Zusammenfassung
Auf dem Markt erhältliche Betriebliche Umweltmanagementsysteme (BUIS) verarbeiten die enthaltenen Daten über Datenbankabfragen und Funktionen. Dabei stehen spezielle Algorithmen zur Datenerfassung und –auswertung aus dem Bereich der Künstlichen Intelligenz noch nicht im Fokus existierender Systeme. Aber gerade das ermöglicht eine völlig neue Qualität der nutzerzentrierten Informationsbereitstellung, da die Wissensbasis iterativ erweitert wird und somit individuellere Voraussagen und Analysen getroffen werden können. Mit dem Beitrag „Einsatzmöglichkeiten von Methoden der Künstlichen Intelligenz zur Optimierung von Stoff- und Energieströmen und prototypische Umsetzung auf der Basis von Stoffstromnetzen“ wird der Versuch unternommen, eine Grundlage für den Einsatz von Methoden der KI in produzierenden Betrieben zu schaffen, welche durch ein zu entwickelndes Künstliches Neuronales Netz in Kombination mit Evolutionären Algorithmen und Fuzzy-Logik unterstützt werden sollen, ressourcen- und energieeffizienter zu arbeiten, wobei jedoch der personelle und finanzielle Aufwand gering bleiben soll.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Atlan-tec Systems GmbH (2017) Prozessoptimierer. http://www.atlan-tec.de/loesungen/prozess-optimierer/. Letzter Aufruf: 20.02.2017
Brause R (1991) Neuronale Netze. Eine Einführung in die Neuroinformatik, Teubner Verlag, Stuttgart
Grauel A (2008) Center Computational Intelligence and Cognitive Systems: Tutorial – Neuronale Netze, Fachhochschule Südwestfalen, S. 4-5
Grützner R, Möhring M (1999) Werkzeuge für die Modellierung und Simulation im Umweltbereich: 9. Workshop Koblenz 1999. ASIM-Mitteilungen 62, http://www.informatik.uni-ros-tock.de/~ns/gruetzner/Koblenz.html, Letzter Aufruf: 27.02.2017
Ifu (2017) Institut für Umweltinformatik Hamburg GmbH: https://www.ifu.com/umberto/. Letzter Aufruf: 14.03.2017
Knowles J, Corne D (1999) The pareto archived evolution strategy: A new baseline algorithm for pareto multiobjective optimization, Proceedings of the 1999 Congress on Evolutionary Computation (CEC 99), pp 98-105
Kruse R, Borgelt C, Braune C, Klawonn F, Moewes C, Steinbrecher M (2015) Computational Intelligence – Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze. 2. Aufl., Springer Vieweg, Wiesbaden
Lambrecht H (2011) Stoffstromnetzbasierte Optimalplanung des Ressourceneinsatzes industrieller Produktionssysteme. Dissertation Leuphana Universität Lüneburg
Lau HCW, Cheng ENM, Lee CKM, Ho GTS (2008) A fuzzy logic approach to forecast energy consumption change in a manufacturing system, Expert Systems with Applications. Vol. 34(3), April 2008, pp 1813-1824
Lippe, W-M (2006) Soft-Computing, Springer Verlag, Berlin/Heidelberg/New York
Mehnen J (2004) Mehrkriterielle Optimierverfahren für produktionstechnische Prozesse. Habil-itationsschrift zur Erlangung der Lehrbefugnis für das Fach Informationssysteme in der Produktionstechnik an der Universität Dortmund
MemBrain (2017) http://www.membrain-nn.de/index.htm. Letzter Aufruf: 14.03.2017
Microsoft Corporation (2017) Visual Studio. https://www.visualstudio.com/de/. Letzter Aufruf: 14.03.2017
Rojas R (1993) Theorie der neuronalen Netze, Springer Verlag, Berlin/Heidelberg/New York
Russell SJ, Norvig P (2002) Artificial Intelligence – A modern approach. 2. Aufl., Prentice Hall, Upper Saddle River (NJ)
Tuma A, Haasis H-D, Rentz O (1993) Entwicklung emissionsorientierter Produktionsabstimmungsmechanismen auf der Basis fuzzyfizierter Expertensysteme und Neuronaler Netze. In: Jaeschke A, Kämpke T, Page B, Radermacher FJ (Hrsg.) Informatik für den Umweltschutz (7. Symposium, Ulm, 31.3.-2.4.1993), Springer Verlag, Berlin/Heidelberg/New York, S. 178-189
Ultsch A (1995) Einsatzmöglichkeiten von Neuronalen Netzen im Umweltbereich. In: Page B, Hilty LM (Hrsg.) Umweltinformatik: Informatikmethoden für Umweltschutz und Umweltforschung, Handbuch der Informatik Nr. 13.3, 2. Aufl., Oldenbourg Verlag, München/Wien, S. 219-244
Ultsch A, Halmans G (1991) Data normalization with self-organizing feature maps. Neural Networks 1991. IJCNN-91-Seattle International Joint Conference on, Vol. 1, pp 507 ff
Willenbacher M (2011) Prozessoptimierung mit künstlichen neuronalen Netzen. Akademiker Verlag, Saarbrücken, pp 145-148
Wohlgemuth V (2005) Komponentenbasierte Unterstützung von Methoden der Modellbildung und Simulation im Einsatzkontext des betrieblichen Umweltschutzes, Shaker Verlag, Aachen
Wohlgemuth V (2014) Die Entwicklung der Stoffstromsimulation. In: Umweltinformatik - Einblick in drei Jahrzehnte der Entwicklung einer Wissenschaftsdisziplin, Shaker Verlag, Aachen, April 2014
Wohlgemuth V (2015) Ein Überblick über Einsatzbereiche von betrieblichen Umweltinformationssystemen (BUIS) in der Praxis. In: Cunningham DW, Hofstedt P, Meer K, Schmitt I (Hrsg.) INFORMATIK 2015: Informatik, Energie und Umwelt (45. Jahrestagung der Gesellschaft für Informatik, 28. September – 02. Oktober 2015, Cottbus Deutschland), Gesellschaft für Informatik e.V., Bonn, S. 223-237
Zell A (2003) Simulation neuronaler Netze. München, 2., unveränd. Nachdruck der Ausgabe Bonn, Addison-Wesley 1994. Aufl., Oldenbourg Verlag
Zitzler E, Laumanns M, Thiele L (2001) SPEA2: Improving the Strength Pareto Evolutionary Algorithm, TIK-Report 103, ETH Zürich
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Willenbacher, M., Wohlgemuth, V. (2018). Einsatzmöglichkeiten von Methoden der Künstlichen Intelligenz zur Optimierung von Stoff- und Energieströmen und prototypische Umsetzung auf der Basis von Stoffstromnetzen. In: Arndt, HK., Marx Gómez, J., Wohlgemuth, V., Lehmann, S., Pleshkanovska, R. (eds) Nachhaltige Betriebliche Umweltinformationssysteme. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-20380-1_10
Download citation
DOI: https://doi.org/10.1007/978-3-658-20380-1_10
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-20379-5
Online ISBN: 978-3-658-20380-1
eBook Packages: Business and Economics (German Language)