Industrie 4.0: datengetriebene Produktions- und Prozessoptimierung in der Montage

Ausgangssituation:
Im Zuge von Industrie 4.0 generieren vernetze Anlagen und intelligente Produkte immer größer werdende Datenmengen.
Mit statistischen Methoden sowie maschinellen Lernverfahren ist es möglich, diese Daten gewinnbringend zu analysieren und daraus Wissen zu generieren.

Aufgabenstellung:
Ziel der Arbeit ist die Anwendung und Bewertung von maschinellen Lernverfahren hinsichtlich eines spezifischen Montageprozesses oder gesamter Produktionslinien.
Es soll die Eignung verschiedener Datenmodellierungs-und Analysemethoden zur Steigerung des Prozesswissens und der Prozessoptimierung untersucht werden.

Das genaue Anwendungsfeld wird im Rahmen eines Kennenlerngesprächs gemeinsam festgelegt und im Rahmen einer genauen Aufgabenbeschreibung anschließend festgehalten.

Übergeordnete Arbeitspakete:

  • Einarbeitung in die Grundlagen des maschinellen Lernens anhand eines Online-Kurses
  • Konzipierung und Entwicklung von maschinellen Lernverfahren zur Aufdeckung von Prozessmustern und Prozessklassifikation, zur Prozessoptimierung
  • Evaluation und kritische Betrachtung der Ergebnisse

Hinweise zur Bewerbung:

  • Interesse an Machinellen Lernverfahren in der Industrie
  • Schnelle Auffassungsgabe und eigenständige Arbeitsweise
  • Bewerbung bitte mit aktuellem Notenspiegel und Lebenslauf als PDF an Moritz Meiners.

 

Kategorien:

Fachbereich:

Bordnetze

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit, Studienarbeit

Studiengang:

Energietechnik, Informatik, IPEM, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Kontakt: