Michael Schwarzenberger
![TUD-Dr-M-Schwarzenberger](https://tu-dresden.de/ing/maschinenwesen/imd/lwm/ressourcen/bilder/mitarbeiter/lwm-2019/gruppe-3-prozessinformatik-u-maschinendatenanalyse/TUD-Dr-M-Schwarzenberger-16x10-blau.jpg/@@images/e0c40420-4fb0-49f4-a892-a24a0fe9be71.jpeg)
Wissenschaftlicher Mitarbeiter
NameHerr Dr. rer. nat. Michael Schwarzenberger
Prozessinformatik und Maschinendatenanalyse
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Werkzeugmaschinenentwicklung und adaptive Steuerungen
Professur für Werkzeugmaschinenentwicklung und adaptive Steuerungen
Besuchsadresse:
Kutzbach-Bau, Raum E6 Helmholtzstraße 7a
01069 Dresden
Nicht mehr am LWM beschäftigt.
Forschungsthemen
- Maschinelles Lernen
- Deep Learning
-
Condition Monitoring und Predictive Maintenance
Veröffentlichungen
Schwarzenberger, M. ; Drowatzky, L. ; Wiemer, H. ; Ihlenfeldt, S. : Transferable Condition Monitoring for Linear Guidance Systems Using Anomaly Detection. In: Behrens, B.-A. ; Brosius, A. ; Drossel, W.-G. ; Hintze, W. ; Ihlenfeldt, S. ; Nyhuis, P. (Hrsg.): Production at the Leading Edge of Technology. Cham: Springer International Publishing, 2021, S. 497–505 DOI: 10.1007/978-3-030-78424-9_55 |
Klein, J. ; Jareztky, M. ; Schwarzenberger, M. ; Ihlenfeldt, S. ; Drossel, W.-G. : Automated porosity assessment of parts produced by Laser Powder Bed Fusion using Convolutional Neural Networks. In: Procedia CIRP 104 (2021), S. 1434–1439 DOI: 10.1016/j.procir.2021.11.242 |
Schwarzenberger, M. : Flipped Classroom für praxisorientierte Lehre im Ingenieursbereich, 2019. – Kurzsymposium Hochschullehre, Dresden |
Boos, E. ; Schwarzenberger, M. ; Jareztky, M. ; Wiemer, H. ; Ihlenfeldt, S. : Melt Pool Monitoring using Fuzzy Based Anomaly Detection in Laser Beam Melting. In: Metal Additive Manufacturing Conference, 2019 Volltext |
Schenke, C. ; Penter, L. ; Schwarzenberger, M. ; Wiemer, H. ; Ihlenfeldt, S. : Technologieregelung bildet die Basis für einen robusten Kartontiefziehprozess. In: Verarbeitungsmaschinen und Verpackungstechnik VVD, 2018 Volltext |
Wiemer, H. ; Schwarzenberger, M. ; Dietz, G. ; Juhrisch, M. ; Ihlenfeldt, S. : A Holistic and DoE-based Approach to Developing and Putting into Operation Complex Manufacturing Process Chains of Composite Components. In: Procedia CIRP 66 (2017), S. 147–152 DOI: 10.1016/j.procir.2017.03.369 |
Schwarzenberger, M. : A functional equation related to symmetry of operators. In: Aequationes mathematicae 91 (2017), S. 779–783 DOI: 10.1007/s00010-017-0484-9 |
Schwarzenberger, M. : Affine Processes and Pseudo-Differential Operators with Unbounded Coefficients. Shaker, 2016. – ISBN 978-3-8440-4708-0 |
Lehre
- Maschinelles Lernen in der Produktion (Vorlesung und Übung)
- Deep Learning für Prozessdaten (Vorlesung)
- Prozessinformatik (Vorlesung)
- Versuchsplanung (Vorlesung, Teil der LV Prozessanalyse)
- Sensitivitätsanalyse (Vorlesung, Teil der LV Grundlagen der Verhaltensanalyse bewegungsgeführter Maschinensysteme)
- Statistik II für Sozialwissenschaften, Geographie und ZIS (Übung)
- Mathematik für Elektrotechnik (Übung, Vorlesungsvertretung)