@article{RaabRoederSchleif, author = {Raab, Christoph and R{\"o}der, Manuel and Schleif, Frank-Michael}, title = {Domain adversarial tangent subspace alignment for explainable domain adaptation}, series = {Neurocomputing}, volume = {506}, journal = {Neurocomputing}, doi = {10.1016/j.neucom.2022.07.074}, pages = {418 -- 429}, language = {en} } @article{HofmannEberhardtHeusingeretal., author = {Hofmann, Jan and Eberhardt, Lars and Heusinger, Moritz and Dobhan, Alexander and Engelmann, Bastian and Schleif, Frank-Michael}, title = {Optimierung von Prozessen und Werkzeugmaschinen durch Bereitstellung, Analyse und Soll-Ist-Vergleich von Produktionsdaten}, series = {FHWS Science Journal}, volume = {5}, journal = {FHWS Science Journal}, number = {2}, issn = {2196-6095}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:863-opus-20012}, pages = {135 -- 142}, abstract = {Mit einem Umsatz von 103 Milliarden Euro ist die Metallindustrie eine der gr{\"o}ßten deutschen Industriebranchen. Diese ist von volatilen Marktbedingungen und hohem Wettbewerb gepr{\"a}gt [1][2]. Kleine und mittlere produzierende Unternehmen (sogenannte KMU) sehen zunehmend gravierende Probleme bei der Einhaltung von Lieferterminen bedingt durch hohe Durchlaufzeiten in der Produktion [3]. Neben kaufm{\"a}nnischen Planungssystemen zur Erstellung von Produktionspl{\"a}nen nutzen Unternehmen als Planungsgrundlage weiterhin Excel mit 31 \% und manuelle Prozesse mit 10 \% [4]. Gleiches gilt f{\"u}r Produktwechselvorg{\"a}nge auf Maschinen (R{\"u}sten). Aufgrund dieser Aspekte ist es notwendig, die Rentabilit{\"a}t der KMU in der Metallindustrie zu steigern. Das wird durch effiziente Produktionsplanung und -steuerung, sowie der daraus resultierenden hohen Reaktionsf{\"a}higkeit und Flexibilit{\"a}t realisiert. Daher ist die Produktionsplanung auf die Markt- und Kundenanforderungen und die Anlageneffektivit{\"a}t auf ein hohes und stabiles Niveau auszurichten [5]. Hier bietet die Erfassung von Echtzeitdaten eine ad{\"a}quate Reaktion auf die genannten Anforderungen. Ebenfalls liefert sie großes Potenzial f{\"u}r die Produktionsplanung und -steuerung, um die Disposition und Koordination von Arbeitsauftr{\"a}gen zu optimieren. Weiterhin werden St{\"o}rgr{\"o}ßen oder unvorhergesehene Planungsabweichungen reduziert [4][6]. Zus{\"a}tzlich ist eine erh{\"o}hte Transparenz und Verbesserung menschlicher Entscheidungsprozesse notwendig. Dies kann durch datengetriebene Methoden unterst{\"u}tzt und sichergestellt werden [7]. Ein Ansatz zur Optimierung des Produktionsergebnisses kann durch die Erh{\"o}hung der Anlagenproduktivit{\"a}t selbst realisiert werden. Dazu muss die Verf{\"u}gbarkeit der Anlagen durch Lokalisierung und Reduzierung von Verlusten erh{\"o}ht werden. Die Umr{\"u}stungsprozesse tragen stark negativ zur Verf{\"u}gbarkeit einer Produktion bei. Eine Steigerung der Gesamtanlageneffektivit{\"a}t (overall equipment effectiveness oder kurz OEE) in einer Fertigungsumgebung ist jedoch m{\"o}glich durch eine intelligente Nutzung von Sensordaten mit Techniken wie z. B. Machine Learning (ML).}, language = {de} } @inproceedings{MuenchRaabHeiligetal., author = {M{\"u}nch, Maximilian and Raab, Christoph and Heilig, Simon and R{\"o}der, Manuel and Schleif, Frank-Michael}, title = {Adaptive multi-modal positive semi-definite and indefinite kernel fusion for binary classification}, series = {30th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2022, Bruges, Belgium, October 5-7, 2022}, booktitle = {30th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2022, Bruges, Belgium, October 5-7, 2022}, doi = {10.14428/esann/2022.ES2022-70}, language = {en} } @inproceedings{HeiligMuenchSchleif, author = {Heilig, Simon and M{\"u}nch, Maximilian and Schleif, Frank-Michael}, title = {Memory Efficient Kernel Approximation for Non-Stationary and Indefinite Kernels}, series = {International Joint Conference on Neural Networks, IJCNN 2022, Padua, Italy, July 18-23, 2022}, booktitle = {International Joint Conference on Neural Networks, IJCNN 2022, Padua, Italy, July 18-23, 2022}, doi = {10.1109/IJCNN55064.2022.9892153}, pages = {1 -- 8}, language = {en} } @article{OnetoNavarinSchleif, author = {Oneto, Luca and Navarin, Nicol{\`o} and Schleif, Frank-Michael}, title = {Advances in artificial neural networks, machine learning and computational intelligence}, series = {Neurocomputing}, volume = {507}, journal = {Neurocomputing}, doi = {10.1016/j.neucom.2022.08.001}, pages = {311 -- 314}, language = {en} }