Sprungmarken

Servicenavigation

Hauptnavigation

Sie sind hier:

Hauptinhalt

Felix Finkeldey, M.Sc.

Felix Finkeldey, M.Sc. Foto von Felix Finkeldey, M.Sc.

Forschungsschwerpunkte

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

 

Projekte

 

Netzwerk

github GitHub

google_scholar_icon Google Scholar

ORCIDiD_icon128x128 ORCiD

 

Betreute studentische Arbeiten

  • 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

Veröffentlichungen

2020

  • 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)

Nebeninhalt

Virtual-Machining Logo 

sfb876_logo_de

 

Kontakt

Telefon

(+49) 231 755-7727

Fax
(+49) 231 755-7963

Adresse
Technische Universität Dortmund
Fakultät für Informatik
LS XIV – Virtual Machining
Otto-Hahn-Str. 14
Raum 131
44227 Dortmund

 

Kooperationen

isf_logo_40

logo-ls8