Ausgangslage:
Durch die zunehmende Verbreitung der Elektromobilität wird sich die hiesige Automobilindustrie grundlegend verändern. Gerade im Bereich der Elektromotorenproduktion steht Deutschland angesichts des intensiven globalen Wettbewerbs stark unter Druck. Neben innovativer Motorenkonzepten sind insbesondere effiziente, flexibel automatisierte Fertigungsprozesse erforderlich um die Wertschöpfung in Deutschland anhaltend zu sichern.
Die digitale Transformation der Produktion verspricht, die Produktivität im Inland zu steigern und neue Geschäftspotentiale zu erschließen. Das Revolutionäre an Industrie 4.0 ist nicht allein die Digitalisierung der Produkte und ihrer Produktion, sondern die Möglichkeit technische Systeme in Echtzeit zu vernetzen. Die dadurch gewonnenen Daten können mit Methoden des Maschinellen Lernens (ML) nutzbringend ausgewertet und daraus neues Wissen generiert werden.
Dies birgt insb. für die Fehler-Ursachen-Analyse in der End-of-Line-Prüfung (EOL) großes Potential. So sollen E-Motoren nicht nur nach Gut- und Schlechtteil klassifiziert, sondern auch Rückschlüsse auf die Fehlerursache (z.B. Abweichungen in vorgelagertem Fertigungsschritt) detektiert werden.
Aufgabenstellung:
Ziel dieser Abschlussarbeit ist es, die Fehler-Ursachen-Analyse in der EOL-Prüfung von Elektromotoren unter Einsatz von ML zu optimieren. Die Arbeitspakete gliedern sich wie folgt:
- Einarbeitung in die Methoden und Tools des Maschinellen Lernens sowie die Anwendungsdomäne, d.h. die EOL-Prüfung von Elektromotoren
- Strukturierte Aufarbeitung von bestehenden ML-Ansätzen bei der EOL-Prüfung von E-Motoren
- Erarbeitung eines Konzepts zum Einsatz von ML zur Fehler-Ursachen-Analyse in der EOL-Prüfung von E-Motoren
- Praktische Umsetzung und Erprobung des ML-Ansatzes anhand von bereitgestellten Produktions- und EOL-Daten eines Forschungspartners
- Ggf. Einbindung der Auswertung in ein bestehendes Manufacturing Dashboard
- Kritische Diskussion und Ausblick auf Weiterentwicklungsmöglichkeiten
Nähere Informationen gerne auf Anfrage im persönlichen Gespräch. Beginn, Umfang und genaue Ausrichtung der Arbeit erfolgen nach Absprache und persönlichem Interesse.
Hinweise und Bewerbung:
- Forschung an der Schnittstelle zwischen den Trendthemen KI und Elektromotorenproduktion
- Beginn, Umfang und genaue Ausrichtung der Arbeit erfolgen nach Absprache und persönlichem Interesse
- Bewerbungen bitte mitsamt Lebenslauf und aktueller Fächerübersicht an andreas.mayr@faps.fau.de
