Dieses Bild zeigt Annika Kienzlen

Annika Kienzlen

Frau M.Sc.

Wissenschaftliche Mitarbeiterin "Virtuelle Methoden in der Produktionstechnik"
Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen

Kontakt

+49 711 685 82402
Visitenkarte (VCF)

Seidenstr. 36
70174 Stuttgart
Deutschland
Raum: 4.051

Sprechstunde

Nach Vereinbarung

Fachgebiet

  • Virtuelle Inbetriebnahme
  • Hardware-in-the-Loop Simulation
  • Materialflusssimulationen
  • Reinforcement Learning an der Simulation
Meine Publikationen:

  1. 2024

    1. Kienzlen, A., & Verl, A. (2024, November). Methods for Localization in Multi-Scale Material Flow Simulation for Virtual Commissioning. 2024 4th International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME). https://doi.org/10.1109/ICECCME62383.2024.10797016
    2. Kienzlen, A., & Verl, A. (2024). A Signal-Based Approach to Switching Between Micro and Macro Material Flow Models for Production Systems. In T. Bauernhansl, A. Verl, M. Liewald, & H.-C. Möhring (Eds.), Production at the Leading Edge of Technology (pp. 491–501). Springer Nature Switzerland.
    3. Göttlich, S., Hoher, S., Verl, A., Weißen, J., & Kienzlen, A. (2024). Materialflusssimulation für die Virtuelle Inbetriebnahme in Steuerungsechtzeit. In A. Verl, S. Röck, & C. Scheifele (Eds.), Echtzeitsimulation in der Produktionsautomatisierung: Beiträge zu Virtueller Inbetriebnahme, Digitalem Engineering und Digitalen Zwillingen (pp. 121–140). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-66217-5_7

  2. 2023

    1. Kienzlen, A., Zuern, M., Kazemi, S., Xu, W., Cheng, L. K., Strommel, M., & Verl, A. (2023). Recurrent Neural Network for Modelling a Contractive Soft Actuator. ISR Europe 2023; 56th International Symposium on Robotics, 419–425.
    2. Zürn, M., Kienzlen, A., Klingel, L., Lechler, A., Verl, A., Ren, S., & Xu, W. (2023). Deep Learning-Based Instance Segmentation for Feature Extraction of Branched Deformable Linear Objects for Robotic Manipulation. 2023 IEEE 19th International Conference on Automation Science and Engineering (CASE), 1–6. https://doi.org/10.1109/CASE56687.2023.10260646
    3. Zimmer, M., Bunz, E. K., Ehring, T., Kaiser, B., Kienzlen, A., Schlüter, H., & Zürn, M. (2023). In vivo Assessment of Shear Wave Propagation in Pennate Muscles using an Automatic Ultrasound Probe Alignment System. IEEE Open Journal of Engineering in Medicine and Biology. https://doi.org/10.1109/ojemb.2023.3338090
    4. Kienzlen, A., & Verl, A. (2023). KI ebnet den Weg für autonome Katheternavigation. Mt | Medizintechnik, 143, Article 6.
    5. Jaensch, F., Herburger, K., Bobe, E., Csiszar, A., Kienzlen, A., & Verl, A. (2023). Complex Physics with Graph Networks for Industrial Material Flow Simulation. Procedia CIRP, 118, 50–55. https://doi.org/10.1016/j.procir.2023.06.010

  3. 2022

    1. Strljic, D., Kienzlen, A., & Riedel, O. (2022). Formale Sprachen für Fabriksimulation/Comparative Analysis of Description Models and Languages for Factory Simulation -- Formal Languages for Factory Simulation. Wt Werkstattstechnik Online, 112, Article 04. https://doi.org/10.37544/1436-4980-2022-04-21
    2. Kienzlen, A., Jaensch, F., Verl, A., & Cheng, L. (2022). Concept for a Reinforcement Learning Approach to Navigate Catheters Through Blood Vessels. 2022 28th International Conference on Mechatronics and Machine Vision in Practice (M2VIP). https://doi.org/10.1109/M2VIP55626.2022.10041096

  4. 2021

    1. Kienzlen, A., & Verl, A. (2021). Konzept zur Integration eines kontinuierlichen Materialflussmodells in die Virtuelle Inbetriebnahme durch Signalgenerierung. In J. Franke & P. Schuderer (Eds.), Simulation in Produktion und Logistik 2021 (pp. 585–594). Cuvillier Verlag.

  5. 2020

    1. Kienzlen, A., Scheifele, C., & Verl, A. (2020). Predicting coupling signals in a material flow real-time co-simulation with a Kalman filter. In R. Teti & D. M. D’Addona (Eds.), Procedia CIRP (Vol. 88, pp. 9–14). Elsevier BV. https://doi.org/10.1016/j.procir.2020.05.002
    2. Brovkina, D., Kienzlen, A., & Riedel, O. (2020). Comparative Analysis of Factory Simulation Description Models for Comprehensive Description of Model Design. 2020 IEEE Eurasia Conference on IOT, Communication and Engineering (ECICE), 318–321. https://doi.org/10.1109/ECICE50847.2020.9301947
    3. Kienzlen, A., Weißen, J., Verl, A., & Göttlich, S. (2020). Simulative Optimierung der Steuerungsparameter eines Materialflusslayouts mit Bandförderern. Forschung Im Ingenieurwesen. https://doi.org/10.1007/s10010-020-00420-3
    4. Kienzlen, A., & Verl, A. (2020). Comparison of Material Flow Models and Acceleration of the Macroscopic Flow Model for Virtual Commissioning. In ETI-EUROSIS (Ed.), 34th Annual European Simulation Simulation and Modelling Conference: Modelling and Simulation 2020 (ESM) (pp. 168–175).

  6. 2019

    1. Verl, A., & Kienzlen, A. (2019). Der Materialfluss des digitalen Zwillings. SPS Magazin, Article 10.

  7. 2018

    1. Jaensch, F., Csiszar, A., Kienzlen, A., & Verl, A. (2018). Reinforcement Learning of Material Flow Control Logic Using Hardware-in-the-Loop Simulation. 2018 First International Conference on Artificial Intelligence for Industries (AI4I), 77–80. https://doi.org/10.1109/AI4I.2018.8665712

  8. 2017

    1. Csiszar, A., Jaensch, F., Kienzlen, A., & Scheifele, C. (2017). Machine Learning in Steuerungstechnik und Robotik. Sps Magazin, 30, Article 12 2017.

Betreuung von Bachelor-, Studien- und Masterarbeiten

Betreuung der Übung 1 zu Simulationsgestützte Planung und Auslegung von Produktionsanlagen

Zum Seitenanfang