Forschungsschwerpunkte

• Kombination von maschinellem Lernen, Simulationsergebnissen und Messdaten
• Optimierung von Fertigungsprozessen
• Zeitreihenregression

Projekte

• SFB 876

Netzwerk

GitHub

Google Scholar

ORCiD

Betreute studentische Arbeiten

• Entwicklung eines auf Lernvideos basierten Unterrichtsvorhabens zum Thema Machine Learning in Form eines SPOC für den Schuleinsatz
• Vorhersage der Prozessstabilität bei Fräsprozessen mithilfe von Verfahren des maschinellen Lernens anhand von simulierten sowie experimentellen Daten
• Augmentation von Trainingsdaten für die automatisierte Kornerkennung zur Generierung von punktbasierten Werkzeugmodellen für die Simulation von Schleifprozessen mithilfe von Methoden des maschinellen Lernens
• Experimentelle Untersuchungen zu Stabilitätskriterien bei Fräsprozessen mit Hilfe einer sensorischen Messkonstruktion
• Entwicklung einer Methode zur Optimierung von 5-Achs-Fräsprozessen unter Berücksichtigung der Achsbeschleunigung
• Systematische Untersuchung und Modellierung von Unsicherheiten in Messdaten von Fräsprozessen
• Vergleich von Kraftmodellen für die Simulation von Fräsprozessen
• Gegenüberstellung unterschiedlicher Kraftmessdynamometer zur Analyse von Zerspankräften beim Fräsen
• Experimentelle Stabilitätsanalyse von Fräsprozessen bei angestelltem Werkzeug

Sprechzeiten nach Vereinbarung

2021

• Augmented semantic segmentation for the digitization of grinding tools based on deep learning

  P. Wiederkehr, F. Finkeldey and T. Merhofe

  CIRP Annals, 70 (2021) 1, 297–300

  DOI: 10.1016/j.cirp.2021.04.051

• Quicker Evaluation of the Optimum Operating Point

  J. Volke, F. Finkeldey, J. Zarges, P. Wiederkehr and H. Heim

  Kunststoffe international, 3 (2021), 24–27

2020

• Detection of unstable milling processes using wavelets

  Technical report for Collaborative Research Center SFB 876 Providing Information by Resource-Constrained Data Analysis

  DOI: 10.17877/DE290R-22415

• Learning quality characteristics for plastic injection molding processes using a combination of simulated and measured data

  F. Finkeldey, J. Volke, J. Zarges, H. Heim and P. Wiederkehr

  Journal of Manufacturing Processes, 60 (2020), 134–143

  DOI: 10.1016/j.jmapro.2020.10.028

• Learning-Based Prediction of Pose-Dependent Dynamics

  F. Finkeldey, A. Wirtz, T. Merhofe and P. Wiederkehr

  Journal of Manufacturing and Materials Processing, 4 (2020) 3, 85

  DOI: 10.3390/jmmp4030085

• Real-time prediction of process forces in milling operations using synchronized data fusion of simulation and sensor data

  F. Finkeldey, A. Saadallah, P. Wiederkehr and K. Morik

  Engineering Applications of Artificial Intelligence, 94 (2020), 103753

  DOI: 10.1016/j.engappai.2020.103753

2019

• Synchronization of measured and simulated force signals of milling processes

  Technical report for Collaborative Research Center SFB 876 Providing Information by Resource-Constrained Data Analysis

  DOI: 10.17877/DE290R-21014

• Learning Ensembles in the Presence of Imbalanced Classes

  A. Saadallah, N. Piatkowski, F. Finkeldey, P. Wiederkehr and K. Morik

  Proceedings of the 8th International Conference on Pattern Recognition Applications and Methods - Volume 1: ICPRAM, 866–873

  DOI: 10.5220/0007681508660873

2018

• Stability prediction in milling processes using a simulation-based Machine Learning approach

  A. Saadallah, F. Finkeldey, K. Morik and P. Wiederkehr

  Procedia CIRP, 72 (2018), 1493–1498

  DOI: 10.1016/j.procir.2018.03.062

• Simulation of surface structuring considering the acceleration behaviour by means of spindle control

  D. Freiburg, F. Finkeldey, M. Hensel, P. Wiederkehr and D. Biermann

  International Journal of Mechatronics and Manufacturing Systems, 11 (2018) 1, 67–86

  DOI: 10.1504/IJMMS.2018.091178

2017

• Stochastische Modellierung von Kornverteilungen beim Microfinishen mit deterministischen Finishbändern

  T. Siebrecht, M. Tilger, T. T. Dereli, M. Kipp, F. Finkeldey, J. A. Bergmann, S. Schumann, D. Biermann and P. Wiederkehr

  4. Fachtagung "Sensitive Fertigungstechnik", Magdeburg, H. Goldau (Hrsg), R. Stolze (Hrsg), Shaker Verlag, ISBN 978-3-8440-6397-4, (2017), 167–174

• Tool wear-dependent process analysis by means of a statistical online monitoring system

  F. Finkeldey, S. Hess and P. Wiederkehr

  Production Engineering, 11 (2017), 1–10

  DOI: 10.1007/s11740-017-0773-0

• Konzept zur Online-Adaption von Simulationsparametern an Sensordaten mithilfe empirischer Modelle

  F. Finkeldey, S. Hess and P. Wiederkehr

  In: Spanende Fertigung, 7. Ausgabe, D. Biermann (Hrsg.), Vulkan Verlag, Essen, ISBN 978-3-8027-2989-8 (print), 978-3-8027-3052-8 (ebook), (2017), 462–471

2016

• Elaborated analysis of force model parameters in milling simulations with respect to tool state variations

  S. Hess, F. Finkeldey and P. Wiederkehr

  Procedia CIRP, 55 (2016), 83–88

  DOI: 10.1016/j.procir.2016.08.044

• Dynamische Kenngrößen im Fräsprozess gezielt nutzen

  S. Hess, F. Finkeldey and P. Wiederkehr

  MM Maschinenmarkt, (2016), 44–45

• Einsatzmöglichkeiten von Prozesssimulationen in der spanenden Fertigung

  P. Wiederkehr, J. Baumann, F. Finkeldey, D. Freiburg, R. Hense, S. Hess and T. Siebrecht

  In: "KMU 4.0" Intelligente Fertigungstechnologie für kleine und mittelständische Unternehmen, Fertigungstechnisches Kolloquium Magdeburg, ISBN 978-3-944722-36-8, (2016)