Ausgangssituation:
Das Spritzgussverfahren ist branchenübergreifend eines der wichtigsten Fertigungsverfahren zur kosteneffizienten Produktion großer Stückzahlen von Bauteilen. Moderne Spritzgussmaschinen weisen vielfältige Sensoren zur Erfassung von Betriebsdaten auf. Standardisierte Kommunikationsprotokolle (OPC UA, MQTT) erlauben die einfache Integration weiterer Sensorik zur vollumfänglichen digitalen Abbildung des Maschinenbetriebes. Zur Auswertung der erfassten Daten stehen Methoden des maschinellen Lernens zur Verfügung. Diese lassen automatisiert Rückschlüsse auf die Prozess- und Produktqualität, ohne einer aufwendigen Interaktion mit den menschlichen Anwendern zu. Sie erlauben des Weiteren die Erzeugung von Prognosen über die Entwicklung von Messwerten, welche die Grundlage zur Realisierung einer bedarfsgerechten Wartung (Predictive Maintenance) oder Anpassung von Prozessparametern (Predictive Quality) darstellen.

Bei Spritzgussmaschinen kommen Messgrößen wie bspw. Forminnendruck, Dosierzeit, Temperatur oder Kühlwasserdurchflussmenge standardmäßig eine besondere Bedeutung zu. Hinzu kommt mit modernen Systemen der Körperschall. Geeignet ausgewertet, können diese Parameter die Grundlage zur Effizienzsteigerung des Maschinenbetriebs darstellen.

Keywords:
I 4.0, Predictive Maintenance, Predictive Quality, Injection Moulding, Machine Learning, Process Engineering & Monitoring, Acoustic Sensor, Deep Learning

Aufgabenstellungen:

• Analyse des Spritzgussprozesses an einer ausgewählten Maschine, der IT-Systeme zur Steuerung und Datenerfassung sowie vorausgegangener Arbeiten zum Thema
• Vergleich zwischen beobachteten physikalischen Effekten und den Signaländerungen
• Modellierung und Umsetzung von Methoden des maschinellen Lernens (ML) zur Vorhersage von Effekten mit dem Ziel der Effizienzsteigerung
• Entwicklung einer prototypischen Applikation inkl. graphischer Benutzeroberfläche zur Nutzung der ML-Methoden durch Endanwender
• Wirtschaftlichkeitsbetrachtung
• Prototypische Validierung des erarbeiteten Lösungsansatzes
• Dokumentation der Arbeit

Anforderungsprofil:

• Student der Fachrichtung Ingenieurwissenschaften
• Programmierkenntnisse in einer Hochsprache (z.B. Python, C++, C#, Java, Matlab)
• Kenntnisse der physikalischen Grundlagen von Sensoren und Signalverarbeitung
• Gute Kommunikationsfähigkeit
• Verhandlungssicheres Englisch in Wort und Schrift

Sonstiges:
Die Bearbeitung erfolgt in Zusammenarbeit mit einem Industriepartner.

Kategorien:

Kontakt: