!!Projects per year
Persönliches Profil
Werdegang
Seit 10/2023 Wissenschaftliche Mitarbeiterin - Professur für Modellierung und Simulation technischer Systeme und Prozesse (IPTS)
Bis 10/2023 Master of Science - Management & Engineering an der Leuphana Universität Lüneburg
Bis 10/2021 Bachelor of Engineering - Wirtschaftsingenieurwesen an der Hochschule Emden Leer
Forschungsinhalt
Meine Forschung befasst sich mit der Robustheitsbewertung industrieller Tiefziehprozesse unter stochastischen Schwankungen und prozessbedingten Störungen. Ziel ist es, datengetriebene und erklärbare Modellierungsansätze einzusetzen, um Zusammenhänge zwischen Prozessparametern und Bauteilqualität transparent darzustellen und für die Werkzeugauslegung nutzbar zu machen.
Bisherige Ergebnisse zeigen, dass sich synthetische und experimentelle Daten durch "Transfer Learning" kombinieren lassen, wodurch stabile Vorhersagetrends entstehen. In Kombination mit "Active Learning" konnte der Datenbedarf für Versuche im realen Produktionsprozess reduziert werden. Zudem ermöglichen XAI-Methoden eine nachvollziehbare Interpretation der Modellentscheidungen.
Aktuell befinden sich Publikationen im Review, die sich mit Anomalieerkennung, probabilistischer Modellierung und der Anwendung einer neuen Explainable AI (XAI) -Methode im Tiefziehkontext befassen.
Das Projekt wird durch die Deutsche Forschungsgemeinschaft (DFG) gefördert.
Bildung/Akademische Qualifikationen
Wirtschafsingenieurwesen (M.Sc), Schwerpunkt Produktionstechnik, Leuphana Universität Lüneburg
10.2021 → 10.2023
Wirtschaftsingenieurwesen (B.Eng), Bachelor, Hochschule Emden/Leer
10.2017 → 10.2021
Schlagwörter
- Ingenieurwissenschaften
- Künstliche Intelligenz
- Produktionstechnik
- Explainable AI
- Machine Learning
Kompetenzen im Bereich UN SDGs
2015 einigten sich UN-Mitgliedstaaten auf 17 globale Ziele für nachhaltige Entwicklung (Sustainable Development Goals, SDGs) zur Beendigung der Armut, zum Schutz des Planeten und zur Förderung des allgemeinen Wohlstands. Die Arbeit dieser Person leistet einen Beitrag zu folgendem(n) SDG(s):
-
SDG 9 – Industrie, Innovation und Infrastruktur
Fingerprint
- 1 Ähnliche Profile
Forschungskooperationen der letzten fünf Jahre
Projekte
- 1 Abgeschlossen
-
Entwicklung eines datengetriebenen Modells zur Bewertung und Verbesserung der Prozessrobustheit bei der Wirkflächenauslegung von Tiefziehwerkzeugen
Heger, J. (Wissenschaftliche Projektleiter*in) & Wollschläger, L. (Projektmitarbeiter*in)
Deutsche Forschungsgemeinschaft
01.02.23 → 31.03.26
Projekt: Forschung
Publikationen
- 4 Konferenzaufsätze in Fachzeitschriften
-
Tool-Independent Quality Prediction In Deep Drawing Using Matrix Profile Analysis
Wollschläger, L. & Heger, J., 06.10.2026, in: Procedia CIRP. 142, S. 91-96 6 S., 142.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › Begutachtung
Open Access -
Uncertainty-Aware Feature Importance in Deep-Drawing Using Entropy-PFI on Production Data
Wollschläger, L., Haddad, M.-S. & Heger, J., 03.2026, in: Procedia Computer Science. 277, S. 1306-1316 11 S.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › Begutachtung
Open Access -
Optimizing dataset design for data-driven models of the deep drawing process using active transfer learning
Heinzel, C., Wollschläger, L., Nurmatov, B.-M., Heger, J. & Khalifa, N. B., 2025, in: Journal of Physics: Conference Series. 3104, 1, 11 S., 012064.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › Begutachtung
Open Access1 Zitat (Scopus) -
Increased Reliability of Draw-In Prediction in a Single Stage Deep-Drawing Operation via Transfer Learning
Wollschlaeger, L., Heinzel, C., Thiery, S., Abdine, M. Z. E., Khalifa, N. B. & Heger, J., 2024, in: Procedia CIRP. 130, S. 270-275 6 S.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › Begutachtung
Open Access