Constantin Waubert de Puiseau, M.Sc.
Wissenschaftlicher Mitarbeiter
Forschungsinteressen:
- Deep Reinforcement Learning für die Produktionsplanung
- Industrial Deep Learning and Data Science
- Artificial Intelligence in Operations Research
Biographie
Constantin Waubert de Puiseau ist seit Dezember 2019 als wissenschaftlicher Mitarbeiter und Doktorand am Institute for Technologies and Management of Digital Transformation an der Bergischen Universität Wuppertal tätig.
Herr Waubert de Puiseau studierte Maschinenbau an der RWTH Aachen mit Schwerpunkten auf informationstechnologischen Anwendungen in der Produktions- und Medizintechnik. In seiner Masterarbeit untersuchte er künstliche neuronale Netze und entwickelte Methoden zur Visualisierung der Repräsentation von in den Netzen gespeichertem Wissen.
Am TMDT beschäftigt er sich mit Anwendungen des maschinellen Lernens im Industriekontext. Ein besonderer Schwerpunkt, der Kern seines Dissertationsvorhabens ist, liegt dabei auf der Forschung an robuster und interpretierbarer Produktionsplanung mittels Deep Reinforcement Learning.
Publikationen
- 2023
- Waubert-de-Puiseau, C. , Tercan, H. , & Meisen, T. (2023). "Curriculum Learning in Job Shop Scheduling using Reinforcement Learning" .
- Waubert-de-Puiseau, C. , Peters, J. , Dörpelkus, C. , Tercan, H. , & Meisen, T. (2023). "schlably: A Python Framework for Deep Reinforcement Learning Based Scheduling Experiments" , arXiv arXiv:2301.04182 .
- 2022
- Waubert-de-Puiseau, C. , Nanfack, D. T. , Tercan, H. , Löbbert-Plattfaut, J. , & Meisen, T. (2022). "Dynamic Storage Location Assignment in Warehouses Using Deep Reinforcement Learning" , Technologies , 10 (6), 129.
- Waubert-de-Puiseau, C. , Meyes, R. , & Meisen, T. (2022). "On reliability of reinforcement learning based production scheduling systems: a comparative survey" , Journal of Intelligent Manufacturing , 33 (4), 911--927.
- Maack, R. F. , Waubert-de-Puiseau, C. , Sokolova, A. , Atsbha, H. , Tercan, H. , & Meisen, T. (2022). "Reducing the Sim2Real-Gap in Extrusion Blow Molding using Random Forest Regressors" , Manufacturing Letters , 33 , 843--849.
