Elektromotorenproduktion 4.0: Einsatz von Data Analytics und Machine Learning in der Produktion von Elektromotoren (BA/PA/MA/HiWi)

Bildquelle: Valeo Siemens

Ausgangslage:

Die digitale Transformation der Produktion verspricht, die Produktivität im Inland zu steigern und neue Geschäftspotenziale zu erschließen. Das Revolutionäre an Industrie 4.0 (I4.0) ist nicht allein die Digitalisierung der Produkte und ihrer Produktion, sondern die Möglichkeit technische Systeme in Echtzeit zu vernetzen. Die dadurch gewonnenen Daten können mit Methoden des maschinellen Lernens (ML) nutzbringend ausgewertet und daraus neues Wissen generiert werden. Mit zunehmender Rechen- und Speicherleistung durch Cloud Computing, aber auch in lokalen Edge-Geräten lassen sich komplexe Algorithmen, etwa Verfahren des Deep Learnings, zur Prozess- und Qualitätsverbesserung im Produktionsumfeld einsetzen.

Gerade in der Elektromotorenproduktion, die sich durch die Elektromobilität mit steigenden Qualitätsanforderungen, einer erhöhten Komplexität sowie einem hohen Kostendruck konfrontiert sieht, verspricht die Erfassung und intelligente Analyse von Prozess- und Qualitätsdaten einen großen Mehrwert. Bisher befassen sich jedoch nur wenige wissenschaftliche Arbeiten mit den Potenzialen datengetriebener I4.0-Ansätze in der Elektromotorenproduktion. Ziel der vorliegenden Forschungsaktivitäten ist es daher, die Potentiale von I4.0, insb. des Maschinellen Lernens, in der Elektromotorenproduktion gemeinsam mit namhaften Industriepartnern systematisch zu identifizieren und erschließen.

Mögliche Aufgabenstellung:

In diesem Kontext sind je nach Interessengebiet fortlaufend unterschiedliche Aufgabenstellungen für eine Bachelor-, Projekt- oder Masterarbeit zu vergeben. Eine mögliche, beispielhafte Aufgabenstellung wäre:

  • Einarbeitung in Machine Learning anhand von gestellten, interaktiven Online-Kursen
  • Einarbeitung in die hier betrachteten Prozesse der Elektromotorenproduktion
  • Recherche von bestehenden ML-Ansätzen in den betrachteten sowie artverwandten Prozessen
  • Ableiten eines Konzepts für einen ML-Use-Case zur Prozess- bzw. Produktionsoptimierung (z.B. Predictive Maintenance, Condition Monitoring, Predictive Quality)
  • Prototypische Implementierung des Konzepts an einer Demonstratoranlage am Lehrstuhl oder ggfs. beim Industriepartner
  • Dokumentation der Arbeit

Nähere Informationen gerne auf Anfrage im persönlichen Gespräch. Die Bestimmung des konkreten Use Cases erfolgt in Absprache mit dem Betreuer bzw. dem Industriepartner. 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 Elektromotorenproduktion
  • Zielgerichtete Einarbeitung anhand von Vorarbeiten und interaktiven Online-Kursen möglich
  • Ortsflexible und selbstständige Bearbeitung, Termine auch gerne per Webkonferenz
  • 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
  • Bachelor- und Projektarbeiten können im Nachgang auch in eine thematisch passende HiWi-Tätigkeit übergehen

Ansprechpartner:

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

 

Beispielhafte Elektromotorenproduktion von Audi:

Kontakt: