Fotografi av Mehdi Tarkian

Mehdi Tarkian

Biträdande professor

Min passion är Design Automation. Detta kan göras med KBE, maskininlärning eller optimering. Metoden är mindre betydande än resultaten, som i sin tur inte lika viktig som målet - att öka intuitionen och minska repetitioner för ingenjörer.

Automatisera Repetition

Både min forskning och utbildning centrerar kring Design Automation. Jag har jobbat inom detta område sedan 2007.

Jag har en industriell bakgrund sedan 2012 då jag grundade spin off företaget XperDi baserad på forskningsresultat.

I dagsläget medverkar jag i tre forskningsprojekt där min del i projekten är följande:

  • AutoPack – Machine Learning implementerat för CAD

Undervisning

Under min tid på LiU har jag arbetet inom grundutbildningens alla nivåer. Mina nuvarande kurser som examinator är:

  • TMKT57, Produktmodellering.
  •  TMKU1, Designautomatisering för kundunika produkter.

Läs mer om studentarbete i min blogg

Publikationer

2024

Sanjay Nambiar, Anan Ashrabi Ananno, Herman Titus, Anton Wiberg, Mehdi Tarkian (2024) Multidisciplinary Automation in Design of Turbine Vane Cooling Channels International Journal of Turbomachinery, Propulsion and Power, Vol. 9, Artikel 7 (Artikel i tidskrift) Vidare till DOI

2023

Javier Villena Toro, Anton Wiberg, Mehdi Tarkian (2023) Optical character recognition on engineering drawings to achieve automation in production quality control Frontiers in Manufacturing Technology, Vol. 3 (Artikel i tidskrift) Vidare till DOI
Erik Nordvall, Anton Wiberg, Mehdi Tarkian (2023) Knowledge-based engineering and computer vision for configuration-based substation design FRONTIERS IN MECHANICAL ENGINEERING-SWITZERLAND, Vol. 9, Artikel 1154316 (Artikel i tidskrift) Vidare till DOI
Sanjay Nambiar, Anton Wiberg, Mehdi Tarkian (2023) Automation of unstructured production environment by applying reinforcement learning Frontiers in Manufacturing Technology, Vol. 3 (Artikel i tidskrift) Vidare till DOI
Javier Villena Toro, Anton Wiberg, Mehdi Tarkian (2023) Application of optimized convolutional neural network to fixture layout in automotive parts The International Journal of Advanced Manufacturing Technology, Vol. 126, s. 339-353 (Artikel i tidskrift) Vidare till DOI

Forskning

Nyheter

Organisation