20180918 FHWN 2016 64037 BEA Himmelverlaengert Dunkelblau ansicht
Dipl.-Ing. Dr.

Selim Erol

114657 m jpg quality100maxheight1080
Dipl.-Ing. Dr.

Selim Erol

Position

Leiter Fachbereich Industrial Management

Standort

Campus 1 Wiener Neustadt
Johannes Gutenberg-Straße 3
2700 Wiener Neustadt
114657 m jpg quality100maxheight1080

Forschungsaktivitäten

  • ProcessIQ

    Ziel dieses Projektes ist die Suche, Bewertung und Erprobung von verschiedenen Technologien zur automatisierten (KI-gestützten) Erkennung von Qualitätsmängeln und Anomalien in den Prozessdaten in zwei Produktlinien eines Herstellers von Spezialmaschinen.

  • FAMOUS

    Im Projekt FAMOUS (Freight Access Management for Optimizing Urban Space) sollen legislative und technische Maßnahmen zur Güterverkehrssteuerung in Städten mittels einem umfassenden Berechnungs- und Simulationsmodell evaluiert werden. Dazu wird das Güterverkehrsmodell GÜMORE in Kombination mit einem kleinräumigen Modell für die Feinverteilung im Stadtgebiet und dem bewährten Personenverkehrsmodell von ITS Vienna Region für Fragestellungen des Zufahrtsmanagements in Städten zur Anwendung gebracht. Neben verkehrlichen Kennzahlen werden auch die Reduktion der Treibhausgase (CO2), Energieverbrauch und Schadstoffausstoß berechnet und bewertet. Projektpartner sind neben dem Verkehrsverbund Ost (VOR), der BOKU Wien, und hh2pro, die Städte Wien und Wiener Neustadt.

  • DigiProTrain

    Dieses Projekt hat das Ziel für Unternehmen in sogenannten Lernfabriken Schulungsangebote im Bereich der Industrie 4.0 zu entwickeln und anzubieten. Lernfabriken stellen eine realistische Produktionsumgebung dar, die für Bildung, Training und Forschung geeignet ist. Sie sind eine physische Lernumgebung, die Lehrinstrumente und -geräte enthält und die Arbeitsbedingungen eines echten Industriestandorts für didaktische und Schulungszwecke effektiv schafft. Die Networks Development-Initiative hat den Zweck, einen EIT Manufacturing Marketplace zu schaffen, der alle Bildungsprogramme und -aktivitäten der Learning Factories anbietet. Dadurch wird die Reichweite und der Zugang zum Schulungsangebot der Lernfabriken erhöht sowie die Verfügbarkeit von Geräten erhöht, die für Tests und Pilotierung geeignet sind. Gefördert durch EIT Manufacturing im Rahmen des Learning Factory Network Development Programms.

  • IntelliProPS

    Ziel in diesem Projekt ist (1) die Erforschung und Entwicklung von neuartigen Planungs- und Steuerungskonzepten die auf der Kombination klassischer Methoden der Planung- und Steuerung mit Methoden der künstlichen Intelligenz (insbesondere Maschinelles Lernen) für Produktionsszenarien mit sehr hoher Volatilität und Variabilität hinsichtlich Produktvarianten, Auftragsmengen, Rohstoff-/Teilequalität, bei gleichzeitigem hohen Automatisierungsgrad und hohem Grad an Mensch-Maschine Kollaboration, (2) die Entwicklung eines konfigurierbaren Simulators und Demonstrators, der es Produktionsunternehmen erlaubt verschiedene mit KI angereicherte dezentrale Planungs- und Steuerungskonzepte für Produktionsszenarien mit hoher Variabilität und Volatilität hinsichtlich Produktvarianten, Auftragsmengen, Rohstoff-/Teilequalität zu testen, zu evaluieren und weiterzuentwickeln (Entwicklungs- und Prüfstand für KI-angereicherte Produktionsplanungs- und Steuerungskonzepte). Dieses Projekt wird vom FFG im Rahmen des COIN Aufbau FH für die Wirtschaft Programmes gefördert.

  • CO-INNO-LAB

    Das Forschungsprojekt CO-INNO-LAB erforscht regionale Erfolgsfaktoren und -modelle für Co-Innovation in hochschulbetriebenen Innovation Labs. Dabei werden durch Studien mit regionalen Unternehmen der Region, insbesondere kleine und mittlere Industrieunternehmen (KMI), mit Methoden klassischer Sozialforschung und neuartigen Methoden der Interventions- und Aktionsforschung durchgeführt werden. Dabei soll auch die Rolle von Infrastrukturen (universitären Innovation Labs) untersucht werden und ein solches aufgebaut werden. Ein weiteres Ziel ist die Erforschung von Möglichkeiten der Digitalisierung des Co-Innovationsprozesses über kombinierte real-virtuelle (cyberphysische) Innovationsräume. Die gewonnen Erkenntnisse sollen als Handlungsempfehlungen, Best-Practices und im Falle von technischen Entwicklungen als konzeptionelle Prototypen verfügbar gemacht werden.

  • CircularPro

    Im Projekt „CircularPro“ wird ein Weiterbildungsprogramm für KMUs entwickelt, das Produktentwickler, Produktdesigner und Entwicklungsingenieure befähigen soll Produkte kreislauffähig zu gestalten. Es werden Module mit Schwerpunkten in Grundlagen und Rahmenbedingungen der Kreislaufwirtschaft, kreislauffähige Werkstoffe, kreislauforientierte Gestaltungs- und Konstruktionsprinzipien sowie kreislaufbasierte Produkt-Service Systeme entwickelt. Mit dieses Modulen sollen Teilnehmer*innen Kompetenzen aufbauen, um in Zukunft effektiv nachhaltige und kreislauffähige Produkte und Produkt-Service Systeme zu entwickeln. Um den Praxisbezug herzustellen, werde für alle Module Fallbeispiele und praktische Übungen entwickelt, die die theoretischen Inhalte ergänzen. Mit dem Innovation Lab der FHWN steht eine Laborumgebung zur Verfügung, die für das Prototyping und Veranschaulichung von kreislaufähigen Produkten dienen kann. Dieses Projekt wird vom FFG im Rahmen des Innovation Camps Programmes gefördert.

Publikationen

  • Princz, Gabor/Shaloo, Masoud/Erol, Selim (2023): A literature review on the prediction and monitoring of assembly and disassembly processes in discrete make-to-order production in SMEs with machine vision technologies. In: Proceedings of the 2023 10th International Conference on Industrial Engineering and Applications (Hrsg.): https://dl.acm.org/doi/10.1145/3587889.3588217. ACM. Rome, IT.
  • Shaloo, Masoud/Princz, Gabor/Erol, Selim (2023): Real-time color detection for automated production lines using CNN-based machine learning. In: Lecture Notes in Networks and Systems book series (LNNS,volume 745), International Symposium on Industrial Engineering and Automation ISIEA 2023 (Hrsg.): https://link.springer.com/chapter/10.1007/978-3-031-38274-1_15. Springer. Bozen, IT.
  • Grano, Alice/Erol, Selim (2023): Exploring the fabrication lab concept for learning sustainable co-innovation in industrial engineering education – an action research case from Austria. In: European Conference on Engineering Education, SEFI 2023 (Hrsg.). SEFI. Dublin, IR.
  • Princz, Gabor/Shaloo, Masoud/Erol, Selim (2023): Anomaly Detection in Binary Time Series Data: An unsupervised Machine Learning Approach for Condition Monitoring. In: 5th International Conference on Industry 4.0 and Smart Manufacturing ISM 2023. Lisbon. Procedia Computer Science (Hrsg.). Elsevier.
  • Shaloo, Masoud/Princz, Gabor/Erol, Selim (2023): Flexible automation of quality inspection in parts assembly using CNN-based machine learning. In: 5th International Conference on Industry 4.0 and Smart Manufacturing ISM 2023. Lisbon. Procedia Computer Science (Hrsg.). Elsevier. Lisbon, PT.
  • Grano, Alice/Erol, Selim (2023): Makerspace Goes Digital – Digital Tools to Support Collaborative Innovation in an Academic Makerspace. In: 7th International Symposium on Academic Makerspaces ISAM 2023 (Hrsg.). Pittsburgh, US.
  • Erol, Selim/Pieber, Johanna/Hofer, Florian (2022): Exploring the Fabrication Lab concept in the context of Industrial Engineering Education – An action research case from Austria. In: 3rd International Conference on Industrial Engineering and Industrial Management (Hrsg.). SCIEI. Barcelona.
  • Böhm, Jasmin/Weinfurter, Stefan/Klug, Siegrun/Erol, Selim (2022): Survey of Identifying Student and Industrial User Needs for a Newly Established Austrian University-Operated Makerspace. In: Higher Education Makerspaces Initiative (HEMI) (Hrsg.): https://ijamm.pubpub.org/pub/7rlvzm5l. Atlanta, Georgia, USA.
  • Erol, Selim/Pieber, Johanna/Hofer, Florian/Princz, Gabor (2022): Fabrication Labs as Essential Building blocks of Regional Innovations Systems. In: FHK (Hrsg.).
  • Brodschelm, Dominik/Erol, Selim/Kühnen, Jakob (2020): Integriertes Energie- und Produktionsmanagement für Industriebetriebe – eine Simulationsstudie. In: Institut für Elektrizitätswirtschaft und Energieinnovation (IEE), Technische Universität Graz (TU Graz) (Hrsg.): 10.3217/978-3-85125-734-2. Verlag der Technischen Universität Graz. Graz.
  • Erol, Selim/Klug, Siegrun (2020): Together We are Less Alone - A Concept for a Regional Open Innovation Learning Lab. In: CIRP (Hrsg.). Procedia CIRP. Graz.
  • Romauch, Martin/Erol, Selim/Kühnen, Jakob (2020): Achieving long term sustainable multicriteria goalswith operational and tactical decisions. In: https://warwick.ac.uk/fac/sci/wmg/mediacentre/wmgevents/euroma2020/proceedings/. EurOMA. online.
  • Erol, Selim (2019): Industrie 4.0 - Gedanken über die Zukunft der Produktion in Europa und aktuelle Forschungsaktivitäten in der Industrie 4.0 Pilotfabrik der TU Wien. In: Achammer, Christoph; Kovacic, Iva (Hrsg.). Klein Publishing. Wien.
  • Erol, Selim (2017): Recalling the rationale of change from process model revision comparison – A change-pattern based approach. In: Computers in Industry, Elsevier. Brussels.
  • Erol, Selim (2017): “Lotsize 1” – Effects of Individualization on Planning and Control of Production Systems. In: Wien.
  • Schumacher, Andreas/Erol, Selim/Sihn, Wilfried (2016): A maturity model for assessing Industry 4.0 readiness and maturity of manufacturing enterprises. In: CIRP (Hrsg.): https://doi.org/10.1016/j.procir.2016.07.040. Procedia CIRP. Bath / UK.
  • Erol, Selim; Wilfried, Sihn (2016): Intelligent Production Planning and Control in the Cloud – Towards a Scalable Software Architecture. In: CIRP (Hrsg.): 10.1016/j.procir.2017.01.003. Procedia CIRP. Ischia/Italy.
  • Erol, Selim (2016): Collaborative Modeling of Manufacturing Processes – a Wiki-Based Approach. In: Springer. Sydney.
  • Erol, Selim/Jäger, Andreas/Hold, Philipp/Ott, Karl/Sihn, Wilfried (2016): Tangible Industry 4.0: a scenario-based approach to learning for the future of production. In: 10.1016/j.procir.2016.03.162. CIRP. Gjøvik, Norway.
  • Erol, Selim/Hold, Philipp (2016): Keeping Track of the Physical in Assembly Processes. In: 10.1109/EDOCW.2016.7584365. IEEE. Wien.