Dr.-Ing. Hasan Tercan
Wissenschaftlicher Mitarbeiter
Leiter des Forschungsbereichs "Industrial Deep Learning"
Forschungsinteressen:
- Machine Learning und Deep Learning
- Industrial Artificial Intelligence
- Transfer Learning und Lifelong Learning
- Deep Reinforcement Learning
Biographie
Hasan Tercan ist seit Dezember 2018 wissenschaftlicher Mitarbeiter am Institute for Technologies and Management of Digital Transformation an der Bergischen Universität Wuppertal. Gleichzeitig ist er Leiter der Forschungsgruppe Industrial Deep Learning. In seiner Forschung beschäftigt sich Herr Tercan mit der Erforschung, Entwicklung und Umsetzung von Verfahren des maschinellen Lernens und der künstlichen Intelligenz im industriellen Kontext. Zentrale Anwendungsfälle sind die KI-gestützte Qualitätssicherung in der Produktion und die intelligente Planung und Steuerung von Fertigungs- und Montageprozessen.
Herr Tercan hat seine Promotion im Jahr 2023 abgeschlossen. In seiner Dissertation mit dem Titel "Machine Learning-based Predictive Quality in Manufacturing Processes" untersuchte er den Einsatz maschineller Lernverfahren zur Qualitätsvorhersage in der Produktion. Zwei wesentliche Forschungsschwerpunkte der Dissertation sind die Entwicklung von Simulation-to-Reality Transfer Learning Ansätzen zur Nutzung kostengünstiger Trainingsdaten aus der Fertigungssimulation und kontinuierliche Trainingsmethoden, um künstliche neuronale Netze effizient auf Änderungen im Fertigungsprozess trainieren zu können. Für seine Dissertation erhielt Herr Tercan den Promotionspreis vom Verein der Freunde und Alumni der Bergischen Universität Wuppertal e.V. (FABU).
Herr Tercan studierte Informatik an der Technischen Universität Darmstadt. Seine Vertiefungsgebiete waren Datenbanksysteme und Data Mining. In seiner Master-Thesis untersuchte er den Einsatz maschineller Lernverfahren im Versicherungssektor. Anschließend arbeitete er als wissenschaftlicher Mitarbeiter am Lehrstuhl für Informationsmanagement im Maschinenbau der RWTH Aachen Universität, wo er in diversen Forschungs- und Entwicklungsprojekten KI-Verfahren im Produktionskontext entwickelte und untesuchte.
Publikationen
- 2018
- Meyes, R., Tercan, H., Thiele, T., Krämer, A., Heinisch, J., Liebenberg, M., Hirt, G., Hopmann, C., Lakemeyer, G., Meisen, T., & Jeschke, S. (2018). "Interdisciplinary Data Driven Production Process Analysis for the Internet of Production" , Procedia Manufacturing , 26 , 1065—1076.
- Wang, Y., Tercan, H., Hermanns, T., Thiele, T., Meisen, T., Jeschke, S., & Schulz, W. (2018). "Sparse Data Enrichment by Context Oriented Model Reduction Techniques in Manufacturing Industry with an Example Laser Drilling Process" , Journal of ICT Standardization , 203—216.
- Tercan, H., Guajardo, A., Heinisch, J., Thiele, T., Hopmann, C., & Meisen, T. (2018). "Transfer-Learning: Bridging the Gap between Real and Simulation Data for Machine Learning in Injection Molding" , Procedia CIRP , 72 , 185—190.
- 2017
- Wang, Y., Tercan, H., Thiele, T., Meisen, T., Jeschke, S., & Schulz, W. (2017). "Advanced Data Enrichment and Data Analysis in Manufacturing Industry By an Example of Laser Drilling Process" , 2017 Itu Kaleidoscope: Challenges for a Data-Driven Society (Itu K) .
- Tercan, H., Al-Khawli, T., Eppelt, U., Büscher, C., Meisen, T., & Jeschke, S. (2017). "Improving the Laser Cutting Process Design by Machine Learning Techniques" , Production Engineering , 11 (2), 195—203.
