https://fuldok.hebis.de/xmlui/handle/fuldok/9 Fri, 01 May 2026 22:52:03 GMT 2026-05-01T22:52:03Z https://fuldok.hebis.de/xmlui/handle/fuldok/805 Safe contextual Bayesian optimization integrated in industrial control for self-learning machines De Blasi, Stefano; Bahrami, Maryam; Engels, Elmar; Gepperth, Alexander Intelligent manufacturing applications and agent-based implementations are scientifically investigated due to the enormous potential of industrial process optimization. The most widespread data-driven approach is the use of experimental history under test conditions for training, followed by execution of the trained model. Since factors, such as tool wear, affect the process, the experimental history has to be compiled extensively. In addition, individual machine noise implies that the models are not easily transferable to other (theoretically identical) machines. In contrast, a continual learning system should have the capacity to adapt (slightly) to a changing environment, e.g., another machine under different working conditions. Since this adaptation can potentially have a negative impact on process quality, especially in industry, safe optimization methods are required. In this article, we present a significant step towards self-optimizing machines in industry, by introducing a novel method for efficient safe contextual optimization and continuously trading-off between exploration and exploitation. Furthermore, an appropriate data discard strategy and local approximation techniques enable continual optimization. The approach is implemented as generic software module for an industrial edge control device. We apply this module to a steel straightening machine as an example, enabling it to adapt safely to changing environments. Mon, 13 Feb 2023 00:00:00 GMT https://fuldok.hebis.de/xmlui/handle/fuldok/805 2023-02-13T00:00:00Z https://fuldok.hebis.de/xmlui/handle/fuldok/717 Woran liegt’s, dass die Osthessen so gut in Mathe sind? : Abschlussarbeiten im Fach Mathematik an Haupt- und Realschulen in Hessen 2004 - Tatsächliche und vermeintliche Einflussfaktoren Grams, Timm (Prof. Dr.) Die Fuldaer Zeitung berichtete am 13.10.2004 von den Ergebnissen der landesweiten Ab-schlussprüfungen an Haupt- und Realschulen. Wir können uns darüber freuen, dass der Raum Fulda die ansonsten recht trübe hessische Bildungslandschaft mit besten Noten überstrahlt. Fri, 25 Apr 2025 00:00:00 GMT https://fuldok.hebis.de/xmlui/handle/fuldok/717 2025-04-25T00:00:00Z https://fuldok.hebis.de/xmlui/handle/fuldok/716 Risiko : Kernkraft, Mobilfunk, BSE, Terror, Straßenverkehr ... ; Unser Umgang mit der Angst Grams, Timm Tagungsband des 7. Fuldaer Elektrotechnik-Kolloquiums 18. Oktober 2002 Veranstalter · FET - Förderkreis des Fachbereichs Elektrotechnik und Informationstechnik · Fachbereich Elektrotechnik und Informationstechnik der Fachhochschule Fulda Tagungsleitung Timm Grams, Klaus Fricke-Neuderth, Ulrich Rausch Fri, 25 Apr 2025 00:00:00 GMT https://fuldok.hebis.de/xmlui/handle/fuldok/716 2025-04-25T00:00:00Z https://fuldok.hebis.de/xmlui/handle/fuldok/715 Die Suche nach dem wahren Grund : Statistische Ursachenanalyse am Beispiel des mathematischen Analphabetismus Grams, Timm Aus der statistischen Analyse hessischer Abschlussarbeiten ist bekannt, dass es einen negativen statistischen Zusammenhang zwischen der Frauenerwerbstätigkeit und den Schulleistungen der Kinder gibt. Solche Aussagen werden gern im Sinne von Ursache-Wirkungsbeziehungen interpretiert und im Kampf der Ideologien als Waffe missbraucht. Die Statistik liefert aber an und für sich keine Aussagen über Ursache und Wirkung. Dieser Bericht nimmt die Statistik der Schulleistungen zum Anlass für eine grundsätzliche Klärung der Fragen von Ursache und Wirkung. Der Kausalitätsbegriff erhält mit dem Closest-World-Konzept von David Lewis eine tragfähige Basis. Die statistische Ursachenanalyse wird als dreistufiges Verfahren konzipiert. Es zeigt sich, dass sich bei konsequenter Anwendung der Methode notorische Irrtümer der Statistik vermeiden lassen. Insbesondere löst sich das Simpsonsche Paradoxon in Wohlgefallen auf. Im ersten Schritt erfolgt eine Strukturanalyse. Mit heuristischen Methoden werden mögliche Kausalbeziehungen erfasst und als azyklischer gerichteter Graph dargestellt. Bei der Aufstellung dieses Strukturmodells hilft eine Liste von Merkmalen der Kausalität. Im zweiten Schritt wird das Strukturmodell mit den Methoden der statistischen (allgemeiner: stochastischen) Analyse bewertet. An dem so erstellten Kausalmodell lassen sich im dritten Schritt Ursache und Wirkung durch gezielte Interventionen und kontrafaktische Manipulationen studieren. Die Beantwortung der konkreten Frage, ob die hohe Frauenerwerbstätigkeit ursächlich für die schlechten Schulleistungen ist, erfordert kontrafaktische Schlussfolgerungen. Und in genau diesem Punkt bleibt die Analyse unbefriedigend: Wir suchen ja nach Ursachen, weil wir sie in unserem Sinne faktisch manipulieren wollen. Wir müssen also über diese einfache Ursachenbestimmung hinausgehen. Die schlechten Schulleistungen könnten beispielsweise auf mangelnde persönlicher Zuwendung zurückzuführen sein. Zuwendung hängt zwar von Variablen wie der Frauenerwerbstätigkeit ab. Aber diese Kopplung ist eher lose: Zuwendung ist eine faktisch veränderbare Variable. Andere Länder zeigen, wie sich persönliche Zuwendung und soziale Interaktion und damit die Schulleistungen trotz Frauenerwerbstätigkeit und hohem Ausländeranteil verbessern lassen. Fri, 25 Apr 2025 00:00:00 GMT https://fuldok.hebis.de/xmlui/handle/fuldok/715 2025-04-25T00:00:00Z