FK03
hm.edu
Künstliche Intelligenz im Maschinenbau (KIM) Publikationen

Künstliche Intelligenz im Maschinenbau

Die folgenden Publikationen geben einen Einblick in die wissenschaftliche Arbeit von KIM – darunter Fachartikel, Konferenzbeiträge und Buchveröffentlichungen.

Bücher
[2] Advances in Manufacturing IV: Volume 3 – Quality Engineering: Digitalization, Sustainability and Industry Applications, 1st ed., Cham: Springer Nature Switzerland, 2024, ISBN: 9783031564741, doi:10.1007/978-3-031-56474-1
[1] Concept for machine learning and field data driven adjustment of testing conditions of technical prototypes, Aachen: Shaker Verlag, 2018, Band 3. ISBN: 978-3-8440-6022-5
Vorträge
[18] M. Hinz, Application of Artificial Intelligence in Chassis Development, Munich Chassis Symposium – chassis.tech plus 2025
[17] M. Hinz, AI in Engineering: Advanced Methods for Assessing Surface Quality in Manufacturing Processes, Gastvortrag an der Technischen Universität Warschau, Einladung der deutschen Botschaft in Warschau, Polen, März 2025
[16] M. Hinz, Einführung in die Künstliche Intelligenz, Staatliche FOSBOS München Ausbildungsrichtungen Technik Agrarwirtschaft, Bio- und Umwelttechnologie, Juni 2024
[15] M. Hinz, AI-Based Assessment of Surface Quality in a Manufacturing Process, Digital Bridge, Zentrum für Digitalisierungs- und Technologieforschung der Bundeswehr, Hamburg, Mai 2024
[14] M. Hinz, Generative KI und Industrie – Kompetenzen für die digitale Industriewelt in Studium und Lehre, MUC.DAI - Munich Center for Digital Sciences and AI, April 2024
[13] M. Hinz, „Artificial Intelligence: Do we expect too much from science?“, Keynote auf dem “Together for Sustainability”-Symposium, Deutsche Botschaft, Warschau, Polen, Jan. 2024.
[12] M. Hinz, „Einführung in die Künstliche Intelligenz“, Staatliche FOSBOS München, Ausbildungsrichtungen Technik sowie Agrarwirtschaft, Bio- und Umwelttechnologie, Juni 2023.
[11] M. Hinz, „KI-basierte Zustandsüberwachung“, Forschungstag, Hochschule München, Mai 2023.
[10] S. Bracke und M. Hinz, „Einsatz von Machine Learning im Produktlebenszyklus (Erprobung, Produktion, Feldeinsatz). Forschungsprojekte des Lehrstuhls für Zuverlässigkeitstechnik und Risikoanalytik“, IZMD Kolloquium, Wuppertal, Mai 2019.
[9] M. Hinz, „Condition Monitoring System: Approach, Requirements, Challenges and Solutions“, Proceedings of the Applied Reliability and Durability Conference - Europe, HBM Prenscia Inc. (RELIASOFT), Berlin, Deutschland, 2.–4. Apr. 2019.
[8] M. Hinz, „Condition Monitoring System: Approach and Application“, 4th Computational Reliability Engineering (CRE) Symposium, Gdynia, Polen, 2018.
[7] M. Hinz und S. Bracke, „Statistical comparison of three different measurement technologies - coordinate measuring technology, structured-light 3D scanner and CT scans“, Proceedings of the Applied Reliability and Durability Conference - Europe, HBM Prenscia Inc. (RELIASOFT), Kopenhagen, Dänemark, 24.–26. Apr. 2018.
[6] M. Hinz, A. Müller und S. Bracke, „Design of accelerated life tests based on numerical simulations. A case study: dental implant testing“, Proceedings of the International Applied Reliability Symposium - Europe, RELIASOFT, Mailand, Italien, 19.–21. Apr. 2017.
[5] M. Hinz und S. Bracke, „Application of optimized conditions to the test procedures based on analysis of the field data“, Proceedings of the International Applied Reliability Symposium - Europe, RELIASOFT, München, Deutschland, 4.–6. Apr. 2016.
[4] M. Hinz und S. Bracke, „Concept study course: Computational Reliability Engineering (CRE) in Product Development and Manufacturing“, 1st Computational Reliability Engineering (CRE) Symposium, Düsseldorf, Deutschland, 2015.
[3] M. Hinz, C. Rosebrock, S. Sochacki und S. Bracke, „Quantitative examination of uncertainties in the reliability analysis of field data“, International Probabilistic Workshop, Liverpool, 2015.
[2] M. Hinz, S. Sochacki und S. Bracke, „Identification of influence factors on product reliability data. Uncertainties by the analysis of data in the product usage phase“, Proceedings of the International Applied Reliability Symposium - Europe, RELIASOFT, Amsterdam, Niederlande, 21.–23. Apr. 2015.
[1] M. Hinz und S. Bracke, „Reliability analysis of prototype test results based on small data volumes. Case study: functional test of car door systems“, Proceedings of the International Applied Reliability Symposium - Europe, RELIASOFT, Paris, Frankreich, 23.–25. Apr. 2014.
Peer-review Paper
[49] M. Meyer, S. Schorer, A. Zurek und M. Hinz, „UAV Swarm Coordination for Flood Area Coverage in Populated Regions using Reinforcement Learning“, ESREL 2025, Stavanger, Norwegen, 15.–19. Juni 2025.
[48] J. Strohhofer und M. Hinz, „Traditional vs. AI-based Methods for Detection of Anomalies on Metal Surfaces“, ESREL 2025, Stavanger, Norwegen, 15.–19. Juni 2025.
[47] C. Cicek und M. Hinz, „Analyzing Surface Quality Patterns through the Lens of Transformer Algorithm“, ESREL 2024, Krakau, Polen, 23.–27. Juni 2024.
[46] D. Meslem und M. Hinz, „The application of Self Organizing Map algorithm for the analysis of product’s quality“, ESREL 2024, Krakau, Polen, 23.–27. Juni 2024.
[45] M. Hinz, M. Becker und P. E. Pfeffer, „Utilization of AI-based driver style detection using vehicle dynamics measurements“, ESREL 2024, Krakau, Polen, 23.–27. Juni 2024.
[44] M. Hinz, A. Lindworsky und S. Bracke, „Qualification of AI-based surface topography inspection systems for inline measurement in series production: Tactile touch systems versus optical AI analysis“, in: A. Hamrol, M. Grabowska und M. Hinz (Hrsg.), Advances in Manufacturing IV, Springer, 2024.
[43] K. Rother, T. Sieber, J. Neuhäusler, M. Kling, M. Hinz und C. Möller, „Prediction of the Bending Collapse of Thin-walled Rectangular Tubes“, Proceedings of the Munich Symposium on Lightweight Design 2023, Springer Verlag.
[42] A. Trapp, D. Fräulin, M. Hinz und P. Wolfsteiner, „Data-driven spectral damage estimator for non-stationary vibration loading“, ICSI 2023, Funchal, Madeira, 28. Aug.–1. Sep. 2023.
[41] F. Hartwig, M. Hinz, S. Dahms und S. Bracke, „Auslegung eines Accelerated Life Tests zur Abbildung der Langzeit-Zuverlässigkeit von Produkten im Prototypenstadium“, in: S. Gröger (Hrsg.), Nachhaltiges Qualitätsdatenmanagement, Springer Fachmedien Wiesbaden, 2023.
[40] M. Hinz und S. Bracke, „Framework for the Monitoring of Complex Surfaces Based on Optical Assessment“, ESREL 2023, Southampton, England, 3.–7. Sep. 2023.
[39] M. Hinz, J. Pietruschka und S. Bracke, „Optical Surface Analysis with Support Vector Machines based on Two Different Measurement Techniques“, ESREL 2023, Southampton, England, 3
[38] M. Hinz, J. Pietruschka und S. Bracke, „Uncertainty Quantification of Different Data Sources with Regard to a LSTM Analysis of Grinded Surfaces“, ESREL 2023, Southampton, England, 3.–7. Sep. 2023.
[37] M. Hinz, L. H. Günther, J. Pietruschka und S. Bracke, „Anwendung von Algorithmen des Maschinellen Lernens zur Beurteilung der Qualität von fein geschliffenen Messeroberflächen als Grundlage für die kontinuierliche Prozessverbesserung im Rahmen des Qualitätsmanagements“, in: R. Woll und C. Goldmann (Hrsg.), Trends und Entwicklungstendenzen im Qualitätsmanagement, Springer Fachmedien Wiesbaden, 2022.
[36] M. Hinz, J. Pietruschka und S. Bracke, „Application of Random Forest Algorithm for the Quality Determination of Manufactured Surfaces“, in: A. Hamrol, M. Grabowska und D. Maletič (Hrsg.), Advances in Manufacturing III, Springer, 2022.
[35] M. Hinz, J. Pietruschka und S. Bracke, „LSTM based Condition Monitoring of Fine Grinded Surfaces“, ESREL 2022, Dublin, Irland, 28. Aug.–1. Sep. 2022.
[34] M. Hinz, D. Meslem und S. Bracke, „The application of the Gaussian Mixture Model algorithm for the unsupervised analysis of surface topographies“, PSAM 16, Honolulu, Hawaii, USA, 26. Juni–1. Juli 2022.
[33] M. Hinz, D. Meslem und S. Bracke, „The Application of the K-means Algorithm for the Unsupervised Analysis of Surface Topographies“, ESREL 2022, Dublin, Irland, 28. Aug.–1. Sep. 2022.
[32] M. Hinz, L. H. Günther und S. Bracke, „A Comprehensive Parameter Study Regarding the Neural Networks Based Monitoring of Grinded Surfaces“, ESREL 2022, Dublin, Irland, 28. Aug.–1. Sep. 2022.
[31] D. Brüggemann, M. Hinz und S. Bracke, „An Application of Semi-Supervised Learning to Sparsely Labelled Data“, ESREL 2022, Dublin, Irland, 28. Aug.–1. Sep. 2022.
[30] L. H. Günther, M. Hinz und S. Bracke, „CNN Based Analysis of Grinded Surfaces“, ESREL 2021, Angers, Frankreich, 19.–23. Sep. 2021.
[29] D. Brüggemann, M. Hinz und S. Bracke, „An application of semi-supervised learning to production data“, ESREL 2021, Angers, Frankreich, 19.–23. Sep. 2021.
[28] L. H. Günther, T. Scholz, F. Pautzke, H. Fechtner, B. Schmuelling, N. Schelte, S. Severengiz, M. Hinz und S. Bracke, „Reliability engineering of electric vehicle powertrains: analysis based on products in the usage phase“, ESREL 2021, Angers, Frankreich, 19.–23. Sep. 2021.
[27] M. Hinz, L. H. Günther und S. Bracke, „Application of Computer Vision in the Analysis and Prediction of Fine Grinded Surfaces“, ESREL 2020 PSAM 15, Venedig, Italien, 1.–6. Nov. 2020.
[26] L. H. Günther, M. Hinz und S. Bracke, „Verwendung von Computer Vision in Kombination mit maschinellem Lernen zur Analyse der Oberflächenbeschaffenheit von fein geschliffenen Messerklingen“, Gesellschaft für Qualitätswissenschaft e.V., Band 16, 2020.
[25] M. Hinz, D. Brüggemann und S. Bracke, „Comparison of inductive learning and neural networks in condition monitoring systems of complex machines“, ESREL 2019, Hannover, Deutschland, 23.–26. Sep. 2019.
[24] C. Rosebrock, M. Hinz und S. Bracke, „Approach for the simulation of anode corrosion in electrolysis processes“, ESREL 2019, Hannover, Deutschland, 23.–26. Sep. 2019.
[23] M. Hinz, D. Brüggemann und S. Bracke, „Framework for Customized, Machine Learning driven Condition Monitoring System for Manufacturing“, 25th ICPR, Chicago, USA, 9.–14. Aug. 2019.
[22] M. Hinz, M. Radetzky, L. H. Günther, P. Fiur und S. Bracke, „Machine Learning driven image analysis of fine grinded knife blade surface topographies“, 25th ICPR, Chicago, USA, 9.–14. Aug. 2019.
[21] M. Hinz, D. Brüggemann, P. Dültgen und S. Bracke, „Concept development for a test rig and analysis of the experiments for standardized testing of smart materials“, PSAM 14, Los Angeles, USA, 16.–21. Sep. 2018.
[20] M. Hinz, D. Brüggemann und S. Bracke, „On the Application of Machine Learning Techniques in Condition Monitoring Systems of Complex Machines“, PSAM 14, Los Angeles, USA, 16.–21. Sep. 2018.
[19] S. Bracke, M. Hinz, C. van Gulijk, F. Gronwald, M. Muenker, M. Inoue, S. Yamada, E. Patelli, B. Ulutas, M. Bonato und T. Yamada, „Reliability engineering based on operating data and monitoring systems within technical products: challenges, requirements and approaches“, ESREL 2018, Trondheim, Norwegen, 17.–21. Juni 2018, European Safety and Reliability Association (ESRA), 2018.
[18] M. Hinz, A. Lücker, C. Klostermann und S. Bracke, „Statistical comparison of three different measurement technologies“, ESREL 2018, Trondheim, Norwegen, 17.–21. Juni 2018, European Safety and Reliability Association (ESRA), 2018.
[17] S. Bracke, M. Hinz, B. Backes und S. Sochacki, „Die Verifikation der Produktzuverlässigkeit: Neue Methoden der multivariaten Analyse und Prognose in Erprobung, Herstellung und im Feldeinsatz“, in: S. Bracke (Hrsg.), Qualitätswissenschaft und Exzellenz. Denkanstöße zur Unternehmensführung, Qualitätsabsicherung, Zuverlässigkeitstechnik und Arbeitsorganisation. Berichte aus der Zuverlässigkeitsanalytik und Risikoforschung (Band 1), Shaker Verlag, S. 1–46, 2018.
[16] M. Hinz, A. Müller, B. Backes und S. Bracke, „Simulation driven optimisation of testing conditions of dental implants“, in: M. Čepin, R. Briš (Hrsg.), Safety and Reliability – Theory and Applications, ESREL 2017, Portorož, Slowenien, 18.–22. Juni 2017, European Safety and Reliability Association (ESRA), 2017.
[15] C. Rosebrock, M. Hinz, F. Reinecke und S. Bracke, „Modelling the reliability of lead anodes in the electrowinning process of non-ferrous metals using machine learning“, in: M. Čepin, R. Briš (Hrsg.), Safety and Reliability – Theory and Applications, ESREL 2017, Portorož, Slowenien, 18.–22. Juni 2017, ESRA, 2017.
[14] M. Hinz, A. Müller und S. Bracke, „Auslegung von Zeitraffertests auf Basis numerischer Simulationen im Rahmen der Dentalimplantaterprobung“, 28. Fachtagung Technische Zuverlässigkeit, Leonberg, 17.–18. Mai 2017; in: VDI Berichte 2307, S. 253–268, 2017.
[13] M. Hinz, F. Hienzsch und S. Bracke, „Detection of distinctions in car fleets based on measured and simulated data“, RAMS 2017 – 63rd Annual Reliability and Maintainability Symposium, Orlando, Florida, USA, 2017.
[12] M. Hinz, F. Hienzsch und S. Bracke, „Analysis of simulated and recorded data of car fleets based on machine learning algorithms“, Proceedings: The 13th Probabilistic Safety Assessment and Management, PSAM 13, Seoul, Korea, 2.–7. Okt. 2016.
[11] M. Hinz, F. Hienzsch und S. Bracke, „Development of two methods for the characterisation of an automotive fleet behaviour based on the simulation of single car rides“, 26th European Safety and Reliability Conference (ESREL), Glasgow, Vereinigtes Königreich, 25.–29. Sep. 2016, ESRA, 2016.
[10] A. Müller, M. Hinz und S. Bracke, „Optimization of the dental implant testing based on FEM simulation of fatigue and accelerated life“, 26th European Safety and Reliability Conference (ESREL), Glasgow, Vereinigtes Königreich, 25.–29. Sep. 2016, ESRA, 2016.
[9] S. Bracke, M. Hinz, M. Inoue, E. Patelli, S. Kutz, H. Gottschalk, B. Ulutas, C. Hartl, P. Mörs und P. Bonnaud, „Reliability engineering in face of shorten product life cycles: Challenges, technique trends and method approaches to ensure product reliability“, 26th European Safety and Reliability Conference (ESREL), Glasgow, Vereinigtes Königreich, 25.–29. Sep. 2016, ESRA, 2016.
[8] M. Hinz, P. Temminghoff und S. Bracke, „Optimization of test procedures based on OBD system specific field data“, RAMS 2016 – 62nd Reliability and Maintainability Symposium, Tucson, Arizona, USA, 2016.
[7] J. Swieboda und M. Hinz, „Scheduling of tasks in the information subsystem at an inland terminal“, Journal of TransLogistics, 2015.
[6] M. Hinz, S. Sochacki, C. Rosebrock und S. Bracke, „Qualitative and quantitative analysis of uncertainties in the risk analysis of field data within the product usage phase“, ESREL 2015, Zürich, Schweiz, 7.–10. Sep. 2015.
[5] S. Sochacki, M. Hinz, J.-F. Luy und S. Bracke, „Beitrag zur Bestimmung von Unsicherheiten und Einflussfaktoren von Daten zur Risikoprognose bei Schadensschwerpunkten in der Produktnutzungsphase“, in: Berichte zum Qualitätsmanagement, Hrsg.: S. Bracke, M. Mamrot und P. Winzer, Gesellschaft für Qualitätswissenschaft e.V., Band 13, S. 259–274, Shaker Verlag, 2015.
[4] M. Hinz, A. Lücker, G. Knübel und S. Bracke, „Reliability Analysis Of Organic Fibres Based On Small Data Volumes“, RAMS 2015 – 61st Reliability and Maintainability Symposium, Palm Harbor, Florida, USA, 2015.
[3] A. Lücker, M. Hinz und S. Bracke, „Reliability analysis of prototypes based on small and heterogeneous test data volumes. Case study: Organic fibre prototype analysis“, ESREL 2014 – The Annual European Safety and Reliability Conference, Wroclaw, Polen, 14.–18. Sep. 2014, European Safety and Reliability Association – ESRA, 2014.v
[2] M. Hinz, P. Temminghoff und S. Bracke, „APTA approach: Analysis of accelerated prototype test data based on small data volumes within a car door system case study“, PSAM: The 12th Probabilistic Safety Assessment and Management, PSAM 12, Honolulu, Hawaii, USA, 22.–27. Juni 2014.
[1] M. Hinz, P. Temminghoff und S. Bracke, „Beitrag zur multivariaten Analyse von Qualitäts- und Zuverlässigkeitsdaten in der Produkt-Erprobungsphase am Beispiel der Fahrzeugtechnik“, in: Berichte zum Qualitätsmanagement, Hrsg.: S. Gröger, T. Eiselt und J. Schuldt, Gesellschaft für Qualitätswissenschaft e.V., Band 12, S. 93–113, Shaker Verlag, 2014.