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

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 Forschungsprojekts sollen daher die Potentiale maschineller Lernverfahren bei 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. Als Beispiel ist hier das Laserschweißen von Hairpin-Wicklungen zu nennen.

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 die Verfahren und Tools des Machine Learnings, insb. Deep Learnings (DL), anhand von gestellten, interaktiven Online-Kursen
  • Recherche des Stands der Technik zum Einsatz von ML bzw. DL bei den hier betrachteten Fügeprozessen
  • Ausarbeitung eines ML/DL-Ansatzes für ein ausgewähltes Anwendungsszenario (z.B. Predictive Quality beim Laserschweißen von Hairpin-Statoren für E-Traktionsantriebe)
  • Erprobung des Konzepts an einer Demonstratoranlage am Lehrstuhl (oder ggf. beim Industriepartner) in Anlehnung an den CRISP-DM:
    • Datengewinnung und -aufbereitung
    • Erstellung, Optimierung und Vergleich verschiedener ML/DL-Modelle
  • Kritische Diskussion des Ansatzes und Ausblick auf Weiterentwicklungsmöglichkeiten

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 mitsamt Lebenslauf und aktueller Fächerübersicht über das unten stehende Anfrageformular (grüner Button)

Ansprechpartner:

Tim Raffin, M.Sc.

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

Beispielhaftes laserbasiertes Kontaktieren von Elektromotoren mit Hairpin-Technologie:

Einsatzfelder des Laserschweißens in der Elektromobilproduktion:

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, Handhabungstechnik, Künstliche Intelligenz und Maschinelles Lernen, Medizintechnik, Planung und Simulation, Energy and Ecology, Software Engineering und Deployment