Home | english  | Impressum | Datenschutz | Sitemap | KIT

M.Sc. Florian Ungermann

Akad. Mitarbeiter
Bereich: Produktionssysteme
Sprechstunden: nach Vereinbarung
Raum: 116, Geb. 50.36
Tel.: +49 721 608-41675
Fax: +49 721 608-45005
florian ungermannTiz8∂kit edu

76131 Karlsruhe
Kaiserstraße 12


M.Sc. Florian Ungermann

Forschungs- und Arbeitsgebiete:

  • Maschinelles Lernen und Big Data Analysen in der Produktion
  • Produktionsplanung und -steuerung
  • Industrie 4.0

 

Allgemeine Aufgaben:

  • Koordinator der Vorlesung „Integrierte Produktionsplanung im Zeitalter von Industrie 4.0“
  • Seminar „Data-Mining in der Produktion“
  • Lernfabrik für Globale Produktion: „Leadership 4.0“

 

Projekte:

  • ProData – Wertschöpfung durch Big Data Analysen
  • ROBUST – Assistenzsystem zur regelbasierten Robustheitssteigerung von verketteten Produktionssystemen
  • Intro 4.0 – Befähigungs- und Einführungsstrategien für Industrie 4.0

 

Lebenslauf:

seit 07/2017 Wissenschaftlicher Mitarbeiter am Institut für Produktionstechnik (wbk) des Karlsruher Instituts für Technologie (KIT)
10/2011 - 05/2017 Studium des Wirtschaftsingenieurwesens am Karlsruher Institut für Technologie (KIT)
28/06/1992 Geboren in Pforzheim

 

Veröffentlichungen

[ 1 ] Stähr, T.; Ungermann, F. & Lanza, G. (2017), „Scalable assembly for fuel cell production“. 7. WGP-Jahreskongress Aachen, 5.-6. Oktober 2017, Hrsg. Schmitt, R. & Schuh, G., S. 303-311.
Abstract:
The reduced time-to-market and multiple innovations lead to a rising number of emerging technologies and new products. Production systems for emerging technologies are subject to high stress from highly volatile influencing factors such as volume and variants. In order to react to these factors and to achieve cost-efficient production, companies need to establish scalable production systems. This paper introduces a methodology which supports the production planner with an iterative planning method for a scalable production system focussing on the scalability of the level of automation. The methodology consists of four steps. Its basis constitutes in a scenario analysis of the influencing factors for the production system. In the next step, alternative configurations of the production system are generated. From the different configurations, possible scaling paths are derived in accordance with the scenarios. The final step focusses on identifying the optimal scaling paths according to production cost and risk. The methodology will be demonstrated with the use case of fuel cell production within the European research project INLINE.