Forschungsschwerpunkte

In meiner Forschung beschäftige ich mich derzeit mit automatisierter Optimierung von Parametrisiern 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 maschinelles Lernens (z.B. Deep Learning, evolutionäres Lernen).

 

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

Publikationen

  • Increasing Reliability in FDM Manufacturing. Heider, M. (2019). In Draude, C., Lange, M. & Sick, B. (Hrsg.), INFORMATIK 2019: 50 Jahre Gesellschaft für Informatik – Informatik für Gesellschaft (Workshop-Beiträge). Bonn: Gesellschaft für Informatik e.V., pp. 483-491.
  • Towards Automated Parameter Optimisation of Machinery by Persisting Expert Knowledge. Nordsieck, R.; Heider, M.; Angerer, A. and Hähner, J. (2019). In Proceedings of the 16th International Conference on Informatics in Control, Automation and Robotics - Volume 1: ICINCO, ISBN 978-989-758-380-3, pages 406-413. DOI: 10.5220/0007953204060413
  • Robot gardens: An augmented reality prototype for plant-robot biohybrid systems. S. von Mammen, H. Hamann, and M. Heider. In Proceedings of the 22nd ACM Symposium on Virtual Reality Software and Technology (VRST), (Munich, Germany), pp. 139-142, ACM Press, November 2016.

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 | Institution: Organic Computing | Lehrende: Michael Heider | Typen: Übung, Seminar)
Name Semester Typ
Seminar über Ad-hoc- und Sensornetze WS 2019/20 Seminar
Seminar über Organic Computing WS 2019/20 Seminar

Suche