Externe Masterarbeit: Einsatz von maschinellen Lernverfahren in der Produktion von Getrieben für elektrische Antriebssysteme

Bildquelle: Reilhofer

Ausgangslage:

Industrie 4.0 geht mit einer Vielzahl an Technologien einher, die großes Potential für die Getriebeproduktion von morgen bieten. Vor allem datengetriebene Ansätze, welche sich der Methoden des Maschinellen Lernens (ML) bedienen, rücken zunehmend in den Fokus. ML-Verfahren geben Computern die Fähigkeit zu lernen, ohne explizit darauf programmiert zu sein.

Aufgabenstellung:

Im Rahmen dieser Abschlussarbeit soll untersucht werden, inwiefern sich maschinelle Lernverfahren nutzbringend in der Produktion von Getrieben für elektrische Antriebssysteme einsetzten lassen. Die prinzipielle Machbarkeit eines ausgewählten Konzepts ist anhand eines Fallbeispiels zu demonstrieren. Die Bearbeitung erfolgt beim Industriepartner vor Ort inkl. entsprechender Aufwandsentschädigung.

Die Abschlussarbeit beinhaltet folgende Arbeitspakete:

  • Einarbeitung in die relevanten Grundlagen des Data Engineerings, einschlägiger ML-Verfahren, sowie der Produktion von Getrieben
  • Analyse des Ist-Zustands der Produktion des Industriepartners und Ableiten eines Konzepts zum Einsatz maschineller Lernverfahren
  • Praktische Umsetzung des erarbeiteten Konzepts in Anlehnung an das bewährte Referenzmodell CRISP-DM
    • Ggf. Anbringung zusätzlicher Sensoren
    • Datenaggregation und Datenaufbereitung
    • Modellierung und Evaluierung
  • Formulierung von Handlungsempfehlungen zur Weiterentwicklung des Ansatzes

Weitere Angaben zur Aufgabenstellung, dem Industriepartner sowie zur Aufwandsentschädigung erhalten Sie gerne im persönlichen Gespräch – kontaktieren Sie uns hierzu einfach via E-Mail!

Hinweise und Bewerbung:

  • Praxisnahe Forschung beim Industriepartner an der Schnittstelle von Industrie 4.0 und Getriebeproduktion
  • Strukturierte und selbstständige Arbeitsweise vorausgesetzt
  • IT-Affinität vorausgesetzt, zielgerichtete Einarbeitung jedoch anhand von Vorarbeiten möglich
  • Bewerbungen bitte per E-Mail mitsamt Lebenslauf und Zeugnissen an BEIDE Betreuer, d.h. andreas.mayr@faps.fau.de und dominik.kisskalt@faps.fau.de (in CC)

Ansprechpartner:

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

Dominik Kißkalt, M.Sc.

Kategorien:

Forschungsbereich:

Elektromaschinenbau

Art der Arbeit:

Bachelorarbeit, Diplomarbeit, Hauptseminar, Masterarbeit, Projektarbeit, Studienarbeit

Studiengang:

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

Technologiefeld:

Fertigungsregelung und Intralogistik, Industrie- und Servicerobotik, Künstliche Intelligenz und Maschinelles Lernen, Medizintechnik, Planung und Simulation, Software Engineering und Deployment