AI meets E-Mobility: Einsatz von Methoden der Künstlichen Intelligenz zur Optimierung von Fügeverfahren in der Produktion elektrischer Traktionsantriebe (BA/PA/MA; Schwerpunkt: Programmierung)

Bildquellen. BMW, Fraunhofer ILT

Ausgangslage:

Die Fertigung von Elektromotoren, Batterien und induktiven Ladepads verlangt nach effizienten Fügeverfahren zur Herstellung langlebiger Verbindungen. Gerade innovative Verfahren wie etwa das Laser- oder Ultraschallschweißen sind jedoch noch nicht hinreichend erforscht. Denn die Suche nach Zusammenhängen zwischen Prozessparametern und Produkteigenschaften gestaltet sich mit konventionellen Methoden als äußerst langwierig und kostenintensiv. Neuartige Verfahren des Maschinellen Lernens (ML), die dank selbstlernender Mechanismen auch komplexe Muster erkennen, bergen großes Potential. In Rahmen eines industrienahen Forschungsprojekt sollen daher die Potentiale des maschinellen Lernens bei den verschiedenen Fügeverfahren in der Elektromobilproduktion untersucht werden. Der Schwerpunkt liegt hierbei auf den sogenannten Kontaktierungsverfahren, die im Rahmen der Elektromotorenproduktion der Herstellung einer mechanischen und elektrisch leitenden Verbindung dienen.

Mögliche Aufgabenstellung:

In diesem Kontext sind je nach Interessengebiet fortlaufend unterschiedliche Aufgabenstellungen für eine Bachelor-, Projekt- oder Masterarbeit zu vergeben. Der Fokus liegt auf der Datenaufbereitung sowie der programmiertechnischen Umsetzung von ML-Ansätzen:

Lasergeschweißter Hairpin-Stator eines elektrischen Traktionsantriebs (Quelle: Trumpf)

  • Einarbeitung in den Themenkomplex Machine Learning anhand von gestellten, interaktiven Online-Kursen
  • Recherche des Stand der Technik zum maschinellen Lernens bei Fügeprozessen im Kontext der Elektromobilproduktion
  • Ausarbeitung eines Machine-Learning-Ansatzes für das ausgewählte Anwendungsszenario (z.B. Laserschweißen von Hairpin-Statoren für E-Traktionsantriebe)
  • Beispielhafte Implementierung des Konzepts an einer Demonstratoranlage am Lehrstuhl oder beim Industriepartner, inkl. Datenaufnahme, -vorverarbeitung, Modellerstellung und -evaluierung
  • Dokumentation der Arbeit

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 Industrie 4.0 und Elektromobilproduktion
  • Zielgerichtete Einarbeitung anhand von Vorarbeiten und interaktiven Online-Kursen möglich
  • Unterstützung im studentischen Team und Zusammenarbeit mit Projektpartnern aus der Industrie
  • Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an andreas.mayr@faps.fau.de sowie johannes.seefried@faps.fau.de (in CC)

Ansprechpartner:

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

Johannes Seefried, M.Sc.

Beispielhaftes laserbasiertes Kontaktieren von Elektromotoren mit Hairpin-Technologie:

Einsatzfelder des Laserschweißens in der Elektromobilproduktion:

Anfrageformular

Anfrage für: AI meets E-Mobility: Einsatz von Methoden der Künstlichen Intelligenz zur Optimierung von Fügeverfahren in der Produktion elektrischer Traktionsantriebe (BA/PA/MA; Schwerpunkt: Programmierung)

    *
    *
    *







    Kategorien:

    Forschungsbereich:

    Elektromaschinenbau

    Art der Arbeit:

    Bachelorarbeit, Diplomarbeit, Hauptseminar, Masterarbeit, Projektarbeit, Studienarbeit

    Studiengang:

    Energietechnik, Informatik, IPEM, Maschinenbau, Mechatronik, Medizintechnik, Wirtschaftsingenieurwesen

    Technologiefeld:

    Aufbau und Verbindungstechnik, Fertigungsregelung und Intralogistik, Industrie- und Servicerobotik, Künstliche Intelligenz und Maschinelles Lernen, Medizintechnik, Planung und Simulation, Energieeffizienz und Umweltschutz, Software Engineering und Deployment

    Kontakt: