Ausgangslage:
Industrie 4.0 geht mit einer Vielzahl an Technologien einher, die großes Potenzial für die Produktion der Automobile von morgen bieten. Vor allem datengetriebene Ansätze, welche sich der Methoden des Maschinellen Lernens bedienen, rücken zunehmend in den Fokus. Gerade in der Produktion von Bauteilen für Elektrofahrzeuge, sei es Batterien, E-Achsen oder Leistungselektronik, verspricht die Erfassung und intelligente Analyse von Prozess- und Qualitätsdaten einen großen Mehrwert.
Aufgabenstellung:
Im Rahmen dieser Abschlussarbeit soll daher untersucht werden, inwiefern sich Verfahren des Maschinellen Lernens (ML), insb. des Deep Learnings (DL), nutzbringend in der Produktion von Komponenten für Elektrofahrzeuge einsetzen lassen. Aufbauend auf firmeneigenen Voruntersuchungen soll ein beispielhafter Anwendungsfall konzipiert und prototypisch implementiert werden. Die Bearbeitung des Fallbeispiels erfolgt direkt beim Industriepartner BOSCH inkl. entsprechender Aufwandsentschädigung.
Die Abschlussarbeit beinhaltet folgende Arbeitspakete:
- Einarbeitung in die Grundlagen und den Stand der Technik relevanter ML- und DL-Verfahren
- Praktische Umsetzung eines ausgewählten ML/DL-Ansatzes in Anlehnung an das Referenzmodell CRISP-DM unter Verwendung von Python sowie einschlägiger Packages wie scikit-learn, Pandas, PyTorch, Keras/TensorFlow etc.:
- Aufbau eines hinreichenden Prozess- und Datenverständnisses
- Datenaufbereitung
- Implementierung verschiedener ML/DL-Modelle
- Sukzessive Optimierung und Evaluation anhand geeigneter Metriken
- Zusammenfassung, kritische Reflexion und Ableitung von Handlungsempfehlungen zur Weiterentwicklung des Ansatzes
Weitere Angaben zur Aufgabenstellung, dem Industriepartner sowie Aufwandsentschädigung erhalten Sie gerne im persönlichen Gespräch – kontaktieren Sie mich hierzu einfach via E-Mail!
Hinweise und Bewerbung:
- Praxisnahe Forschung beim Industriepartner an der Schnittstelle von Künstlicher Intelligenz und Elektromobilproduktion
- Idealerweise als Masterarbeit; Projektarbeit bei hinreichender Qualifikation möglich
- Strukturierte und selbstständige Arbeitsweise vorausgesetzt
- IT-Affinität vorausgesetzt, idealerweise Vorkenntnisse in der Python-Programmierung sowie ML/DL, zielgerichtete Einarbeitung jedoch anhand von Vorarbeiten möglich
- Bewerbungen bitte per E-Mail mitsamt Lebenslauf und aktuellem Notenauszug an andreas.mayr@faps.fau.de
Ansprechpartner:
