Machine Learning: Entwicklung einer Methodik zur Datenauswahl in der Variantenfertigung

Motivation und Ausgangssituation:

Die Entwicklung der Industrie wird immer dynamischer. Dies ist unter anderem durch eine zunehmende Individualisieriung der Produkte ersichtlich. Um diese zunehmende Komplexität zu beherrschen kommt es immer weiter zu einer Verschmelzung der Produktion mit Informationstechnologien und einer Erfassung der Produktionsdaten in Echtzeit. Dies mehrt die Potentiale von Data Analytics Anwendungen, um den in den aufgezeichneten Daten enthaltenen Informationsgehalt zu gewinnen und Wissen zu generieren. Insbesondere Verfahren des maschinellen Lernens (ML) finden verstärkt Anwendung.

Grundlage für erfolgreiche ML Anwendungen, welche insbesondere komplexere Muster in Datenmengen entdecken können, ist eine ausgewogene, möglichst große Datenbasis zum Untersuchungsobjekt. Die hohe Varianz und schnelllebeigkeit der Prozessanwendungen können somit die Potentiale von ML-Anwendungen einschränken. Es gilt daher zu untersuchen, welche Prozesse zum Training von ML-Modellen zusammengefasst werden und wie diese eingebracht werden sollten.

Zielsetzung und mögliche Aufgabenpakete:

Ziel ist die Untersuchung der Herausforderungen für ML-Anwendungen für Fertigungsprozesse in der Einzel- und Varientenfertigung. Darauf Aufbauend ist eine Methodik zur Auswahl der Trainingsdaten in der Einzel- und Variantenfertigung zu entwickeln.

  • Literaturrecherche zu ML in der Einzel- und Varientenfertigung
  • Analyse der Herausforderungen von ML-Anwendungen zur Analyse von Fertigungsprozessen in der Fertigung
  • Entwicklung einer Methodik zur Datenauswahl und zum Trainingsprozess von ML-Modellen

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: