Lukas Furtner
Wissenschaftlicher Mitarbeiter
NameHerr M.Sc. Lukas Furtner
Hybrid Modeling, Simulation & Opimization Gruppe
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Arbeitsgruppe Systemverfahrenstechnik
Arbeitsgruppe Systemverfahrenstechnik
Besuchsadresse:
Barkhausen-Bau, BAR/E30 Helmholtzstr. 18
01069 Dresden
Forschungsinteressen
-
Hybrid Modelling
-
Soft Sensoring
-
Sensor Placement
-
Fouling
Kurzbiographie
Zeitraum |
Tätigkeit |
Since 2022 |
Wissenschaftlicher Mitarbeiter, TU Dresden - Professur für Prozessleittechnik und Arbeitsgruppe Systemverfahrenstechnik |
2021-2022 |
Masterand, R&D bei MAN Truck & Bus SE |
2019-2022 |
Masterstudium Chemieingenieurwesen, TU München |
2018-2019 |
Industriepraktikant, Automatisierung bei ZETA GmbH |
2015-2019 |
Bachelorstudium Chemieingenieurwesen, TU München |
Publikationen
2024
-
Self-Evaluation of Trajectory Predictors for Autonomous Driving , 29 Feb. 2024, in: Electronics. 13, 5, S. 1-16, 16 S., 946Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
-
An Uncertainty Analysis Based Approach to Sensor Selection in Chemical Processes , 2024, 2024 IEEE 29th International Conference on Emerging Technologies and Factory Automation, ETFA 2024. Facchinetti, T., Cenedese, A., Bello, L. L., Vitturi, S., Sauter, T. & Tramarin, F. (Hrsg.). Institute of Electrical and Electronics Engineers Inc.Elektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
2023
-
Standards for Information Models Considering Knowledge Distribution in Modular Plants , 2023, 2023 IEEE 21st International Conference on Industrial Informatics, INDIN 2023. Dorksen, H., Scanzio, S., Jasperneite, J., Wisniewski, L., Man, K. F., Sauter, T., Seno, L., Trsek, H. & Vyatkin, V. (Hrsg.). Institute of Electrical and Electronics Engineers Inc., S. 1-7Elektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
2020
-
Utilizing uncertainty information in remaining useful life estimation via Bayesian neural networks and Hamiltonian Monte Carlo , 7 Dez. 2020, in: Journal of manufacturing systems : an official journal of the Society of Manufacturing Engineers (SME). 61, S. 799 - 807Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel