Motivation:
Für die deutsche Automobilindustrie bietet der Wandel hin zur Elektromobilität einige Risiken, aber auch etliche Chancen. So werden es vor allem Lösungen des hiesigen Maschinen- und Anlagenbaus sein, die die Batteriekosten reduzieren, Leichtbau ermöglichen und die Produktion von Elektromotoren verbessern. Eine der Herausforderungen bei Elektromotoren der neusten Generation besteht in der präzisen Herstellung sogenannter Hairpins – massive, lackisolierte Kupferflachdrähte, die gerichtet, stellenweise abisoliert, abgelängt, zu dreidimensionalen Spulen geformt und verschweißt werden müssen.
Die Hairpin-Statorproduktion ist von einer Überlagerung mehrerer, nichtlinearer Effekte geprägt. So haben vorgelagerte Prozessschritte, wie das initiale Biegen der Hairpins, einen hohen Einfluss auf das Ergebnis nachfolgender Füge-, Schränk- und Kontaktierungsoperationen. Im Rahmen eines angelaufenen Industrieprojekts soll daher untersucht werden, inwiefern auf Basis von Echtzeit-Prozessdaten geometrische Abweichungen von der Zielgeometrie sowie Beschädigungen mittels geeigneter Sensorik und entsprechenden Analyse-Logiken detektieren werden können. Durch „sensorisierte“ Biegeanlagen ließen sich Schwankungen des Eingangsmaterials anhand von Messdaten, etwa unter Anwendung von Methoden der Künstlichen Intelligenz, approximieren und durch intelligentes Anpassen der Biegekräfte kompensieren und somit den Ausschussanteil reduzieren.
Aufgabenstellungen:
Vor diesem Hintergrund leiten sich verschiedene Aufgabenstellungen für Bachelor-/Projekt- und Masterarbeiten ab, welche die Durchführung von Versuchsreihen, die konstruktive Anpassung der Anlagen sowie die zusätzliche Integration von Sensoren adressieren. Der genaue Schwerpunkt kann je nach Interesse und Vorkenntnissen im Zuge eines persönlichen Gesprächs festgelegt werden. Eine mögliche Aufgabenstellung wäre:
- Einarbeitung in die Grundlagen der Hairpin-Statorproduktion, insb. des Biegens
- Identifikation, Bewertung und Vergleich verschiedener Lösungen zur Inline-Messung relevanter Prozessgrößen
- Konstruktive Anpassung der bestehenden Biegeanlagen zur Integration der ausgewählten Sensorlösungen
- Implementierung der ausgewählten Sensorlösungen und Validierung derer anhand praktischer Versuchsreihen
- Statistische Auswertung der gewonnenen Messdaten zur Korrelation von Prozess- und Qualitätsgrößen (je nach Schwerpunkt und Art der Arbeit unter Anwendung von Methoden der Künstlichen Intelligenz, insb. des Maschinellen Lernens)
Voraussetzungen und Bewerbung:
- Interesse an der Produktion elektrischer Traktionsantriebe sowie der Auslegung cyber-physischer Systeme
- Freude an praktischer Arbeit wie der Einrichtung von Sensorik und der Durchführung von Experimenten
- Selbständige und gewissenhafte Arbeitsweise, gerne auch in direktem Kontakt zum Industriepartner
- Bewerbungen vorzugsweise per E-Mail mit Lebenslauf, aktueller Fächerübersicht und Nennung des bevorzugten Themenkomplexes an beide Ansprechpartner, d.h. marcel.baader@faps.fau.de und andreas.mayr@faps.fau.de (in CC)
Ansprechpartner:
Marcel Baader, M.Sc.
Andreas Mayr, M.Sc., M.Sc.