Forschungsschwerpunkte

In meiner Forschung beschäftige ich mich derzeit mit automatisierter Optimierung von Parametern in industriellen Produktionsprozessen und der Qualitätsvorhersage (predictive quality) von in additiver Fertigung (auch bekannt als 3D Druck) erstellten Bauteilen. Dies ist einzuordnen in den Kontext der Inbetriebnahme oder auch Reparametrisierung von Maschinen beliebiger Produktion. Um optimale Parameterkonfigurationen für einen Herstellungsprozess zu finden, kombinieren wir expertenwissensbasierte Ansätze mit evolutionären regelbasierten Lernverfahren (z.B. LCS). Neben der Vorhersage von Qualität ist auch die (automatisierte) Beurteilung von Bauteilen anhand von Qualitätsmerkmalen Forschungsgegenstand. Im Allgemeinen setze ich in meiner Arbeit vor allem auf verschiedene Techniken des maschinellen Lernens (z.B. Deep Learning, evolutionäres Lernen).

 

  • evolutionäres regelbasiertes Lernen
  • Unsupervised Learning zur feature extraction
  • Deep Learning
  • Assistenzsysteme
  • Extrusionsbasierte Fertigung
  • 3D-Druck / Additive Fertigung

Publikationen

Michael Heider
2021 | 2020 | 2019 | 2016

2021

David Pätzel, Michael Heider and Alexander R. M. Wagner. 2021. An overview of LCS research from 2020 to 2021. DOI: 10.1145/3449726.3463173
PDF | BibTeX | RIS | DOI

Andreas Wiedholz, Michael Heider, Richard Nordsieck, Andreas Angerer, Simon Dietrich and Jörg Hähner. 2021. CAD-based grasp and motion planning for process automation in fused deposition modelling. DOI: 10.5220/0010571204500458
PDF | BibTeX | RIS | DOI

Helena Stegherr, Michael Heider, Leopold Luley and Jörg Hähner. 2021. Design of large-scale metaheuristic component studies. DOI: 10.1145/3449726.3463168
PDF | BibTeX | RIS | DOI

Richard Nordsieck, Michael Heider, Anton Winschel and Jörg Hähner. 2021. Knowledge extraction via decentralized knowledge graph aggregation. DOI: 10.1109/icsc50631.2021.00024
PDF | BibTeX | RIS | DOI

Michael Heider, Richard Nordsieck and Jörg Hähner. 2021. Learning classifier systems for self-explaining socio-technical-systems.
PDF | BibTeX | RIS | URL

2020

Helena Stegherr, Michael Heider and Jörg Hähner. in press. Classifying metaheuristics: towards a unified multi-level classification system. DOI: 10.1007/s11047-020-09824-0
PDF | BibTeX | RIS | DOI

Richard Nordsieck, Michael Heider, Andreas Angerer and Jörg Hähner. 2020. Evaluating the effect of user-given guiding attention on the learning process. DOI: 10.1109/acsos49614.2020.00044
PDF | BibTeX | RIS | DOI

Michael Heider, David Pätzel and Jörg Hähner. 2020. SupRB: a supervised rule-based learning system for continuous problems.
PDF | BibTeX | RIS | URL

Michael Heider, David Pätzel and Jörg Hähner. 2020. Towards a Pittsburgh-style LCS for learning manufacturing machinery parametrizations. DOI: 10.1145/3377929.3389963
PDF | BibTeX | RIS | DOI

2019

Michael Heider. 2019. Increasing reliability in FDM manufacturing. DOI: 10.18420/inf2019_ws52
PDF | BibTeX | RIS | DOI

Richard Nordsieck, Michael Heider, Andreas Angerer and Jörg Hähner. 2019. Towards automated parameter optimisation of machinery by persisting expert knowledge. DOI: 10.5220/0007953204060413
PDF | BibTeX | RIS | DOI

2016

Sebastian von Mammen, Heiko Hamann and Michael Heider. 2016. Robot gardens: an augmented reality prototype for plant-robot biohybrid systems. DOI: 10.1145/2993369.2993400
BibTeX | RIS | DOI

Lebenslauf

seit 2019 Wissenschaftlicher Mitarbeiter am Lehrstuhl Organic Computing der Universität Augsburg
2015–2018 Master-Studium im Fach Informatik und Informationswirtschaft an der Universität Augsburg
2012–2016 Bachelor-Studium im Fach Informatik an der Universität Augsburg

Lehrveranstaltungen

(Angewandte Filter: Semester: aktuelles | Institutionen: Organic Computing | Dozenten: Michael Heider | Vorlesungsarten: Übung, Seminar)

Suche