Personal profile
Curriculum
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.
Education/Academic qualification
Management & Engineering, Schwerpunkt Produktionstechnik, Leuphana Universität Lüneburg
10.2021 → 10.2023
Industrial Engineering , Bachelor, Hochschule Emden / Leer
10.2017 → 10.2021
Keywords
- Engineering
Fingerprint
- 1 Similar Profiles
Research collaborations from the last five years
Projects
- 1 Finished
-
Development of a data-driven model for the evaluation and optimization of process robustness in the design of deep-drawing tools
Heger, J. (Project manager, academic) & Wollschläger, L. (Project staff)
01.02.23 → 31.03.26
Project: Research
Research output
- 3 Conference article in journal
-
Uncertainty-Aware Feature Importance in Deep-Drawing Using Entropy-PFI on Production Data
Wollschläger, L., Heger, J. & Haddad, M.-S., 03.2026, In: Procedia Computer Science. p. 1306-1316 10 p.Research output: Journal contributions › Conference article in journal › Research › peer-review
-
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 p., 012064.Research output: Journal contributions › Conference article in journal › Research › peer-review
Open Access -
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, p. 270-275 6 p.Research output: Journal contributions › Conference article in journal › Research › peer-review
Open Access