Ausgangssituation:
Mit steigenden Bedarfen an Elektromotoren gehen höhere Anforderungen an den Automatisierungsgrad in der Fertigung dieser einher. Während einfache Fehlerbilder teils über herkömmliche oder regelbasierte Verfahren erkannt werden können, ist dies bei komplexen Fehlern nicht mehr möglich. Stattdessen versprechen Verfahren basierend auf Deep Learning große Potentiale zur Fehlerbilderkennung. Da dieses neue Programmierparadigma anders als in der herkömmlichen Programmierung auf bereits vorhandene Daten angewiesen ist, jedoch für fertigungsspezifische Prozesse weitestgehend keine Datensätze vorhanden sind, ist eine effiziente und strukturierte Datengenerierung flexibler Bauteile von hoher Bedeutung. Eine methodische Vorgehensweise zur Erfassung und dann strukturierten manuellen Erstellung spezifischer Fehlerbilder ist deshalb von elementarer Bedeutung um perspektivisch unterrepräsentierte und schwer zu erkennende Fehlerbilder zu erzeugen.
Aufgabenstellung:
Ziel der studentischen Arbeit ist die Entwicklung eines Baukasten-Systems sowie einer methodischen Vorgehensweise zur gezielten Generierung von fehlerhaften und korrekten räumlicher Montagebaugruppen.
- Literaturrecherche zu möglichen Fehlerbildern von räumlichen Baugruppen
- Entwicklung einer Methodik zur gezielten Nachstellung dieser Fehlerbilder
- Erstellung fehlerhafter Montagebaugruppen (fehlende und schrägstehende Schrauben, Verunreinigungen, Oberflächenschädigungen etc.)
- Validierung des Prinzips zur Nachstellung von Fehlern an Elektromotoren, Hydraulik- oder Pneumatik-Pumpen
Nähere Informationen sowie Beginn und Umfang der Arbeit können im Rahmen eines persönlichen Gesprächs besprochen werden. Eine Konkretisierung des Themas erfolgt nach Absprache der persönlichen Interessen.
Hinweise zur Bewerbung:
- Hohe Motivation, Neugierde sowie strukturierte Arbeitsweise
- Hands-On Mentalität beim Aufbau des Systems
- Deutsch oder Englisch in Wort und Schrift von elementarer Bedeutung
- Bewerbungen mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an benedikt.scheffler@faps.fau.de
Ansprechpartner: