutiven Netzausbaus. Damit wurde ein sehr wertvolles Werkzeug geschaffen, um die dringend notwendige Umsetzung der Energie-wende zu unterstützen.
2023-04-01T00:00:00ZGauglitz, PhilipEin wesentlicher Baustein zur Senkung der CO2-Emissionen im Verkehrssektor ist die Elektrifizierung des Individualverkehrs, wobei die schnell wachsende Lade-infrastruktur Auswirkungen auf das Stromnetz hat. Netzberechnungen erfordern die räumliche Verortung von zukünftigen Ladestellen. Die vorliegende Arbeit mo-delliert dafür Heimladestellen und öffentlich zugängliche Ladestellen holistisch und punktgenau, und ist für alle Gemeinden in Deutschland anwendbar. Zunächst wird die Anzahl an Elektrofahrzeugen und Ladestellen je Gemeinde bestimmt. Hierbei werden unter anderem der demografische Wandel und Pendlerstatistiken berücksichtigt. Fokus der Arbeit ist die daran anschließende Detailregionalisie-rung, die am Beispiel Hamburg vorgestellt wird. Das Heimlade-Modell basiert auf einer synthetischen Bevölkerung auf Haushaltsebene unter Einbeziehung sozio-ökonomischer Aspekte. Für öffentlich zugängliche Ladestellen werden Ladebe-darfe, unter anderem bei Points of Interest, den Parkplatzpotentialen gegenüber-gestellt. Modellumfang und Detailtiefe bieten gegenüber bisherigen Verfahren validierte Vorteile. Beispielsweise werden Minimalwerte öffentlicher Lade- bedarfe realistischer abgebildet als in einem verglichenen KI-Verfahren, und die haushaltsscharfe Zuordnung zeigt eine engere Korrelation zu Zensusdaten als straßenzugbasierte Ansätze. Für die praktische Anwendung in der Netzplanung ist eine Schnittstelle zu Ladezeitreihen und Netzberechnungen ausgearbeitet. Die so zugänglichen Modellergebnisse eignen sich für die recheneffiziente Abbildung einer großen Szenarienbandbreite, sowie für die probabilistische Berechnung eines konsekutiven Netzausbaus. Damit wurde ein sehr wertvolles Werkzeug geschaffen, um die dringend notwendige Umsetzung der Energie-wende zu unterstützen.