EOL-Test 4.0: Einsatzpotentiale von Machine Learning in der End-of-Line-Prüfung von Elektromotoren (BA/PA/MA)

Bildquelle: thyssenkrupp

Ausgangslage:

Durch die zunehmende Verbreitung der Elektromobilität wird sich die hiesige Automobilindustrie grundlegend verändern. Gerade im Bereich der Elektromotorenproduktion steht Deutschland angesichts des intensiven globalen Wettbewerbs stark unter Druck. Neben innovativer Motorenkonzepten sind insbesondere effiziente, flexibel automatisierte Fertigungsprozesse erforderlich um die Wertschöpfung in Deutschland anhaltend zu sichern.

Die digitale Transformation der Produktion verspricht, die Produktivität im Inland zu steigern und neue Geschäftspotentiale zu erschließen. Das Revolutionäre an Industrie 4.0 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. Dies birgt insb. für die Fehlererkennung in der End-of-Line-Prüfung (EOL) großes Potential.

Aufgabenstellung:

Ziel dieser Abschlussarbeit ist es, die Einsatzpotentiale von ML in der EOL-Prüfung von Elektromotoren zu identifizieren und ggfs. anhand eines einfachen Fallbeispiels praktisch zu evaluieren.

  • Einarbeitung in die Methoden und Tools des maschinellen Lernens anhand interaktiver Online-Kurse
  • Einarbeitung in die Anwendungsdomäne, d.h. die EOL-Prüfung von Elektromotoren
  • Literaturrecherche zur Identifizierung von bestehenden ML-Ansätzen bei der EOL-Prüfung von
    E-Motoren sowie ähnlicher, übertragbarer ML-Ansätze (z.B. beim Condition Monitoring von Motoren)
  • Strukturierte Aufarbeitung geeigneter ML-Ansätze und Erarbeitung eines ganzheitlichen Konzepts zum Einsatz von ML in der EOL-Prüfung von E-Motoren, insb. hinsichtlich der nötigen Prüfstände und Sensorik
  • Ggfs. praktische Evaluierung des Konzepts am lehrstuhleigenen Motorenprüfstand

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 Elektromotorenproduktion
  • Ortsflexible und selbstständige Bearbeitung; IT-Affinität vorausgesetzt; Einarbeitung möglich
  • Beginn, Umfang und genaue Ausrichtung der Arbeit erfolgen nach Absprache und persönlichem Interesse
  • Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an BEIDE Betreuer, d.h. andreas.mayr@faps.fau.de sowie johannes.von_lindenfels@faps.fau.de (in CC)

Ansprechpartner:

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

Johannes von Lindenfels, M.Sc.

 

Kategorien:

Fachbereich:

Elektromaschinenbau

Art der Arbeit:

Bachelorarbeit, Diplomarbeit, Hauptseminar, Masterarbeit, Projektarbeit, Studienarbeit

Studiengang:

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

Technologiefeld:

Intelligente Datenanalyse und Informationssysteme, Medizintechnik, Software Engineering