Direkt zum Inhalt


Andreas Kloos ist ausgebildeter Bankkaufmann und hat ein Studium der Betriebswirtschaftslehre an der OTH Regensburg (B.A.) sowie an der Universität Regensburg (M. Sc.) abgeschlossen. Die Schwerpunkte des Bachelorstudiums lagen im Bereich Finanzwirtschaft, die des Masterstudiums in den Bereichen Wirtschaftsinformatik, Industrielles Management sowie Business Analytics und Operations Management. Während seines Studiums war er als Tutor im Fach Statistik tätig und sammelte weitere praktische Erfahrungen als Werkstudent bei der Maschinenfabrik Reinhausen und der IHK Regensburg. Seit September 2024 ist Andreas Kloos als wissenschaftlicher Mitarbeiter am Lehrstuhl für Produktionsmanagement tätig.

Forschungsinteressen

Leistungsanalyse und Optimierung mittels Neuronaler Netze und gemischt-ganzzahliger Optimierung

Da Produktionssysteme häufig stochastischen Effekten unterliegen, wie zufälligen Maschinenausfällen und variablen Bearbeitungszeiten, ist es notwendig, diese bei einer Modellierung zu berücksichtigen. Zur Leistungsanalyse solcher Systeme wird häufig ereignisdiskrete Simulation (DES) eingesetzt, da diese im Hinblick auf die Modellierung eine hohe Flexibilität bietet. Allerdings ist der Einsatz von DES mit einem hohen zeitlichen Aufwand verbunden, wenn Leistungskennzahlen mit hoher Genauigkeit ermittelt werden. Für eine schnellere Evaluation können auf Simulationsdaten trainierte Neuronale Netze (NN) verwendet werden, um die Leistungskennzahlen verschiedener Systemkonfigurationen zu approximieren. Der zentrale Fokus meiner Forschung liegt auf der Identifikation geeigneter NN-Architekturen für eine effiziente Leistungsanalyse und der Entwicklung von Methoden zur Integration trainierter NN in Lösungsansätze für diskrete Optimierungsprobleme.

Vorträge

nach oben