Navigationsweiche Anfang

Navigationsweiche Ende

Sprache wählen

Lehrstuhl für Technologien und Management der Digitalen Transformation


Herr Univ.-Prof. Dr.-Ing. Tobias Meisen

Industrial Deep Learning

Wir erforschen die Entwicklung und Erprobung von Verfahren des Deep Learning für den Einsatz in industriellen Prozessen und Dienstleistungen. Einerseits hat unsere Forschung zum Ziel, Deep Learning als Befähiger neuer Dienstleistungen wie Predictive Quality und Predictive Maintenance zu etablieren. Andererseits erforschen wir Reinforcement Learning Verfahren zum Training intelligenter, selbstlernender Agenten zur Lösung von Planungsaufgaben. Zentrale Untersuchungsgegenstände sind hierbei die Formalisierung realer Anwendungsfälle als Lernprobleme und ihre Lösung unter Berücksichtigung industrieller Bewertungskriterien wie Zuverlässigkeit, Robustheit und Genauigkeit. Darüber hinaus setzen wir uns mit der Frage auseinander, wie dateneffiziente und nachhaltige Deep Learning Modelle für den Einsatz in der produzierenden Industrie entwickelt werden können. Unsere Schwerpunkte umfassen hier insbesondere die Überbrückung des Reality Gaps von Simulationen mittels Verfahren des Transfer Learning sowie das kontinuierliche Training von Deep Learning Modellen über Prozess- und Systemveränderungen hinweg.  

Schwerpunkte

  • Deep Reinforcement Learning
  • Supervised Learning und Anomaliedetektion
  • Sim2Real Transfer Learning
  • Continual Learning

Anwendungsfelder

  • Predictive Quality und Predictive Maintenance
  • Planung und Steuerung von Industrierobotern
  • Intelligente Auslegung von Produktionssystemen
  • Nutzungsauswertung digitalisierter Produkte und Services

Ansprechpartner

Hasan Tercan, M.Sc.

Ausgewählte relevante Publikationen

Referenzen
Christian Bitter; Hasan Tercan; Tobias Meisen; Todd Bodnar; Philipp Meisen
When to Message: Investigating User Response Prediction with Machine Learning for Advertisement Emails
2021 4th International Conference on Artificial Intelligence for Industries (AI4I) , Seite 25--29.
Herausgeber: IEEE,
2021
ISBN: 978-1-6654-3410-2

Schlüsselwörter: research-industrial-deep-learning

Christian Scheiderer; Timo Thun; Christian Idzik; Andrés Felipe Posada-Moreno; Alexander Krämer; Johannes Lohmar; Gerhard Hirt; Tobias Meisen
Simulation-as-a-Service for Reinforcement Learning Applications by Example of Heavy Plate Rolling Processes
Procedia Manufacturing, 51:897--903
2020
ISSN: 2351-9789

Schlüsselwörter: research-industrial-deep-learning

Fabian Scheidt; Jifei Ou; Hiroshi Ishii; Tobias Meisen
deepKnit: Learning-based Generation of Machine Knitting Code
Procedia Manufacturing, 51:485--492
2020
ISSN: 2351-9789

Schlüsselwörter: research-industrial-deep-learning

Schirin Baer; Punit Kumar Mohanty; Danielle Chelsea Turner; Tobias Meisen
Multi Agent Deep Q-Network Approach for Online Job Shop Scheduling in Flexible Manufacturing
International Conference on Manufacturing Systems and Multiple Machies (ICMSMM 2020)
2020

Schlüsselwörter: research-industrial-deep-learning

Schirin Baer; Danielle Chelsea Turner; Punit Kumar Mohanty; Vladimir Samsonov; Jupiter Romuald Bakekeu; Tobias Meisen
Multi Agent Deep Q-Network Approach for Online Job Shop Scheduling in Flexible Manufacturing
Proceedings of the 7th International Conference on Industrial Engineering and Applications (ICIEA)
2020

Schlüsselwörter: research-industrial-deep-learning

Seite:  
Zurück | 1, 2, 3, 4, 5 | Weiter
Total:
25
Export als:
BibTeX, XML