Lectures

MOOC@TU9 is a joint project of the alliance of leading Institutes of Technology in Germany (TU9) to plan, develop and execute an English-language Massive Open Online Course (MOOC). The goal of MOOC@TU9 is to detail the quality, the variety and the different perspectives of engineering science studies in Germany. The participants receive initial insights into graduate courses of study and become familiar with the wide-ranging offers available at the TU9 Universities.

An overview on Automation Technology is provided in the lecture “Models in Mechanical and Electrical Engineering – from Smart Materials to Smart Factory”. The recordings of the lecture of Prof. Dr.-Ing. Dr. h. c. Michael Weyrich of University of Stuttgart are provided below. There are links to interviews and lectures, background information on the university as well as instructions to an exercise for students.

Module Industrial Automation Systems in MOOC@TU9

Lecturer

Prof. Dr.-Ing. Dr. h. c. Michael Weyrich
Institute of Industrial Automation and Software Engineering

Write e-mail

Module Description

The “Industrial Automation Systems” lecture provides a glimpse of the made in Germany World of Automation Technology. Particularly, emerging technologies such as the Internet of Things currently change the way of developing and realizing manufacturing systems. Present day systems tend to be static and are difficult to alter. We will explain the automation approach of today and sketch future ideas of how automating systems work. However, intelligent components of the future would enable plug and play solutions for smart factories. In Germany, these new technologies are intensively researched supported by all related industries. Researchers, experts from industry and our students pursue this exciting goal to realize this quantum leap towards smart automation systems.

Related Videos

• Trailer of the Institute of Industrial Automation and Software Engineering
• Trailer of the University of Stuttgart
• Trailer of MOOC@TU9

Learning Objectives

The students can professionally design automation projects, thoroughly understand and employ the modern used development and automation methods, and get acquainted with automation tools and peripherals. Furthermore, the attendees can understand the requirements of an operating system dedicated to industrial automation systems and implement various concepts of real time programming regarding the control of an industrial automation system.

Content

• What is industrial automation?
• Automation device systems and structures
• Process peripherals
• Real-time programming
• Mini operating system
• Programming languages

Module details

Contact

Learning Objectives

Acquire basic knowledge and skills about software engineering for embedded real-time software systems; understand the specific challenges of software engineering for real-time systems; understand the development process for real-time software from requirements to maintenance.

Content

• Introduction to real-time systems and embedded systems
• Challenges of software engineering for real-time systems
• Real-time software development process
• Analysis and design methods for real-time software
• Model-driven development, requirements engineering
• Design of real-time systems
• Software verification and validation
• Industrialization of software
• Project management

Module details

Contact

Learning Objectives

Design and analysis of modern automation systems require the application of models that can cover the heterogeneity of cyber-physical components, sophisticated operational scenarios, system autonomy, and dynamic interaction with the non-deterministic environment and human operators. This course will guide you from basic to advanced system modeling methods and demonstrate their applications on automation systems. During this course, you will learn the underlying mathematical concepts, get familiar with modern modeling and analytical software tools and libraries, and apply your knowledge to realistic examples.

Content

• Introduction to MAAS, todays trends in automation system modeling
• Relevant concepts from Boolean algebra, set theory, graph theory, and the theory of probability
• Modeling of deterministic systems: state machines, queuing networks, automata
• Modeling of concurrent systems: Petri nets family, process algebras
• Principles of model checking: transition systems, linear temporal logic, computation tree logic
• Modeling of stochastic systems: Bayesian network, Markov chains family, stochastic and generalized Petri nets
• Analysis of stochastic systems: Probabilistic model checking, probabilistic computation tree logic
• Simulative analysis: Monte Carlo, rare events, importance sampling
• Timing analysis: timed Petri nets, timed Automata, probabilistic timing analysis
• Challenges of real-world application: Semi-formal models, model-to-model transformation, countermeasures against state space explosion

Webex-Link

https://unistuttgart.webex.com/unistuttgart-en/j.php?MTID=m701640a0740d353a7e5b7282ca8c1427

Lectures - Mondays at 11:30
Exercises - Thursdays at 11:30

Module details

Contact

We are thrilled to announce the launch of a new course: Risk Assessment for Robotic Systems (RARS), available in the upcoming Summer term.

In an era where robotics play a pivotal role across multiple sectors, understanding and mitigating the associated risks, especially in complex environments and during interactions with humans, is crucial. This course explores in-depth methods and approaches for risk assessment. It covers essential theories, models, and analytical frameworks in safety, risk, and reliability, ensuring a comprehensive understanding of how to navigate and manage the intricacies of risk in dynamic and unpredictable settings.

Course Content:

The course covers foundational theories of risk and dependability, alongside qualitative risk assessment methods like FME(C)A, HAZOP, and STPA. We delve into reliability metrics of both static and dynamic quantitative risk models, including ETA, FTA, and Markov chains. More advanced topics include the use of Probabilistic Model Checkers (PMC) such as PRISM and STORM, and techniques for uncertainty quantification when modelling risk. We also explore emerging topics such as, Digital Twins (DT), and Fault Injection (FI) via Reinforcement Learning (RL). The course emphasizes practical experience with real robots and includes analysis of Artificial Intelligence components' safety and risk mitigation strategies. In short the course covers traditional approaches to assessing risks as-well-as innovative approaches to better equip students for the realities confronted in their future professional life.

Module details
Credit Points: 6
Semester hours per week: 4 (exercises 2, lectures 2)
Regular interval: Summer term
Language: English
Estimate hours required:
Attendance: 42 hours
Self-study: 138 hours
Total: 180 hours
Summer Semester 2024:
Lectures Mondays 14:00 – 15:30
Exercises Thursdays 9:45 – 11:15     

 Contact

Lecture email:   ias@ias.uni-stuttgart.de
Lecturer: Jun.-Prof. Dr.-Ing. Andrey Morozov
Assistant: Joachim Grimstad

Inhalt und Ziele

Das Institut für Automatisierungstechnik und Softwaresysteme der Universität Stuttgart bietet eine spannende neue Vorlesung für Studierende der Elektrotechnik und Informationstechnik an. Jun.-Prof. Dr.-Ing. Florian Pfaff wird das Thema Datenfusion und Resilienz in Sensornetzwerken beleuchten.

Im Mittelpunkt steht die Frage, wie man in verteilten Systemen Kommunikationsaufwand reduzieren kann, wenn die Netzwerktopologie bekannt ist. Besonders in dezentralen Netzwerken, wo sich die Topologie dynamisch ändert, wird es anspruchsvoll und es bedarf neuer Verfahren. Optimale Ergebnisse sind hier selten möglich, daher sind clevere Fusionsmethoden gefragt, die Herausforderungen wie „Datenredundanz“ bewältigen und trotzdem verlässliche Ergebnisse liefern.

Die Vorlesung findet montags um 9:45 Uhr im Raum V 9.11 statt

Inhalt und Ziele

Die Vorlesung Aspekte Autonomer Systeme wird im Wintersemester angeboten und ist die zentrale Überblicksvorlesung des Masterstudiengangs Autonome Systeme, die von verschiedenen Dozenten aus Wissenschaft und Industrie gehalten wird. Die wissenschaftlichen Dozenten stammen aus den Fachbereichen Informatik, Luft- und Raumfahrttechnik, Maschinenbau, Kybernetik, Elektro- und Informationstechnik. Bei den industriellen Dozenten handelt es sich um erfahrene Ingenieure mittelständischer und großer Technologieunternehmen aus der Region. Durch die Vorlesung bekommen die Studierenden Einblicke in das breite Themenfeld der wissenschaftlichen Fachgebiete und industriellen Anwendungen, die sich mit autonomen Systemen beschäftigen. Die Dozenten spiegeln die Anwendungsthemen in den Bereichen Automotive, Luft- und Raumfahrt, Produktion und Energie wider.

Masterprüfung Autonome Systeme

• Modulkennung: 76390
• 6 ECTS
• Schriftliche Prüfung

Lernziele

Die Studierenden besitzen grundlegende Kenntnisse über Funktionalität, Struktur und besondere Eigenschaften rechnerbasierter Automatisierungssysteme.

Inhalt

• Grundlegende Begriffe der Automatisierungstechnik
• Automatisierungs-Gerätesysteme und -strukturen
• Prozessperipherie – Schnittstellen zwischen dem Automatisierungscomputersystem und dem technischen Prozess (Prozesssignalerfassung und -überwachung)
• Grundlagen zu Kommunikationssystemen in der Automatisierungstechnik (Feldbussysteme, drahtlose Kommunikation)
• Grundlagen der Echtzeitprogrammierung (Synchrone und Asynchrone Programmierung, Scheduling-Algorithmen, Synchronisationskonzepte)
• Programmiersprachen für die Automatisierungstechnik (Programmierung von Speicherprogrammierbaren und Pneumatischen Steuerungen)

Rahmenbedingungen

Lernziele

Die Studierenden sind in der Lage, Automatisierungsprojekte fachgerecht durchzuführen und die dazu benötigten Entwicklungsmethoden, Automatisierungsverfahren und Rechnerwerkzeuge zu verwenden.

Inhalt

• Automatisierungsprojekte
• Automatisierungsverfahren
• Methoden für die Entwicklung von Automatisierungssystemen
• Sicherheit von Automatisierungssystemen
• Automatisierung mit qualitativen Modellen
• maschinelles Lernen
• Sicherheit von Automatisierungssystemen

Rahmenbedingungen

Lernziele

Die Studierenden verstehen die Grundkonzepte und die grundlegenden Methoden der objektorientierten Systementwicklung und können diese anwenden.
Sie kennen die Notation in der Unified Modeling Language UML und in SysML sowie weitere Modelierungskonzepte für Softwaresysteme.
Sie wissen, was ein Softwaresystem ist, und können dies beschreiben.

Inhalt

• Basiskonzepte und Notationen der Objektorientierung
• Statische und dynamische Konzepte in der objektorientierten Analyse
• Konzepte und Notationen des objektorientierten Entwurfs
• Entwurfsmuster
• Implementierung objektorientierter Konzepte
• SysML
• Darstellung weiterer Modelierungsansätze in der Automatisierungs- und Elektrotechnik

Rahmenbedingungen

Inhalt und Ziele

Im Gegensatz zu regulären Vorlesungen kommen bei der Ringvorlesung verschiedene Dozenten aus der Industrie zu Wort, die aktuelle Themen der Automatisierungstechnik und der Softwaresysteme aus ihrer Sicht beleuchten.

Dieses zusätzliche Vorlesungsangebot des IAS soll vor allem den Bezug der Theorie zur Praxis stärken und als Diskussionsplattform für den Erfahrungsaustausch dienen. Aus diesem Grund richtet sich das Angebot nicht nur an Studierende verschiedener Fachbereiche, sondern auch an berufstätige Ingenieure, die sich einen Überblick über aktuelle Themen der Automatisierungstechnik und der Softwaresysteme verschaffen möchten.

Webex-Link zur Vorlesung

Die Vorlesung ist hybrid in V47.4.282 sowie unter folgendem Link:

Webex-Link

Masterprüfung Elektrotechnik und Informationstechnik

• Wahlfach Modul: 21970
• 3 ECTS
• Mündliche oder schriftliche Prüfung

Fächerübergreifende Schlüsselqualifikation

• T9: Digitalisierung und KI
• Voraussetzung: Anwesenheit in 11 der 14 Vorträge, sowie eine einstündige schriftliche Prüfung

Lernziele

Die Studierenden lernen spezielle Themenstellungen aus dem Bereich intelligenter cyber-physischer Systeme wissenschaftlich zu bearbeiten. Sie recherchieren die in wissenschaftlichen Datenbanken angebotene Fachliteratur. Sie erlenen die Analyse bzw. Extraktion von wesentlichen Zusammenhängen, Methoden, Verfahren sowie Tools. Die Studierenden können Ergebnisse beurteilen und darüber hinaus schriftliche Ausarbeitungen anfertigen sowie Fachpräsentationen ausarbeiten und abhalten. 

Inhalt

Die Fachthemen gehen auf aktuelle Forschungstrends bei cyber-physischen Systemen in den verschiedenen Gebieten Autonomer Systemen ein:  

• Anwendungen Autonomer Systeme in der Automatisierungstechnik 
• Validierung und Verifikation sowie modellbasierte Tests dynamisch veränderlicher Soft- und Hardwaresysteme
• Fehlermanagement und automatische Rekonfiguration autonomer Systeme
• Komplexitätsmanagement und Erhöhung der Verfügbarkeit
• Die Studierenden bearbeiten die Themen unter Anleitung eigenständig und stellen ihre Ergebnisse in einer multimedialen Präsentation und einem schriftlichen Bericht zusammen

Rahmenbedingungen

Lernziele

Studierende besitzen Kenntnisse über Anforderungsanalyse.
Sie hinterfragen Systemanalysen, erstellen Softwareentwürfe und wenden gängige Softwaretestverfahren an.
Studierende praktizieren Projektplanung und nutzen Softwareentwicklungswerkzeuge. Studierende bewerten entwickelte Software mit Metriken.

Inhalt

• Softwareentwicklungsprozesse und Vorgehensmodelle
• Requirements Engineering
• Systemanalyse
• Softwareentwurf
• Implementierung
• Softwareprüfung
• Projektmanagement
• Metriken

Rahmenbedingungen

Wichtige Information zum Ablauf im SoSe 2021

Das IAS bietet diese Lehrveranstaltung im SoSe 2021 komplett virtuell an. Dazu werden Materialien online über das ILIAS zur Verfügung gestellt und begleitende Sprechstunden per WebEx angeboten.

Lernziele

Die Studierenden besitzen Kenntnisse über Softwarequalität für technische Systeme, Softwaretechniken für bestehende technische Systeme und aktuelle Themen der Softwaretechnik.

Inhalt

• Konfigurationsmanagement
• Prototyping bei der Softwareentwicklung
• Metriken
• Formale Methoden zur Entwicklung qualitativ hochwertiger Software
• Wartung & Pflege von Software
• Reengineering
• Datenbanksysteme
• Software-Wiederverwendung
• Agentenorientierte Softwareentwicklung
• IoT-Softwaresysteme
• Cyber-Security für IoT-Softwaresysteme

Rahmenbedingungen

Ab dem Sommersemester 2019

Die Vorlesung „Zuverlässigkeit und Sicherheit von Automatisierungssystemen“ wurde ab dem Sommersemester 2019 zu „Verlässlichkeit intelligenter verteilter Automatisierungssysteme“ umbenannt und wird nun mit 6 Leistungspunkten (anstelle der bisherigen 3 Leistungspunkte) bewertet. Die Prüfungsleistung besteht aus einer schriftlichen Prüfung über 90 Minuten und einer Projektarbeit. Die Note setzt sich zu 75 % aus der schriftlichen Prüfung und zu 25 % aus der Projektarbeit zusammen.

Information für Medizintechnik-Studierende

Für die MedTech-Studierenden wird weiterhin das Modul „[21980] Zuverlässigkeit und Sicherheit von Automatisierungssystemen“ mit 3 Leistungspunkten angeboten. Die MedTech-Studierenden nehmen dazu an der Lehrveranstaltung VivA teil. Sie müssen keine Projektarbeit durchführen, bestimmte Vorlesungen nicht besuchen und die Prüfung dauert 60 Minuten. Die genauen Informationen werden in der ersten Vorlesung bekannt gegeben.

Lernziele

Die Studierenden besitzen Kenntnisse über Methoden und Verfahren, um die Zuverlässigkeit, Sicherheit (Safety und Security) von Automatisierungssystemen zu bestimmen.

Inhalt

• Begriffe und Kenngrößen
• Normen und Standards
• Grundlagen der Wahrscheinlichkeitsrechnung
• Zuverlässigkeits- und Sicherheitsanforderungen und Einflussfaktoren
• Risiko und Gefährdung, Risiko- und Gefährdungsanalyse
• Beispiel Bahnübergangssicherungsanlage
• Zuverlässigkeits- und Sicherheitstechnik, Zuverlässigkeitsmaßnahmen
• Redundanzen auf Modul- und Systemebene
• Allgemeines Prinzip der Fehlererkennung
• Hardware-Fehler und -Ausfallarten
• Ursachen und Wirkungen
• Fehlerarten bei Programmsystemen (Software)
• Zuverlässigkeit der Serien-, Parallel- und k-von-n-Anordnung
• Berechnungsmethoden (Zuverlässigkeitsdiagramm, Markov-Modell, Bayes'sche Methode)
• Aufbau zuverlässiger Automatisierungssysteme (Hardware und Software)
• Vereinfachungen und Abschätzungen
• Zuverlässigkeit komplexer Systeme
• Definition und Berechnung von Sicherheitskenngrößen
• Failsafe-Bausteine und -Systeme
• Zuverlässigkeitsmodelle für Software Sicherheitsnachweis für Hardware und Software
• Management zur Sicherung der Zuverlässigkeits- und Sicherheitsziele
• IT-Sicherheit auf der Feldebene

Rahmenbedingungen