Hintergrund: Aufgrund des hohen Anteils manueller Tätigkeiten und der hohen Variantenvielfalt verwendeter Kabel in der Schaltschrankfertigung können bei der Verkabelung von Schaltschränken leicht Fehler entstehen. Doch auch die automatisierte Verkabelung  muss mit Hilfe eines Überwachungs-Tools zuverlässig überprüft werden können. Eine intelligente und kamerabasierte Anomaliedetektion bietet hierbei die Möglichkeit, Fehler frühzeitig und kosteneffizient zu erkennen und zu beheben.

Ziel der Arbeit: Ziel dieser Arbeit ist es, ein KI-Modell zur Anomaliedetektion zu entwickeln, das Verkabelungsfehler im Schaltschrankbau zuverlässig erkennt. Hierfür ist es relevant, gängige Daten in der Schaltschrankfertigung (wie EPLAN Dateien und Stromlaufpläne) in die Anomaliedetektionsmodelle zu integrieren. Es soll nach Abschluss der Analyse weiter ein Prüfprotokoll für die lückenlose Dokumentation erstellt werden, welches die entdeckten Fehler effektiv visuell kommunizieren kann.

Aufgabenstellung:

  1. Recherche bestehender Lösungen: Untersuchung bestehender Anomaliedetektionstechniken und deren Anwendung.
  2. Datenanalyse und -aufbereitung: Sammlung und Analyse von Daten (Bildern, EPLAN Dateien), die zur Entwicklung des Modells verwendet werden können.
  3. Modellentwicklung: Entwicklung eines KI-Modells zur Erkennung und Klassifikation von Anomalien bei montierten Schaltschränken.
  4. Validierung: Test und Validierung des Modells an realen Beispielen.
  5. Dokumentation und Präsentation: Erstellung einer ausführlichen Dokumentation der entwickelten Methode und Präsentation der Ergebnisse.

Voraussetzungen:

  • Kenntnisse in Bildverarbeitung und Machine Learning
  • Selbstständige und strukturierte Arbeitsweise
  • Programmierkenntnisse in Python
  • Erfahrung im Umgang mit KI-Frameworks (z.B. TensorFlow, Keras) und EPLAN ist von Vorteil

Weitere Hinweise:

  • Startdatum ab sofort möglich
  • Homeoffice möglich
  • Arbeitsumfang kann individuell nach Interessen und Art der studentischen Arbeit gestaltet werden

Bitte bewerben Sie sich mit einem aktuellen Notenspiegel und Lebenslauf.

Kategorien:

Forschungsbereich:

Signal- und Leistungsvernetzung

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Studiengang:

Informatik, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Technologiefeld:

Automatisierte Produktionsanlagen, Künstliche Intelligenz und Maschinelles Lernen

Kontakt:

Oliver Stelter

Wissenschaftlicher Mitarbeiter

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