AI for E-Mobility: Einsatz von maschinellen Lernverfahren zur Qualitätsüberwachung beim Laserschweißen von Blechpaketen für elektrische Traktionsantriebe (BA/PA/MA)

Bildquellen: Valeo Siemens, FAPS

Ausgangslage:

Die Anforderungen an die in Elektromotoren verbauten Blechpakete steigen stetig. Gleichsam haben die verwendenden Fertigungsverfahren einen entscheidenden Einfluss auf die Qualität des resultierenden Blechpakets. Gerade innovative Fügeverfahren wie das Laserschweißen sind jedoch noch nicht hinreichend erforscht. Denn die Suche nach Zusammenhängen zwischen Prozessparametern und Blechpaketeigenschaften gestaltet sich mit konventionellen Methoden als äußerst langwierig und kostenintensiv. Neuartige maschinelle Lernverfahren, die dank Lernfähigkeit auch komplexe Muster erkennen, bergen großes Potential.

Mögliche Aufgabenstellung:

Ziel dieser Arbeit ist es, das Potential maschineller Lernverfahren beim Laserschweißen von Blechpaketen zu untersuchen. Die praktische Validierung erfolgt an Blechpaketen für elektrische Traktionsantriebe.

  • Einarbeitung in die Verfahren des Maschinellen Lernens sowie den Prozess des des Laserschweißens von Blechpaketen
  • Aufbereiten des Stands der Technik zum Einsatz maschineller Lernverfahren beim Laserschweißen
  • Durchführung von Versuchen an der lehrstuhleigenen Laserschweißanlage / beim Industriepartner zur Datengewinnung (Prozess-, Bild-, Akustikdaten)
  • Programmiertechnische Umsetzung (u.a. mit Python, Jupyter Notebook, Google Tensorflow)
  • Vergleich und Bewertung verschiedener maschineller Lernverfahren zur Detektion der Schweißnahtqualität auf Basis der gewonnenen Daten
  • Kritische Reflexion des Ansatzes und Handlungsempfehlung für künftige Forschungsaktivitäten sowie den Serieneinsatz beim Industriepartner

Nähere Informationen gerne auf Anfrage im persönlichen Gespräch. Beginn, Umfang und genaue Ausrichtung der Arbeit erfolgen nach Absprache und persönlichem Interesse.

Hinweise und Bewerbung:

  • Forschung an der Schnittstelle zwischen den Trendthemen Künstliche Intelligenz und Elektromotorenproduktion
  • Zielgerichtete Einarbeitung anhand von Vorarbeiten und interaktiven Online-Kursen möglich
  • Einbindung in ein praxisnahes Forschungsprojekt in Kooperation mit der Automotive-Industrie
  • Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an marco.ziegler@faps.fau.de sowie andreas.mayr@faps.fau.de (in CC)

Ansprechpartner:

Marco Ziegler, M.Sc.

Andreas Mayr, M.Sc., M.Sc.

Bildquelle: SWD AG