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
Schirin Baer; Jupiter Bakakeu; Richard Meyes; Tobias Meisen
Multi-Agent Reinforcement Learning for Job Shop Scheduling in Flexible Manufacturing Systems
2019 Second IEEE International Conference on Artificial Intelligence for Industries , Seite 22--25.
Herausgeber: IEEE Computer Society, Los Alamitos, CA
2019
ISBN: 978-1-7281-4087-2

Schlüsselwörter: research-industrial-deep-learning

Hasan Tercan; Alexandro Guajardo; Julian Heinisch; Thomas Thiele; Christian Hopmann; Tobias Meisen
Transfer-Learning: Bridging the Gap between Real and Simulation Data for Machine Learning in Injection Molding
Procedia CIRP, 72:185--190
2018
ISSN: 22128271

Schlüsselwörter: research-industrial-deep-learning

Richard Meyes; Hasan Tercan; Thomas Thiele; Alexander Krämer; Julian Heinisch; Martin Liebenberg; Gerhard Hirt; Christian Hopmann; Gerhard Lakemeyer; Tobias Meisen; Sabina Jeschke
Interdisciplinary Data Driven Production Process Analysis for the Internet of Production
Procedia Manufacturing, 26:1065--1076
2018
ISSN: 2351-9789

Schlüsselwörter: research-industrial-deep-learning

Richard Meyes; Christian Scheiderer; Tobias Meisen
Continuous Motion Planning for Industrial Robots based on Direct Sensory Input
Procedia CIRP, 72:291--296
2018
ISSN: 22128271

Schlüsselwörter: research-industrial-deep-learning

Hasan Tercan; Toufik Al Khawli; Urs Eppelt; Christian Büscher; Tobias Meisen; Sabina Jeschke
Improving the Laser Cutting Process Design by Machine Learning Techniques
Production Engineering, 11(2):195--203
2017
ISSN: 18637353

Schlüsselwörter: research-industrial-deep-learning

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