Implementierung einer Cloud-Edge-Architektur für das Deployment von neuronalen Netzen in der Produktion (BA/PA/MA)

Bildquellen: Siemens, Raspberry Pi

Ausgangssituation

Mit der zunehmenden Leistungsfähigkeit neuronaler Netze sowie der Vielzahl an Daten, die im Zuge der Industrie 4.0 erzeugt werden, bieten sich verstärkt die Methoden des Deep Learning als Möglichkeit der Prozessüberwachung und –kontrolle an. In einem dynamischen Produktionsumfeld, ist der erfolgreiche Einsatz neuronaler Netze besonders durch zwei Charakteristiken geprägt. Zunächst sind insbesondere lange Trainingszeiten ein entscheidender Nachteil und setzen zu deren Bewältigung zentrale Rechenkapazitäten voraus. Auf der anderen Seite ist aufgrund der Einhaltung der Taktzeiten ein anlagennahes Deployment von entscheidender Bedeutung. Diese Anforderungen erfordern demnach eine Edge-Cloud-Architektur, die sowohl das zentrale Training in der Cloud als auch die dezentrale Inferenz abbilden kann.

Aufgabenstellung

Im Rahmen dessen leiten sich verschiedene Aufgabenstellungen ab, die eine prototypische Entwicklung einer Edge-Cloud-Architektur adressieren. Für die Implementierung können hierbei einschlägige Open-Source-Technologien wie Docker, Kubernetes oder GitLab aufgegriffen werden. Der genaue Schwerpunkt kann je nach Vorkenntnissen und Interessen im Zuge eines persönlichen Gesprächs definiert werden. Eine mögliche Aufgabenstellung wäre:

  • Einarbeitung in die Grundlagen des Deep Learning
  • Einarbeitung in Best-Practices des DevOps und MLOps
  • Implementierung einer Cloud-Edge-Architektur oder einzelner Komponenten für das anlagennahe Deployment neuronaler Netze
  • Evaluation der Architektur anhand praktischer Use-Cases

Hinweise zur Bewerbung

  • Interesse an Maschinellem Lernen im industriellen Umfeld
  • Hohe Motivation und Auffassungsgabe und strukturierte Arbeitsweise
  • IT-Affinität sowie Erfahrung in der Python-Programmierung wünschenswert
  • Bewerbungen mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an tim.raffin@faps.fau.de

Ansprechpartner:

Tim Raffin, M.Sc. 

Kategorien:

Forschungsbereich:

Elektromaschinenbau

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Studiengang:

Energietechnik, Informatik, IPEM, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Technologiefeld:

Künstliche Intelligenz und Maschinelles Lernen, Software Engineering und Deployment

Kontakt:

Tim Raffin, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS)