Beschreibung:

In produzierenden Gewerben sind Zeitreihendaten von unschätzbarem Wert für die Prozessüberwachung, Qualitätskontrolle und Fehlererkennung. Allerdings sind solche Daten, insbesondere Daten von Anomalien oder Fehlern, oft knapp und schwer zu erhalten. Der Mangel an ausreichenden Zeitreihendaten, insbesondere von seltenen Ereignissen wie Anomalien oder Fehlern, erschwert das effektive Training von KI-Modellen für die Fehlererkennung und Qualitätskontrolle von Produktionsprozessen. Während Generative Adversarial Networks (GANs) oft mit der Generierung von Bild-, Video- oder Audiodaten in Verbindung gebracht werden, bieten sie auch großes Potenzial für die Erzeugung von synthetischen Zeitreihen im produzierenden Gewerbe.

In dieser studentischen Arbeit liegt der Fokus auf der Forschung und Entwicklung von Möglichkeiten zur Erzeugung synthetischer Zeitreihen mittels künstlicher Intelligenz. Konkret sollen die recherchierten Ansätze daraufhin untersucht werden, wie sie auf Prozesskurven von Crimpautomaten angewandt werden können.

Ziel der Arbeit: 

Das Ziel dieser Arbeit besteht darin, mithilfe von künstlicher Intelligenz realistische synthetische Zeitreihen mit besonderem Fokus auf Anomalien und Fehlern zu generieren, um den Mangel an solchen Daten in produzierenden Gewerben zu überwinden und effektive KI-Modelle für Fehlererkennung und Qualitätskontrolle zu ermöglichen.

Schwerpunkt und Arbeitsinhalte:

• Systematische Literaturrecherche zum Einsatz von KI-Modellen zur Erzeugung synthetischer Zeitreihen
• Recherche, Gegenüberstellung und Evaluation verfügbarer Ansätze
  • GAN-Modelle (Generative Adversarial Networks)
  • VAE-Modelle (Variational Autoencoder)
  • Übertragbarkeit von Architekturen zur Erzeugung von Audio- oder Videodateien (z.B. DeepFakes / Text-to-Speech mit WaveNet)
• Verwendung vorhandenen Prozesskurven (aus Crimpprozessen) zur Anwendung der recherchierten Ansätze
• Evaluation und kritische Betrachtung der Ergebnisse
• Dokumentation der Arbeit

Was Du mitbringen solltest:

• Interesse an den Themen Künstliche Intelligenz und synthetische Daten
• Selbstständige und strukturierte Arbeitsweise, Eigeninitiative und Neugierde
• Programmierkenntnisse in Python von Vorteil, aber nicht zwingend erforderlich
• Vorkenntnisse in Machine Learning von Vorteil, aber nicht zwingend erforderlich
• Sehr gute Deutsch- und/oder Englischkenntnisse

Hinweise und Bewerbung:

• Der Arbeitsumfang und Schwerpunkt der Arbeit können individuell vereinbart werden
• Spezifische Themen können im Anschluss an die Arbeit auch im Rahmen einer Hiwi-Tätigkeit weiterverfolgt werden
• Enge Zusammenarbeit und Austausch mit anderen Studierenden im Bereich KI anhand Gruppenterminen und MS-Teams-Kanal
• Möglichkeit zur Einarbeitung durch bereitgestellte Unterlagen und Videos
• Bei Bedarf steht leistungsstarke Hardware zur Verfügung (Nvidia RTX4090 GPU)
• Teilweise Zusammenarbeit mit Industriepartnern aus der Bordnetzbranche möglich

Schicke mir bei Interesse bitte eine E-Mail mit Lebenslauf und aktuellem Notenspiegel an bernd.hofmann@faps.fau.de

Kategorien:

Kontakt: