Index

 

 

Weitere Informationen sind der angehängten Stellenausschreibung im PDF-Format zu entnehmen:

Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Logistik oder zur Erfassung und photogrammetrischen Rekonstruktion von Gebäuden und Baustellen.

Für den effizienten und sicheren Einsatz ist es wünschenswert, dass die Drohnen ihre Aufgaben selbstständig erledigen, also autonom agieren. Dadurch wird es möglich mithilfe Agenten-basierter Navigation die Drohnen auf Basis von Reinforcement Learning Ansätzen hinsichtlich unterschiedlicher Kriterien zu optimieren.

In dieser Arbeit soll ein Agent in einer Simulationsumgebung trainiert werden, um optimierte Flugpfade zu erlernen. Bei ausreichender Robustheit soll die Performance des Agenten auf einem realen System validiert werden.

Ziele und Arbeitsschritte

• Einarbeitung in ROS2 und die Programmierung autonomer Drohnen
• Anpassung der Simulationsumgebung und Training der Agenten
• Übertrag und Validierung auf realem System

Benefits

• Hands-On Erfahrung in der Entwicklung im Bereich Robotik
• Austausch mit anderen Studierenden am FAPS
• Einblicke in weitere Forschungsbereiche
• Anwendungsbezogene Arbeit für den Berufseinstieg
• Flexible Arbeitsweise

Hinweise zur Bewerbung

• Erste Erfahrung und Freude an der Programmierung erforderlich
• Vorkenntnisse mit ROS2 sind von Vorteil
• Gute Englischkenntnisse erforderlich
• Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
• Selbstständige Arbeitsweise
• Zeitnaher Beginn möglich

Ausgangssituation

Im Zuge der Digitalisierung sind konsistente Datensätze längst zu einer wertvollen Ressource geworden. Besonders im Produktionsbereich stehen oft Terabyte an verschiedenen Messwerten und Prozessdaten zur Verfügung. In Kombination mit Methoden der intelligenten Datenverarbeitung wie Machine Learning lassen sich damit große, wirtschaftliche Hebel erzeugen.

Besonders die Branche der Elektronikfertigung ist geprägt durch einen umfassenden Automatisierungsgrad und weitreichende Kommunikationsstandards, wodurch der Grundstein für den Einsatz maschineller Lernverfahren gelegt ist. Durch umfassende Prüfprozesse wird in der Elektronikfertigung eine exzellente Produktqualität im einstelligen dpm-Bereich erzielt. Erhöhte Durchlaufzeiten, hohe Investitionskosten und erhöhter Platzbedarf stellen jedoch die Kehrseite der Medaille dar. Dadurch ist der Ansatz entstanden mittels intelligenter Datenauswertung den Prüfaufwand ohne Reduktion der Qualität zu minimieren.

Keywords

Data Science, Big Data, Artificial Intelligence, Machine Learning, IIoT

Aufgabenstellung

Im Rahmen der Abschlussarbeit soll zusammen mit dem Industriepartner Siemens die Möglichkeit der Prüfaufwandsreduktion durch intelligente Datenanalyse ermittelt werden. Dies erfolgt anhand bereits vorhandener Datensätze welche sich aus unterschiedlichsten Quellen zusammensetzen. Die Datensätze müssen effizient zusammengeführt, mittels statistischer Methoden gesichtet und abschließend in ein geeignetes Machine Learning Modell überführt werden. Aus den Erkenntnissen des selbst erstellen Modells soll eine Qualitätsvorhersage für ein bestimmtes Produktspektrum der Siemens AG ermöglicht werden. Es wird auf bereits bestehenden Arbeiten aufgebaut. Die Bearbeitung erfolgt bei Siemens in Amberg.

Potentielle Arbeitspakete

• Einarbeitung in die SMT-Fertigung, die relevanten Grundlagen des maschinellen Lernens (insbesondere Machine Vision) und den aktuellen Stand des Projekts
• Anfertigung einer strukturierten Datenanalyse mit Prozessexperten vor Ort, um den Informationsgehalt der Daten zu überprüfen
• Ausarbeitung verschiedener Machine Learning Modelle für den effizienten Umgang mit den heterogenen Datenstrukturen und die Prädiktion der Produktqualität
• Vollständige Dokumentation der Arbeit (GitHub, Conceptboard etc.)

Vorkenntnisse

• keine themenspezifischen Vorkenntnisse erforderlich, Einarbeitungszeit wird gewährt
• Programmierkenntnisse von Vorteil

Voraussetzungen

• Begeisterung für das Fachgebiet
• Hohe Motivation und Einsatzbereitschaft
• Strukturierte und eigenständige Arbeitsweise
• Arbeiten im Team
• IT-Affinität

Beginn

• Ab sofort und jederzeit möglich

Sonstiges

• Anwendungsbezogene Forschung direkt beim Industriepartner Siemens in Amberg
• Bearbeitung der Arbeit kann jedoch größtenteils im Home-Office erfolgen
• Der Arbeitsumfang kann je nach Art der Arbeit (BA/PA/MA) angepasst werden

Bewerbung

• Bewerbung mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an Konstantin Schmidt (kein Anschreiben oder Motivationsschreiben erforderlich)
• Nähere Informationen über Umfang und genaue Ausrichtung der Arbeit gerne im persönlichen Gespräch

Zahlreiche für den Betrieb kritische elektrische Systeme der Deutschen Bahn wie beispielsweise Weichen, Signale und Achszähler werden in einem separaten Gleichstromkreis betrieben. Innerhalb eines dieses Stromkreises sind zudem Batteriesysteme parallelgeschaltet, die im Falle eines Stromausfalls oder Ausfall eines Gleichrichters unmittelbar als Notstromversorgung einspringen. Im Regelbetrieb sind die Batteriesysteme dauerhaft im sog. Ladeerhaltungsmodus eingebunden.
Der für die Systeme benötigte Gleichstrom wird über Wechselrichter aus der Netzspannung gewandelt, die klassischerweise ein 50Hz-Wechselstromnetz darstellt. Aufgrund der Art und Weise der Gleichrichtung bleibt – je nach Typ und Alter des Gleichrichters – eine mehr oder minder hohe Restwelligkeit im Gleichstromkreis bestehen. Ein wenig untersuchtes Gebiet ist die Auswirkung von Restwelligkeiten auf die oben beschriebenen Gleichstromsysteme, die teilweise empfindlich auf bereits leichte Spannungsschwankungen reagieren. Aktuell existiert nur stichprobenartige Evidenz, dass Systeme aufgrund von Restwelligkeiten frühzeitig ausfallen oder ihre Lebensdauer signifikant verkürzt wird.
In der zu bearbeitende studentische Arbeit soll zunächst an unterschiedlichen Standorten gemessen, die Daten ausgewertet und letztendlich Rückschlüsse auf den Einfluss auf die Gleichstromsysteme gezogen werden. Stellt sich heraus, dass Restwelligkeit einen hohen Einfluss besitzt, soll diese zukünftig regelmäßig gemessen und frühzeitig bei Grenzwertüberschreitungen gewarnt werden. Im Rahmen der Arbeit bist Du direkt eingebunden in die Weiterentwicklung für ein Frühwarn- und Diagnosesystem der Instandhaltung.

Was ist der Inhalt der Arbeit?

• Arbeite dich in die Funktionsweise von elektrischen Versorgungssystemen von Stellwerken und nachgeschalteten Gleichstromsystemen ein.
• Erarbeite den theoretischen Hintergrund der Entstehung von Restwelligkeiten an Gleichrichtersystemen und den Einfluss auf nachgeschaltete Systeme.
• Entwirf eine Messstrategie zur Messung von Restwelligkeit.
• Erfasse die Restwelligkeit von Stromversorgungssystemen in Stellwerken an mehreren Standorten für einen umfassenden Überblick über die aktuelle Situation.
• Vergleiche die Messdaten mit dem Zustand der eingebundenen Systeme wie z.B. Typen oder Generationen von Stellwerken und bewerte den Einfluss auf diese.
• Bestimme die Anforderungen an einen Grenzwert oder Indikator, den ein potenzielles Messgerät zur Messung von Restwelligkeiten erfassen muss, um eine Aussage über die Lebensdauer von Gleichstromsystemen zu treffen.

Was erwartet dich?

• Arbeite im engen Kontakt mit der DB InfraGO und anderen DB Unternehmen und erhalte einen direkten Einblick die Technik in Stellwerken, die unsere Infrastruktur am Laufen hält.
• Erhalte einen tiefen Einblick in die Funktionsweisen von Stellwerken und angeschlossenen Systemen.
• Tritt in den Austausch mit Fachexperten im Bereich Energieversorgung bei der Deutschen Bahn.
• Sei eingebunden in ein praxis- und ergebnisrelevantes Projekt zur Erhöhung der Verfügbarkeit von Systemen der Deutschen Bahn und gestalte unmittelbar mit.

Was bringst du mit?

• Du beweist Flexibilität in der Absprache mit Personal an den Standorten und hast ein proaktives Auftreten gegenüber Verantwortlichen.
• Du bist bereit für Reisetätigkeiten, um an unterschiedlichen Standorten in Deutschland Messungen vorzunehmen.
• Du hast gute Deutschkenntnisse in Wort und Schrift.

Haben wir dein Interesse geweckt oder hast du noch Rückfragen? Wir freuen uns auf deine Anfrage.

Kontakt:
Andreas Reichle (HOREICH GmbH)
andreas.reichle@horeich.de
+49 9131 9234042

Im Rahmen des Forschungsprojekts LLM-SE (Large Language Model unterstütztes Systems Engineering) erforschen wir am Lehrstuhl FAPS innovative Ansätze zur Teilautomatisierung des Engineerings mechatronischer Systeme mithilfe generativer KI. Ziel ist es, komplexe Entwicklungsprozesse – von der Anforderungsanalyse bis zur virtuellen Inbetriebnahme – durch KI-gestützte Assistenzsysteme effizienter und robuster zu gestalten.

Aufgabenbereiche

Wir suchen motivierte Studierende zur Unterstützung bei der Entwicklung eines Demonstrators, der die virtuelle Inbetriebnahme eines mechatronischen Systems ermöglicht. Der Fokus liegt auf der Integration generativer KI-Modelle (z. B. LLMs) zur Unterstützung von Engineering-Aufgaben.

1. Modellerstellung in Unity

   • Erstellung und Kinematisierung des mechatronischen Systems (am Beispiel einer CO2-Neutralen Produktionsanlage am FAPS)

   • Integration von Verhaltensmodellen zur Beschreibung von Sensoren und Aktoren

2. Anbindung der SPS mit Siemens TIA Portal

   • Entwicklung einer einfachen Steuerungslogik für das System

   • Anbindung der SPS an das Mechatronische Modell

3. Erstellung der ECAD-Verbindung

   • Extraktion relevanter Verbindungen zwischen SPS und der Produktionsanlage

   • Ableitung der IO-Strukturen

4. Integration generativer KI-Modelle

   • Anbindung eines LLM-Moduls zur teilautomatisierten Modell- oder Codegenerierung

   • Evaluation der KI-gestützten Assistenzfunktionen im Engineering-Prozess

Profil

• Studium in Maschinenbau, Elektrotechnik, Mechatronik, Informatik oder vergleichbar

• Kenntnisse in Unity (C#), TIA Portal oder EPLAN wünschenswert

• Interesse an KI, Automatisierung und virtueller Inbetriebnahme

• Selbstständige und strukturierte Arbeitsweise, Teamfähigkeit sowie gute Kommunikationsfähigkeiten

• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

Was wir bieten

• Einbindung in ein aktuelles öffentlich gefördertes Forschungsprojekt

• Hohe Zusammenarbeit mit regionalen Industriepartnern

Beginn

Ab sofort möglich. Die Position ist als Bachelor-, Projekt- oder Masterarbeit verfügbar.

Kontakt

Interessierte Studierende senden bitte ihre Bewerbungsunterlagen (kurzes Motivationsschreiben, Lebenslauf, Notenspiegel) per E-Mail an:E-Mail: martin.barth@faps.fau.de

Weitere Informationen zum Projekt LLM-SE:
 LLM-SE auf faps.fau.de

Das Projekt Restladung umfasst die Entwicklung einer kosteneffizienten DC-Wallbox auf Basis einer Ein-Platinen-Lösung und einer passiven Wärmeabfuhr. Das Teilprojekt des FAPS fokussiert neben dem automatisierungsgerechten Produktdesign insbesondere die hochpräzise Montage der Leistungselektronik in das Gehäuse. Besondere Berücksichtigung gilt demnach der optimalen Wärmekopplung beider Komponenten durch den Einsatz von 3D-Kameratechnik. Es werden der Einfluss von Fertigungs- und Montagetoleranzen auf das Kühlverhalten analysiert und zur Optimierung der Wärmeleitung ein Prozess des flexiblen Toleranzausgleichs mittels adaptiven Auftrages von wärmeleitfähigen Substanzen erarbeitet und im Zusammenspiel mit einem darauffolgenden Schraubprozesses prototypisch untersucht.

Hierfür wird ein Versuchsaufbau entwickelt, mit dem die Wärmekopplung zwischen MOSFETs und Kühlkörpern untersucht werden kann. Anschließend werden verschiedene Einflussfaktoren herausgearbeitet und deren Auswirkungen auf die Wärmekopplung mithilfe statistischer Versuche analysiert.

Aufgabenstellung:

• Konzeptionierung und Aufbau eines Versuchsaufbaus
• Systematische Versuche mit DoE durchführen
• Optimierung der Wärmeleitfähigkeit
• Ermittlung der elektrischen Isolationsfestigkeit
• Optional: Aufbau einer Simulation und Rückführung der Messergebnisse
• Dokumentation der Ergebnisse

Anforderungen:

• Studium im Bereich Maschinenbau / IPEM / WING / Mechatronik / Elektrotechnik o.Ä.
• Technisches Geschick und Bereitschaft, sich in neue Technologien einzuarbeiten
• Hohe Motivation, Neugierde sowie eine selbständige und strukturierte Arbeitsweise
• Deutsch in Wort und Schrift

Bitte bewerben Sie sich mit einem aktuellen Notenspiegel und Lebenslauf.

Durch moderne Computer Vision Verfahren wird die automatisierte Qualitätsprüfung komplexer Systeme immer robuster. Jedoch bedarf das Training der Modelle umfangreiche Trainingsdatensätze. Für alltägliche Objekte wie beispielsweise Autos oder Tiere existieren hierfür eine Vielzahl an Datensätzen und bereits fertig trainierte Modelle. Für industrielle Anwendungen ist die Verfügbarkeit mager. Die Qualität der Ergebnisse in der industriellen Bildverarbeitung hängt jedoch stark von der Qualität und dem Umfang der Trainingsdatensätze ab. Gleichzeitig müssen Daten häufig manuell annotiert und segmentiert werden, was sehr zeitaufwendig und fehleranfällig ist.

Ziel dieser Arbeit ist die Entwicklung eines Systems, zur synthetischen Erstellung von Trainingsdatensätzen für die Automatisierung im Schaltschrankbau. Es sollen 3D-Scans von elektrischen Komponenten aus dem Schaltschrankbau realitätsnah und in unterschiedlichen Konfigurationen (Anordnungen, Beleuchtungen, Hintergründe, …) gerendert werden. Die virtuell erzeugten Bilder sollen dann automatisiert annotiert und segmentiert werden, um in kurzer Zeit einen umfangreichen Trainingsdatensatz erstellen zu können. Neben der Zeitersparnis sorgt dies auch für eine reproduzierbare Qualität der Trainingsdaten beim Einführen neuer Komponenten.

Die ausgeschriebene studentische Arbeit ist Teil des Projekts ProTekt, das die automatisierte optische und elektrische Prüfung von Schaltschränken zum Ziel hat.

Die Arbeit umfasst:

• Recherche zum aktuellen Stand der Forschung im Bereich synthetischer Trainingsdaten
• Erstellung und Vorbereitung der 3D Scans von ausgewählten Komponenten (z.B. mit Keyence 3D Scanner)
• Programmieren des Renderers inkl. automatisierter Anreicherung der Szene durch Variation von:
  Benachbarte Komponenten, Beschriftungen auf den Komponenten, Beleuchtung, Einfügen von Kabeln, … (je nach Möglichkeit/Notwendigkeit/Ergebnissen)
• Programmierung der Software-Pipeline zur Annotation der generierten 2D-Bilder
• Training eines Modells zum Testen des erstellten Datensatzes an realen Komponenten

Voraussetzungen

• Studium im Bereich Maschinenbau / IPEM / WING / Mechatronik / Elektrotechnik o.Ä.
• Solide Programmierkenntnisse – vorzugsweise in Python
• Gutes Verständnis für optische und räumliche Zusammenhänge, Interesse an Computer Vision
• Aber am wichtigsten: Kreativität, Eigenverantwortung und die Lust, verschiedene Möglichkeiten der Umsetzung auszuprobieren

Benefits:

• Hoher Programmieranteil – Arbeit von überall möglich
  (ein paar Termine vor Ort werden nötig sein, um realen Aufbau zu verstehen und die Komponenten zu scannen)
• Arbeiten an einer realen Computer Vision Anwendung aus der Industrie mit Impact
• Freiheit in der Gestaltung der Lösung
• Möglichkeit für Anschlussarbeit oder anschließende Anstellung als HiWi in ähnlichem Themengebiet (Automatisierung, Bildverarbeitung, Robotik, Schaltschrankbau)

Die Arbeit kann in Deutsch oder Englisch geschrieben werden.

Der Roboteraufbau befindet sich am FAPS in Nürnberg “auf AEG”. Gut erreichbar mit den öffentlichen Verkehrsmitteln.

Anfragen bitte per Mail mit aktueller Notenübersicht und Lebenslauf