BA/PA/MA – Potentialanalyse / Implementierung eines Machine Learning Modells im Bereich Vakuum-basierter Beschichtungsprozesse basierend auf industriellen Zeitreihen-Daten

Magnetron sputtering system (magnetron) by Inmodus licensed under https://creativecommons.org/licenses/by-sa/3.0/deed.en
28. September 2023

Ausgangssituation:

Die Forschung zur Anwendbarkeit des maschinellen Lernens in der Industrie konzentriert sich häufig auf spezifische Anwendungen (Prädiktive Instandhaltung, Qualitätssicherung, Prozesssteuerung, etc.) und/oder spezifische Prozesse/Prozessklassen. Eine mögliche Prozessklasse die man untersuchen kann sind Vakuum-basierte Beschichtungsprozesse. Diese finden Anwendung in einer Vielzahl von zukunftsträchtigen Branchen und einem breiten Feld von Produkten, wie z.B. Halbleitern, Solarzellen, optischen Beschichtungen, uvm.

Representation of a coating from the group of physical vapor deposition (PVD) by Dipl-ing-metaller under CC BY-SA 3.0

Keywords:
Machine Learning, Deep Learning, time-series, Vacuum deposition, Physcial Vapor Deposition (PVD), thin-film coatings

 

Aufgabenstellungen:

Ziel der Arbeit ist die Untersuchung der Einsatzmöglichkeiten von State-Of-the-Art Konzepten und Modellen des maschinellen Lernens auf industriellen Zeitreihen, insb. aus Vakuum-Beschichtungsprozessen, für verschiedene Anwendungsfälle. Je nach Umfang der Arbeit (BA/PA/MA) und Präferenzen, wäre eine mögliche Aufgabenstellung:

  • Fachliche Einarbeitung und Darstellung des Stands der Forschung bezogen auf multivariate industrielle Zeitreihen zur Produkt-Qualitätsvorhersage und Prozessteuerung
  • Identifikation und Beschreibung aktueller Attention-Mechanismen sowie Evaluation des Potentials der Anwendbarkeit auf industrielle Zeitreihen
  • Entwicklung eines Machine Learning/Deep Learning-Modells basierend auf den gewonnenen Erkenntnissen der vorangegangen Einarbeitung
  • Evaluation des Modells anhand verschiedener, öffentlich verfügbarer industrieller Zeitreihendaten

 

Anforderungsprofil und Informationen zur Bewerbung:

  • Interesse an Maschinellem Lernen im industriellen Umfeld, idealerweise bereits erste Erfahrungen
  • Hohe Motivation, Auffassungsgabe sowie strukturierte Arbeitsweise und gute Kommunikationsfähigkeiten
  • IT-Affinität und gute Kenntnisse mind. einer Hochsprache (idealerweise Python) wünschenswert
  • Bearbeitungsbeginn ab sofort möglich
  • Umfang und Inhalte je nach Arbeit (BA/PA/MA) und Präferenzen individuell abstimmbar
  • Bewerbungen bitte mit CV und aktueller Fächer/Notenübersicht per Mail an unten genannten Kontakt

Kategorien:

Forschungsbereich:

Automatisierungstechnik

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Studiengang:

Energietechnik, Informatik, IPEM, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Technologiefeld:

Künstliche Intelligenz und Maschinelles Lernen, Software Engineering und Deployment

Kontakt:

Alexander Müller, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)