Ausgabe 2/2008


03/01/08

Leistung und Komfort für Aufzüge

Beat De Coi, Daniel Lippuner und Peter Nebiker

Neuartige Kameratechnologien ermöglichen neue Applikationen in der Aufzugstechnologie, welche die Leistung, die Sicherheit und den Komfort des Aufzuges erhöhen. Der Schlüsselfaktor für die Optimierung der Aufzugsleistung ist die Belegung der Aufzugs-Kabine. Herkömmliche Gewichts-Sensoren messen das Gewicht der Kabinenladung aus Sicherheitsgründen. Die Belegung der Kabine können sie dabei nicht überwachen. Für Anwendungen, bei denen die Gefahr von Missbrauch besteht, ist eine Anwesenheitskontrolle von Personen und Objekten notwendig. Herkömmliche Anwesenheits-Sensoren sind für diese Anwendungen nicht geeignet , da sie nur sich bewegende Objekte erfassen können. Dieser Artikel beschreibt ein neues, kostengünstiges, auf der CMOS-Kameratechnologie basierendes System, das neue Möglichkeiten in der Leistungssteigerung und der Sicherheit von Aufzügen eröffnet. Eine mögliche Anwendung, die den Komfort für den Aufzugsbenutzer erhöht , wird aufgezeigt. Die neue kamerabasierte Sensor-Technologie wird erklärt sowie verschiedene Applikationen diskutiert.
Kategorie: Fachaufsaetze Ausgabe 2/2008
Erstellt von: Editor

Seit der Erfindung des Aufzugs vor über hundert Jahren wurden Sensoren hauptsächlich für die Steuerung des Aufzuges und der Aufzugs-Türen eingesetzt. Typische Beispiele sind Schachtinformations- Systeme, die mit Hilfe von mechanischen, magnetischen oder optischen Schaltern und Drehgebern die Winkelposition der Motorwelle bestimmen oder mechanische, kapazitive oder optische Tür-Sicherheitsschalter, die für die Sicherheit der Passagiere sorgen. Auch berührungssensible Sensoren werden verwendet. Hingegen war der Einsatz von Sensoren als Schutz vor Missbrauch oder zur Reduzierung von Wartezeiten bisher sehr limitiert. Der Grund liegt in der Komplexität der Aufgabe. Mit konventionellen Lichtschranken ist es beispielsweise nicht möglich herauszufinden, wie viele Personen sich in der Aufzugskabine befinden. So kann eine Lichtschranke nur ein digitales Signal liefern, nämlich „unterbrochen“ oder „nicht unterbrochen“. Selbst wenn wir das Informationspotential eines Lichtvorhanges anschauen, kommen wir auf etwa 50 unterschiedliche digitale Signale. Diese reichen nicht aus, um Fragen wie „Ist die Kabine leer?“(keine Personen, keine Briefbombe usw. in der Kabine?) oder „Wie viele Personen besteigen den Aufzug?“ beantworten zu können.

Der Einsatz von digitalen Halbleiter-Kameras als Sensoren eröffnet neue Dimensionen. Wenn wir einen sehr einfachen Farb-VGA-Webcam-Chip mit einer Auflösung von 640 x 480 Pixel einsetzen, stehen total 307 200 Datenpunkte für die Auswertung des Bildes zur Verfügung. Wenn wir berücksichtigen, dass jeder einzelne Punkt neben der einfachen Ja-oder Nein-Information zusätzlich 3 Farben mit je einer Helligkeitsstufe von 10 Bits (= 1024 unterschiedliche Helligkeitswerte pro Farbe) enthält, so kommen wir auf total 943 718 400 Bits oder 118 MBytes. Weil für die meisten der gewünschten Applikationen Echtzeit-Tauglichkeit nötig ist, müssen im Minimum 10 – 20 Bilder pro Sekunde verarbeitet werden können. Es ist klar, dass nur die Verwendung von Bildverarbeitungsalgorithmen hilft, Bilder zu analysieren und daraus Informationen zu gewinnen wie z. B. Anzahl Personen im Aufzug.
Im folgenden wird die Funktion eines kamerabasierten Sensors beschrieben: Zudem wird die Effizienz eines Sensors, der die besetzte Bodenfläche in einer Aufzugskabine erfasst, analysiert.
Funktionsprinzip
Ein Kamera-Sensor besteht typischerweise aus 5 Bausteinen:
Kamera-Chip
Der Kamera-Chip erfasst über die Kamera- Linse das Bild. Der Chip enthält lichtempfindliche Elemente (Pixel), welche die empfangenen Photonen in Elektronen umwandeln. Die Elektronen (die Ladung der Elektronen) werden in einem Kondensator gespeichert. Ist ein Bild erfasst bzw. sind alle Pixel im Bild gleichzeitig belichtet worden, wird die gespeicherte Ladung jedes einzelnen Pixels in eine digitale Information umgewandelt. Die CPU wertet die digitalen Informationen Pixel für Pixel aus. Dabei geschieht die Belichtung aller Pixel gleichzeitig. Die Auswertung erfolgt hingegen Pixel für Pixel. Deshalb ist der Ausgabe-Prozess viel langwieriger weil Hunderttausende Pixel adressiert und ausgewertet werden müssen. Ohne intelligente Signalverarbeitung würde dieser Auswertungs-Prozess Sekunden oder sogar Minuten dauern, was nicht akzeptabel wäre. Dank des hohen technischen Standards, der heute im Bereich Consumer- Kameras herrscht, ist die schnelle Auswertung aber kein Problem mehr.
Prozessor (CPU)
Der Prozessor oder die CPU ist der Hauptblock. Er überwacht die Kamera und wertet die Bilddaten aus. Damit die Bilder nicht unter- bzw. überbelichtet werden, steuert die CPU die Belichtungszeit des Kamera-Chips. Die CPU überwacht auch den Datenfluss zwischen dem Kamera- Chip, dem Programm- und dem Bild-Speicher. Sie liefert zudem das Ausgangs-Signal über die Schnittstelle an die Aufzugsoder Tür-Steuerung oder, falls gewünscht, an den Benutzer. Weil die Bildauswertung eine extem hohe Rechenleistung benötigt, sind die CPUs nicht einfache Mikroprozessoren, sondern digitale Signalprozessoren (DSP). Diese Prozessoren sind darauf ausgelegt, Hunderte von Millionen Rechenoperationen in einer Sekunde auszuführen.
Bildspeicher
Dieser Teil enthält sowohl das zuletzt erfasste Bild als auch ein oder mehrere Referenzbilder. Der Speicher ist ein Schreib-Lese-Speicher (RAM: random access read and write memory). Der Prozess der Bildauswahl ist vereinfacht gesagt eine mathematische Umwandlung des aktuellen Bildes und ein Vergleich mit dem davor aufgenommenen Bild oder einem Referenz- Bild. Betrachten wir den Prozess anhand des folgenden Schemas.
Zuerst wird ein Referenzbild aufgenommen und im Referenzbild-Speicher abgespeichert. Anschließend werden alle aufgenommenen Bilder Pixel für Pixel mit dem Referenzbild verglichen. Das Beispiel in Abbildung 2 zeigt alle Pixel, die um einen Wert von mehr als 4 abweichen. Das Beispiel zeigt eine 5-Pixel-Abweichung. Ein einfacher Sensor, der die Pixel zählt, spricht beispielsweise an, wenn mehr als eine vorgegebene Anzahl von Pixeln abweichen.
Programmspeicher (Software)
Dieser Teil der Kamera beinhaltet die Software, die den Prozessor antreibt, um den Sensor zu und Algorithmen zur Bildauswahl zu steuern. Normalerweise ist dieser Teil in einem Permanentspeicher untergebracht.
Schnittstelle
Die Schnittstelle ist der Teil, über den die von der CPU ausgewählten Daten an die Aufzugs- oder Türsteuerung weitergeleitet werden. Es kann ein einfaches Relais sein, das sich schließt bzw. öffnet, sobald eine vom Referenzbild abweichende Bildzusammensetzung erscheint. Der Einsatz von anspruchsvolleren Lösungen ist natürlich auch möglich (z. B. ein CAN-Bus, der die Anzahl Passagiere in der Aufzugskabine ermittelt). Die Art der Schnittstelle hängt sowohl von der Anwendung als auch von den Bedürfnissen der Aufzugs- und Türsteuerung ab.
Anwendungen
Sensoren, die nach dem vorgängig beschriebenen Prinzip arbeiten, können für verschiedene Anwendungen eingesetzt werden. Eine davon ist die Ermittlung der belegten Bodenfläche einer Aufzugskabine. Wenn das Resultat einen bestimmten Grenzwert überschreitet, wird über einen Relais-Ausgang die Aufzugssteuerung angewiesen, die Rufe von anderen Stockwerken aufgrund des beschränkten Platzangebotes in der Aufzugskabine nicht mehr zu berücksichtigen. In Kapitel 4 (Effizienz-Analyse) wird diese Anwendung (ESPROS/VOL-Sensor) detailliert beschrieben.
Eine andere Anwendung ist das Feststellen, ob eine Aufzugskabine leer ist oder nicht. Ein solcher Sensor kann zur Sicherheitsüberwachung eingesetzt werden. In einem Aufzug z. B. der die Garage mit der Penthouse-Wohnung verbindet, kann ein solcher Sensor zur Sicherheitsüberwachung eingesetzt werden. Um das Penthouse erreichen zu können ist ein Zimmerschlüssel nötig. Selbstverständlich möchte der Penthouse-Bewohner sicher sein, dass sich niemand im Aufzug befindet. Es könnte ja sein, dass ein Einbrecher im Aufzug wartet, bis jemand vom Penthouse aus den Aufzug ruft. Ein kamerabasierter Sensor kann diese Überwachungsaufgabe übernehmen. Ein solcher Sensor kann auch Bomben in der Kabine ausfindig machen. Die folgenden Bilder illustrieren die Funktion des Sensors.
Mit einem in der Aufzugskabine installierten, kamerabasierten Sensor ist es auch möglich – mit dem dazugehörenden bildverarbeitenden Algorithmus – die Anzahl Personen zu bestimmen, die sich im Aufzug befi nden. Dies ist sehr hilfreich, wenn ein Fahrziel-Überwacher den Aufzug steuert. Sehr oft wählt nur eine Person per Knopfdruck das gewünschte Stockwerk. Die anderen Personen, die auch zu diesem Stockwerk wollen, folgen der ersten Person, ohne den Knopf Stockwerk nochmals anzuwählen. Der große Vorteil eines Fahrziel-Überwachers ist somit nicht mehr wirksam, weil keine korrekte Information über die Anzahl Personen erhältlich ist, die zusammen den Aufzug benutzen. Daher ist ein Sensor, der die Anzahl Personen bestimmen kann, die einen Aufzug betreten oder verlassen, für diese Art von Fahrziel-Überwacher ein sehr wichtiges Hilfsmittel.
Das Zählen von Personen, die in der Lobby auf den Aufzug warten, ist ein weiteres Anwendungsgebiet: Eine volle Lobby kann ein Indiz dafür sein, dass der Aufzug bald gerufen wird. Der Sensor kann auch auf sogenannten VIP-Stockwerken eingesetzt werden, um diese bevorzugt bedienen zu können.
Weil kamerabasierte Sensoren normalerweise mit Umgebungslicht arbeiten, z. B. Sonnenlicht, Kabinen- oder Lobbybeleuchtung, sind gewisse Einschränkungen bezüglich Anwendung möglich. Für das zuverlässige Funktionieren des Sensors ist eine geeignete Beleuchtung wichtig. Auch schnell wechselnde Lichtverhältnisse innerhalb des Überwachungsbereiches, z. B. in Panorama-Aufzügen, können die Funktion des Sensors beeinträchtigen. Dieses Problem kann in Zukunft mit verfeinerten Bildverarbeitungs-Algorithmen gelöst werden, die neben der Änderung der Helligkeitswerte auch Kanten im Überwachungsbereich erkennen können. Die einzige Möglichkeit, diese Einschränkung zu beheben, ist der Einsatz einer richtigen 3D-Kamera. Denn diese Kamera liefert nicht nur Graustufen- oder Farb- Informationen, sondern auch Distanz-Informationen für jedes Pixel. Wenn solche Geräte auf dem Time-of-Flight-Prinzip beruhen, arbeiten sie völlig unabhängig von den vorherrschenden Lichtverhältnissen.
Effizienz-Analyse
Im Folgenden möchten wir aufzeigen, wie sich durch den Einsatz eines ESPROS/ VOL-Sensors die Effizienz eines Aufzuges steigern lässt. Hierfür werden wir eine durchschnittliche obere Grenze für den Zeitgewinn pro transportierter Person als Funktion der Anzahl Stockwerke und ein paar aufzugsspezifischen Parametern herleiten. Eine verbesserte Aufzugskapazität werden wir mittels Simulationen, die auf einem realistischen Szenario beruhen, aufzeigen.
Szenario
Eine typische Situation, in der die Effizienz des Aufzuges von einem intelligenten Volumen-Sensor profitieren kann, findet man in typischen Business-Hotels zur Checkout-Zeit am Morgen. Die Hotelgäste haben vorgegebene Besprechungstermine, die zeitlich meist nicht stark voneinander abweichen, weshalb das Zeitfenster dieser „Rush-hour“ ziemlich klein ist. Folglich muss der Aufzug auf jedem Stockwerk eine Ansammlung von Personen abfertigen können, die möglichst schnell die Lobby erreichen wollen. Die Aufgabe des Sensors ist es, bei voller Aufzugskabine unnötige Stopps zu vermeiden. Dabei ist zu berücksichtigen, dass in dieser speziellen Situation die Aufzugskabine früher voll ist als normal. Dieser Umstand liegt darin begründet, dass die Aufzugsbenutzer ihr Gepäck dabei haben, das zusätzliche Bodenfläche in der Kabine belegt.
Annahmen
Der Einfachheit halber nehmen wir einen auf alle Stockwerke gleichmäßig verteilten Personen-Fluss P [Personen/Sekunde] an. Im Weiteren werden in diesem Beispiel Personen, die den Aufzug für Aufwärtsfahrten (z. B. von der Lobby zurück ins Hotelzimmer) benutzen wollen, nicht berücksichtigt. Nachdem der Aufzug sich in der Lobby geleert hat, wählt die Aufzugssteuerung jenes Stockwerk, auf dem die meisten (und wahrscheinlich auch die ungeduldigsten) Personen auf den Aufzug warten. In der nachfolgenden Tabelle sind die Parameter aufgelistet.
Das oben aufgeführte Szenario wurde in einer Matlab-Umgebung simuliert. Die simulierte Aufzugsposition und das „Kabine voll“-Signal (das vom ESPROS/VOL-Sensor angezeigt würde) wird in Abbildung 4 als eine Funktion der Zeit dargestellt.
Folgende Aspekte sind herauszuheben :
  • Während der Start-Phase der Simulation ist die Aufzugskapazität nicht voll ausgenutzt. Dadurch ist die Leistungssteigerung durch einen installierten ESPROS/VOL-Sensor unbedeutend.
  • Der konstante Personenfluss auf jedem Stockwerk wird zu einer konstant vollbeladenen (überladenen) Aufzugskabine führen, so dass der ESPROS/VOL-Sensor die durchschnittliche Transportzeit pro Person markant reduzieren bzw. die Effizienz des Aufzugssystems massiv steigern konnte.
  • Es fällt ein periodisches Muster auf, nach welchem der Aufzug nach einiger Zeit die Personen auf den verschiedenen Stockwerken abholt (s. Abb. 5). Vereinfacht gesagt bedient der Aufzug die einzelnen Stockwerke auf die fairste Art und Weise.
Um eine einfache Formel für die Berechnung der mittleren maximalen Zeitersparnis pro transportierter Person zu finden, haben wir das Zeitmuster-Profil, wie in unten stehender Abbildung abgebildet, vereinfacht. Wir nennen es einen „oberen“ Zeitgewinn, weil es die ungünstigste Situation darstellt, in der die Aufzugs- Kabine mit Personen nur von einem Stockwerk voll gefüllt wird. Diese ungünstige Situation kann auch als Teil eines größeren Profils betrachtet werden, wo z. B. nur die tiefsten Stockwerke eines sehr hohen Gebäudes mit der Situation konfrontiert werden, dass die von den obersten Stockwerken übrigbleibende Kabinen- Kapazität aufs Mal besetzt wird. Die Zeitgewinn-Formel wird in folgende Bereiche unterteilt:
Aus Abb. 5 ist klar ersichtlich, dass die durchschnittliche Wartezeit der Passagiere durch die Vermeidung unnötiger Halte (abbremsen  Tür öffnen  Tür schließen  beschleunigen) reduziert werden kann. Die folgende Analyse liefert die mathematische Lösung für die Ermittlung der Wartezeit-Reduktion.
Laufzeit zwischen 2 Stopps
Bei vorgegebener Maximal-Geschwindigkeit und Beschleunigung soll die Laufzeit zwischen 2 Stopps, die H [Meter] voneinander entfernt sind, ermittelt werden. Die Geschwindigkeit in der Beschleunigungs-Phase, gegeben durch ν(t) = ν• • t, wird auf die Maximal-Geschwindigkeit v beschleunigt. Dadurch dauert die Beschleunigungszeit t1 = ν/ν• [Sekunden] über eine Distanz von x1 = ν• • t1²/2 = 0,5• ν²/ ν• [Meter]. Wenn wir annehmen, dass die Abbrems-Phase zeitlich symmetrisch zur Beschleunigungs- Phase ist, dann wird die Konstantgeschwindigkeits-Distanz, beschrieben mit x2 = H – 2x1 [Meter] in t2 = x2 /ν [Sekunden] zurückgelegt. Dabei ist zu beachten, dass bei negativem x2 die Distanz H zu kurz ist, um den Aufzug auf die Maximal-Geschwindigkeit zu beschleunigen. Zusammengefasst liefern die obigen Zwischenresultate die Laufzeit zwischen 2 Stopps:
Der Einfachheit halber beschränken wir uns auf den Fall tH = H / v + v / ν• , bei welchem der Aufzug jeweils die Maximal- Geschwindigkeit erreicht.
Durchschnittliche Transportzeit pro Person ohne ESPROS/VOL
Als nächstes berechnen wir die totale Laufzeit einer Zeitperiode gemäß Abb. 5. Sie beinhaltet die Zeiten der Auf- und Ab- Bewegungen, entsprechend tUP und tDOWN, und die dazwischenliegenden Einsatz- und Stillstandszeiten, entsprechend tIO und tRED. Die ersten beiden Zeiten werden folgendermaßen berechnet:
Da die Anzahl der notwendigen Stopps 2N ist, berechnet sich die entsprechende Zeitspanne wie folgt
Während der Abwärtsbewegung stoppt der Aufzug unnötigerweise 1 + 2 + … + N-1 mal, d. h.
Die Gesamtzahl der beförderten Personen während einer Zeitperiode beträgt, unabhängig davon ob ein ESPROS/VOL-Sensor eingesetzt wird oder nicht, N x PE .Wird kein Volumen-Sensor eingesetzt, errechnet sich die durchschnittliche Transportzeit pro Person wie folgt:
Durchschnittliche Transportzeit pro Person mit ESPROS/VOL
Die kumulierten Zeitspannen der Aufwärtsbewegungen tup sind mit der Situation identisch, in der kein Volumen-Sensor eingesetzt wird. Dasselbe gilt für die Summe der notwendigen Stoppzeiten tIO. Der Sensor ESPROS/VOL verhindert unnötige Stopps, woraus tRED.=0 resultiert. Zudem reduziert er die Summe der Abwärtsbewegungs-Zeiten, die mit jener der Aufwärtsbewegungs- Zeiten identisch ist, d. h. tup = tDOWN. Darum errechnet sich die durchschnittliche Transportzeit pro Person wie folgt:
Durchschnittliche Zeitersparnis pro transportierter Person mit ESPROS/VOL
Durch die Verwendung der Differenz zwischen den Gleichungen (6) und (7) erhalten wir die obere Grenze des durchschnittlichen Zeitgewinns pro transportierter Person, welche durch den Einsatz des Sensors ESPROS/VOL erreicht werden kann:
Am größten ist der Zeitgewinn bei hohen Gebäuden mit vielen Stockwerken (N), bei kleinen Aufzugskapazitäten, bei kleinen Beschleunigungswerten und bei langen Öffnungs- und Schließzeiten. Eine hohe Aufzugsgeschwindigkeit erhöht den Zeitgewinn ebenfalls, weil sie direkt die Effizienz der Abwärtsfahrt verbessert.
Die simulierten Durchschnitts-Zeitspannen pro Kabinen-Ladung für unterschiedliche Personenflüsse sind in Abbildung 6 dargestellt. Die vertikale Achse zeigt die Zeit, die benötigt wird, um eine vollbesetzte Kabine zur Lobby hinunter zu bringen [Minuten pro Kabinen-Ladung]. Die gepunkteten Linien ergeben sich aus der Subtraktion des theoretischen Zeitgewinnes von der simulierten Zeitspanne ohne Volumen-Sensor (dünne ausgezogene Linie). Folglich ist anzunehmen, dass die simulierte Zeitspanne mit einem Volumen-Sensor (dicke ausgezogene Linie) sich irgendwo dazwischen befindet. Das ist bei allen Kurvenverläufen in Abbildung 6 tatsächlich der Fall.
Es überrascht nicht, dass bei tiefen Personenflussraten mit einem Volumen-Sensor keine oder nur eine unbedeutende Verbesserung erreicht werden kann (z. B. P • = 1/60 [Personen pro Sekunde pro Stockwerk]). Es kann hingegen festgestellt werden, dass der theoretisch erzielbare Zeitgewinn bei genug großen Personenflussraten genau erreicht werden kann (z. B. für P = 1/10 [Personen pro Sekunde pro Stockwerk]).
Reduktion der Wartezeit
In der obigen Diskussion haben wir eine Formel für den Zeitgewinn eher aus der Sicht des Aufzugs-Systems als aus der Sicht des Benutzers abgeleitet. Letzteres soll hier nun nachgeholt werden, wobei wir uns darauf beschränken, die Reduktion der Wartezeit anhand des folgenden realitätsnahen Beispiels numerisch zu berechnen. Wir nehmen ein typisches Business- Hotel mit zwei Aufzügen. Die Aufzüge fahren mit einer Geschwindigkeit von 2,5 m/s und haben eine Kapazität von je 8 Personen. Das Hotel hat eine Lobby und verfügt über 10 Stockwerke mit je 50 Zimmern. 90 % der Zimmer sind belegt. Die Gäste haben Gepäck bei sich, das die gleiche Bodenfläche beansprucht wie eine Person. Das „Rush-hour“-Zeitfenster sei modelliert durch eine Gaussverteilung mit Mittelwert 8:00 h und einer Standardabweichung von 30 Minuten.
Dieses Beispiel wurde als Zustands-Maschine im Simulationsprogramm Matlab implementiert. Wegen der 2 Aufzüge und der unterschiedlichen Personenflüsse, ist die Durchführung komplexer als im ersten Beispiel. Die Simulations-Resultate werden in Abbildung 7 dargestellt. ESPROS/VOL kann die Wartezeit um durchschnittlich 54 % reduzieren (von 101 Sekunden ohne auf 46 Sekunden mit Volumen-Sensor).
Fazit
Anhand des „Rush-hour”-Beispiels in einem Business-Hotel lässt sich gut aufzeigen, wie sich die Aufzugsleistung durch die Verwendung von Sensoren, welche die besetzte Bodenfläche in einer Aufzugskabine messen, markant erhöhen lässt. Mit Ladegewichts-Messung oder Personenzähl-Einrichtungen kann diese Leistungsteigerung nicht erreicht werden, weil diese das platzraubende Handgepäck der Passagiere nicht erkennen können. Mit kamerabasierten Sensoren ist es möglich, die Aufzugs-Steuerung mit neuen Kontroll-Signalen zu versorgen, um so die Wartezeiten für Passagiere zu reduzieren und den Aufzug sicherer zu machen. Die Produkte ESPROS/VOL, ESPROS/ LOB und ESPROS/SEC sind Beispiele für solche Sensoren. Sie sind einfach zu bedienen und steigern die Effizienz. Auch bestehende Anlagen können durch einfache Nachrüstung ausgebaut werden.
Die in diesem Artikel präsentierte Studie zeigt auf, welche Zeiteinsparungen für die Aufzugspassagiere möglich sind, wenn Sensoren eingesetzt werden, welche die besetzte Bodenfläche von Aufzugskabinen messen können. Die größten Einsparungen werden erreicht in hohen Gebäuden (mit mehr als 10 Stockwerken), bei hohen Kabinengeschwindigkeiten (mehr als 1,6 m/s) bei langsamen Türen und kleinen Kabinen.
Referenzen
Edward A. Donoghue: A17.1 Handbook Safety Code for Elevators and Escalators, 2000 Edition. The American Society of Mechanical Engineers. Matlab, höhere Programmiersprache für alle Arten von technischen Berechnungen: www.mathworks.com
Autoreninformation
Beat De Coi, geboren 1957 in der Schweiz, absolvierte eine Lehre als Konstrukteur. Er entwickelte mechanische Bauteile für militärische Funkgeräte, wo er mit der Entwicklung von Produkten für eine sehr raue Umgebung vertraut wurde. Nach seinen ersten Erfahrungen in der Industrie setzte er seine Ausbildung fort und erlangte 1984 den Fachhochschulabschluss in Elektrotechnik (Dipl.-Ing. FH) an der Juventus Schule in Zürich. 1986 gründete er die CEDES AG, um Optoelektronische Sensoren zu entwickeln und zu produzieren. 1992 schloss er an der Graduate School of Business Adminstration of Zurich das Studium in Management und Logistik mit dem Master Diplom ab. 1998 wurde De Coi zum Unternehmer des Jahres gekürt und erhielt 1999 den KMU-Oscar, einen Preis für den innovativsten Unternehmer. Er ist Präsident und CEO der CEDES Gruppe.
Daniel Lippuner, geboren 1970 in der Schweiz, studierte Elektrotechnik an der Eidgenössischen Technischen Hochschule (ETH) in Zürich (1996). Dort schloss er auch sein Doktorat im Bereich adaptiver digitaler Signalverarbeitung und Kalman- Filterung ab (2001). Anschließend arbeitete er als Ingenieur in einer Vorfeldentwicklungsgruppe bei Siemens Schweiz AG. Im März 2005 nahm er seine Tätigkeit als Teamleiter (für Opto-Mechanik) in der Business-Unit Elevators bei der CEDES AG auf.
Peter Nebiker, geboren 1967 in der Schweiz, absolvierte sein Physik-Studium an der Eidgenössischen Technischen Hochschule (ETH) in Zürich. Einige Jahre arbeitete er am privaten Forschungs-Institut „Paul Scherrer Institut“ in Villigen, Schweiz und erhielt 1997 den Doktortitel in Halbleiter- Physik. Von 1997 bis 2004 arbeitete er bei Siemens Building Technologies Ltd., Zürich, in verschiedenen Positionen als Produktlinien-Manager für Gas-Warnsysteme und als Entwicklungsleiter im Bereich Feuermelder. Im Jahre 2004 übernahm er bei der CEDES AG die Leitung der Business Unit Elevators.

 

2/2008

^ Top