Dr.-Ing. Constantin Hofmann

  • 76131 Karlsruhe
    Kaiserstraße 12

Dr.-Ing. Constantin Hofmann

Forschungs- und Arbeitsgebiete:

  • Koordination der Lernfabrik 
  • Digitalisierung in der Produktionsplanung, Cloud und Webtechnologie in der Produktion
  • Steuerung flexibler Produktionssysteme
  • Shopfloor Management
  • MES-Systeme

 

Allgemeine Aufgaben:

  • Vorlesungsbetreuung
    • MBA Hector Production Engineering
  • Moderator Workshop Lean und Industrie 4.0
  • Koordination Lernfabrik Globale Produktion

 

Projekte:

  • Innovation Center SAP – Entwicklung einer lernenden Multi-Agenten-Steuerung für den Materialfluss in der Matrixproduktion
  • Innovation Center SAP – Effizienzsteigerung einer MO-MCTS basierten Mehrzieloptimierung für die Steuerung einer Matrixprodktion
  • AiF ShopfloorPulse

 

Versuchsstände:

 

Dissertation: Lernende Multi-Agentensteuerung in der Matrixproduktion


Lebenslauf:

05/07/1989 Geboren in Frankfurt am Main
10/2010-04/2014 Studium des Wirtschaftsingenieurwesen (B.Sc.) am KIT mit Schwerpunkt Informatik und Produktionstechnik
09/2012-06/2013 Génie industriel an der INSA Lyon
04/2014-12/2016      Studium des Wirtschaftsingenieurwesen (M.Sc.) am KIT
seit 03/2017 Wissenschaftlicher Mitarbeiter am Institut für Produktionstechnik (wbk) des Karlsruher Instituts Technologie (KIT)

           

Veröffentlichungen


Wandlungsfähige Produktion für die Kreislaufwirtschaft
Beyerer, J.; Bretthauer, G.; Hofmann, C.; Lanza, G.
2022. at - Automatisierungstechnik, 70 (6), 501–503. doi:10.1515/auto-2022-0063
Agiles Produktionssystem mittels lernender Roboter bei ungewissen Produktzuständen am Beispiel der Anlasser-Demontage = Concept of an agile production system based on learning robots applied to disassembly
Lanza, G.; Asfour, T.; Beyerer, J.; Deml, B.; Fleischer, J.; Heizmann, M.; Furmans, K.; Hofmann, C.; Cebulla, A.; Dreher, C.; Kaiser, J.-P.; Klein, J.-F.; Leven, F.; Mangold, S.; Mitschke, N.; Stricker, N.; Pfrommer, J.; Wu, C.; Wurster, M.; Zaremski, M.
2022. at - Automatisierungstechnik, 70 (6), 504–516. doi:10.1515/auto-2021-0158
Hybrid Monte Carlo tree search based multi-objective scheduling
Hofmann, C.; Liu, X.; May, M.; Lanza, G.
2022. Production Engineering. doi:10.1007/s11740-022-01152-9
A Data-Driven Approach for Quality Analytics of Screwing Processes in a Global Learning Factory
Yang, S.; Liu, H.; Zhang, Y.; Arndt, T.; Hofmann, C.; Häfner, B.; Lanza, G.
2020. Procedia manufacturing, 45, 454–459. doi:10.1016/j.promfg.2020.04.052
Machine learning based activity recognition to identify wasteful activities in production
Hofmann, C.; Patschkowski, C.; Häfner, B.; Lanza, G.
2020. Procedia manufacturing, 45, 171–176. doi:10.1016/j.promfg.2020.04.090
Augmented Go & See: An approach for improved bottleneck identification in production lines
Hofmann, C.; Staehr, T.; Cohen, S.; Stricker, N.; Haefner, B.; Lanza, G.
2019. 9th Conference on Learning Factories, CLF 2019; Braunschweig; Germany; 26 March 2019 through 28 March 2019. Ed.: C. Herrmann, 148–154, Elsevier. doi:10.1016/j.promfg.2019.03.023
Development of an agile development method based on Kanban for distributed part-time teams and an introduction framework
Hofmann, C.; Lauber, S.; Haefner, B.; Lanza, G.
2018. (D. Mourtzis & G. Chryssolouris, Hrsg.) Advanced Engineering Education & Training for Manufacturing Innovation Hrsg.: Mourtzis, Dimitris; Chryssolouris, George, 23, 45–50. doi:10.1016/j.promfg.2018.03.159
The Impact of Routing and Operation Flexibility on the Performance of Matrix Production Compared to a Production Line
Hofmann, C.; Brakemeier, N.; Krahe, C.; Stricker, N.; Lanza, G.
2018. R. Schmitt & G. Schuh (Hrsg.), Advances in Production Research Hrsg.: Schmitt, Robert; Schuh, Günther, 155–165, Springer International Publishing. doi:10.1007/978-3-030-03451-1_16
Auf dem Weg zum Digitalen Shopfloor Management: Eine Studie zum Stand der Echtzeitentscheidungsfähigkeit und des Industrie 4.0-Reifegrads
Lanza, G.; Hofmann, C.; Stricker, N.; Biehl, E.; Braun, Y.
2018. Karlsruher Institut für Technologie (KIT)