Erster DACE Summit – Vernetzung und Diskussion zur Zukunft der Circular Economy-Daten
Erster DACE Summit – Vernetzung und Diskussion zur Zukunft der Circular Economy-Daten
In seiner Dissertation untersuchte Hasan Tercan den Einsatz von maschinellen Lernverfahren zur Qualitätsvorhersage in der Fertigung, auch Predictive Quality genannt. Seine Dissertation umfasst drei zentrale Ergebnisse. Erstens die Entwicklung eines Prozessmodells für Predictive Quality, genannt MERLIN, das die notwendigen Schritte zur Realisierung einer Predictive Quality Anwendung beschreibt. Zweitens hat er Simulation-to-Reality Lernansätze entwickelt, die darin bestehen, kostengünstige Daten aus Fertigungssimulationen für das Training von Predictive Quality Modellen zu nutzen. Drittens stellte er eine neue kontinuierliche Trainingsmethode namens MAS-Cloning vor, um ein künstliches neuronales Netz über Änderungen im Fertigungsprozess hinweg effizient zu trainieren.
Hasan Tercan ist seit Ende 2018, und somit seit der Gründung des Lehrstuhls, mit höchstem Einsatz am TMDT präsent. In dieser Zeit hat er unseren Forschungsbereich Industriel Deep Learning maßgeblich geprägt und vorangetrieben. Es freut uns alle außerordentlich, dass er seine Promotion mit herausragendem Erfolg abschließen konnte.
Lieber Hasan, sei stolz auf Dich, dass darfst Du nämlich sein! Herzlichen Glückwunsch zur bestandenen Promotionsprüfung!