Hier erfahrt Ihr grundlegende Informationen zur Webapplikation "3DPrinterOS" welche wir benutzen um unsere 3D-Modelle für den 3D-Drucke vorzubereiten und Druckaufträge an die 3D-Drucker auf dem Campus zu senden.
Anschließend ist nach zwei kurzen Lehrvideos ein ILIAS-Test zu absolvieren um für die Nutzung der 3D-Drucker freigeschaltet zu werden.
Inhalt des ersten Videos ist die Bedienung der Webanwendung (Hochladen von Bauteilen, Slicen, Drucken), das zweite Video befasst sich mit der best practice und soll den weniger Erfahrenen Erfahrungswerte mit auf den Weg geben um die Erfolgsrate eurer ersten Drucke zu erhöhen.
Solltet Ihr zu einem späteren Zeitpunkt Fragen haben, so sind diese sicherlich im Wiki beantwortet: https://octo.zll.tuhh.de/xwiki/bin/view/3DPrinterOS/
Mit Eurem Input können wir dessen Q&A Bereich verbessern.
-----------------------------------------------
Here you will get to know basic information about the web application "3DPrinterOS" which we use to prepare our 3D models for 3D printing and to send print jobs to the 3D printers on campus.
Then, after watching two short instructional videos, an ILIAS test must be taken to be unlocked to use the 3D printers.
Content of the first video is the operation of the web application (uploading parts, slicing, printing), the second video deals with best practice and should give the less experienced ideas on the way to increase the success rate of your first prints.
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.