Zur Zeit gibt es keine Einträge.
Daniel Piendl, M.Sc.
Technische Universität München
Postadresse
Boltzmannstr. 15
85748 Garching b. München
- Raum: 5503.02.311
Tel.: +49 (89) 289 - 15586
E-Mail: Daniel.Piendl(at)iwb.tum.de
Forschungsschwerpunkte
- Condition Monitoring und Predictive Maintenance von Werkzeugmaschinenkomponenten
- Schutz sensitiver Maschinendaten mithilfe von Privacy-enhancing Technologies
- Kollaboratives (unternehmensübergreifendes) Training von KI-Modellen zur Zustandsüberwachung von Werkzeugen
- Systematische Aufzeichnung, Verarbeitung und Speicherung von Werkzeugmaschinendaten mittels Edge-Geräte, Datenschnittstellen, Dashboards und Datenbanken
Forschungsprojekte
KI meets Digital Twin – Predictive Maintenance trotz geringer Anzahl an Ausfallbeobachtungen
Studienarbeiten
Zusätzlich zu den aufgelisteten Studienarbeiten für üblicherweise Maschinenwesenstudierende und verwandte Studiengänge betreue ich auch immer sehr gerne interdisziplinäre Projekte (IDPs) in der Informatik. Bei Interesse melden Sie sich gerne bei mir.
Veröffentlichungen
2025
- Enabling the material flow analysis in disassembly systems using object-centric process mining. Procedia CIRP 134, 2025, 271-276 mehr…
- Kollaboratives Modelltraining und Datensicherheit. Zeitschrift für wirtschaftlichen Fabrikbetrieb 120 (s1), 2025, 214-218 mehr…
- Predictive Maintenance of Ball Screws: A Comparative Study Using Real-World Industrial Data. Procedia CIRP 134, 2025, 390-395 mehr…
- Predictive Maintenance of Ball Screws: A Comparative Study Using Real-World Industrial Data. Procedia CIRP 134, 2025, 390-395 mehr…
2023
- Comparison of Sensitivity-Guided and Black-Box Machine Tool Parameter Identification. Journal of Manufacturing and Materials Processing 7 (4), 2023, 120 mehr…