Ausgangslage

Wellpappe hat eine zentrale Bedeutung als Ausgangsmaterial für die Verpackung von Gütern und weist ein hohes jährliches Produktionsvolumen i.H.v. 55 Mrd. m² in Europa auf. Die BHS Corrugated Maschinen- und Anlagenbau GmbH ist Technologieführer für Produktionsanlagen zur Herstellung und Verarbeitung von Wellpappe.

Aufgrund der Komplexität der Einflussgrößen im Herstellungsprozess und der damit verbundenen Schwierigkeit der physikalischen Prozessmodellierung, bieten sich datengetriebene Verfahren aus dem Bereich des Maschinellen Lernens (ML) zur Systemidentifikation und -optimierung an.

Mögliche Aufgabenstellungen

Die Qualität der hergestellten Produkte soll mittels datengetriebener Verfahren (Data-driven Control / Machine Learning Control) geregelt werden. Die Modellierungs- und Optimierungsansätze bedürfen stetiger Weiterentwicklung, sowie der Steigerung des Reifegrades in Richtung Operationalisierung. Potentielle Forschungsfragen stellen sich daher unter anderem in den Bereichen:

  • Systemidentifikation via datengetriebener Prozessmodellierung
  • Entwicklung und Optimierung fortgeschrittener Reglerarchitekturen
  • Evaluation der Systemperformance und Aufbau einer Monitoringkomponente
  • Schritte zur Steigerung des Reifegrades in Richtung Operationalisierung

Anforderungen

Je nach Schwerpunkt der Arbeit und vorbehaltlich der Möglichkeit zur Einarbeitung ergeben sich folgende Anforderungen:

  • Programmiererfahrung in Python einschließlich einschlägiger ML-Packages (z.B.: PyTorch (Lightning), sklearn, pandas, streamlit, shiny, MLFlow)
  • Grundkenntnisse gängiger Werkzeuge der Softwareentwickung (z.B.: docker, git)
  • Grundkenntnisse gängiger Werkzeuge der Datenübertragung und -persistierung (z.B.: MQTT,  SQL, NoSQL)
  • Kenntnisse in den Grundlagen der Regelungstechnik und / oder Kontrolltheorie
  • Interesse an Automatisierungstechnik
  • Hohes Sprachniveau in Deutsch oder Englisch in Wort und Schrift
  • Selbstständige und strukturierte Arbeitsweise

Bewerbung

Bewerbungen sind per Mail an till.sindel@faps.fau.de zu richten, mit der Bitte um konkretem Bezug auf die Ausschreibung, einen angehängten Lebenslauf, sowie die aktuelle Fächerübersicht.

Kategorien:

Forschungsbereich:

Automatisierungstechnik

Art der Arbeit:

Masterarbeit

Studiengang:

Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Technologiefeld:

Künstliche Intelligenz und Maschinelles Lernen, Software Engineering und Deployment

Kontakt:

Till Sindel, M.Sc.

Wissenschaftlicher Mitarbeiter im Forschungsbereich Automatisierungstechnik

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