Zum Inhalt springen

Marlon Löppenberg, M.Sc.

FB Elektrische Energietechnik

Soest FB EET Gebäude 4

Automatisierungstechnik und lernende Systeme

Forschung

Hochdynamische Prozesse werden heutzutage durch experimentierfähige Simulationsmodelle evaluiert, um erhaltene Erkenntnisse auf die Wirklichkeit zu übertragen und das Ressourcenmanagement zu optimieren. Die betrachteten Prozesse beziehen sich dabei auf alle Brachen und beinhalten in der Regel variable sowie verkoppelte Parameter. Zur Lösungsfindung der komplexen Problematik werden dabei selbstlernende Algorithmen aus dem Bereich der künstlichen Intelligenz genutzt.

Schwerpunkte:

  • Mechatronische Systeme
  • Digitaler Zwilling
  • Maschinelles Lernen

Publikationen

2024

Löppenberg, Marlon & Schwung, Andreas. (2024). Structured Graph Generation by Evolutionary Algorithm for Program Code Development.

2023

Löppenberg, Marlon & Klopries, Hendrik & Bartsch, Jonas & Schwung, Andreas. (2023). Foreign Object Separation in Bulk Good Systems using Machine Learning and Image Processing.

Löppenberg, Marlon & Schwung, Andreas. (2023). Self Optimisation and Automatic Code Generation by Evolutionary Algorithms in PLC based Controlling Processes. 1-6. 10.1109/INDIN51400.2023.10218168.

Diprasetya, Mochammad Rizky & Yuwono, Steve & Löppenberg, Marlon & Schwung, Andreas. (2023). Integration of ABB Robot Manipulators and Robot Operating System for Industrial Automation. 1-7. 10.1109/INDIN51400.2023.10217964.

Yuwono, Steve & Löppenberg, Marlon & Arend, Detlef & Diprasetya, Mochammad Rizky & Schwung, Andreas. (2023). MLPro-MPPS - A Versatile and Configurable Production Systems Simulator in Python. 1-6. 10.1109/ONCON60463.2023.10431280.