Index

Initial Situation

n the course of digitalization, extensive datasets, especially in complex manufacturing systems, have established themselves as an indispensable resource. These sectors, equipped with terabytes of measurement and process data, are on the verge of realizing their full potential through the use of advanced data processing technologies. Complex electronics manufacturing, characterized by high degrees of automation and advanced communication standards, offers optimal conditions for applying sophisticated analytical methods.

In this context, the latest developments in large language models (LLMs) and agent systems offer considerable opportunities for enhancing analytical capabilities. While conventional machine learning approaches often focus on correlations, more advanced analytical methods enable deeper understanding of relationships in production systems. The combination of LLMs with these advanced techniques could not only predict quality issues and production disruptions but identify their root causes more effectively.

Especially in manufacturing industries facing skilled worker shortages, automating complex analytical processes through LLMs and agents can contribute significantly to problem-solving. These systems can be trained on both general machine data and specific process knowledge, thereby reducing implementation barriers for advanced analytics in production environments.

Keywords

Advanced Analytics, LLM-based Automation, Agent Systems, Product Quality, Digital Root Cause Analysis

Task Description

Our research aims to explore how workflows for advanced analytics can be enhanced through LLMs and agent systems and evaluate their application in complex manufacturing. A specific use case is investigating methods to deploy LLMs as intelligent assistants for automated modeling of production processes. This should enable more effective analysis and resolution of quality issues and production disruptions. In this context, various student theses (e.g., literature research, conceptualization, modeling) are possible.

Potential Work Packages

Potential work packages are envisaged, which can be flexibly adjusted depending on the specific task and within the scope of the work:

• Familiarization with relevant fundamentals of advanced analytics, large language models and agent systems
• Definition of research questions around workflow automation
• Conducting literature review on analytical methods in manufacturing
• Using open-source LLMs to enhance analytical processes and fine-tuning on specific datasets
• Development and implementation of LLM-based agents for process modeling
• Evaluation and critical examination of results regarding robustness and implementation effort
• Complete documentation of the work (PPT, Word, Miro, etc.)

Requirements

• Passion for the subject area
• High motivation and commitment
• Very good knowledge of German or English
• Structured and independent way of working
• Teamwork
• Basic knowledge in machine learning and/or statistical methods advantageous

Miscellaneous

• Application-oriented research in cooperation with the industrial partners.
• The work can be done entirely from home office if desired.
• The workload can be adjusted depending on the type of work (PA/MA/AI).

Applications

Please send applications with CV and current overview of subjects by email to Sven.Meier@faps.fau.de (no cover letter or letter of motivation required). For further information about the scope and precise orientation of the work, I am available for a personal conversation.

 

Ausgangssituation:

Einen vielversprechenden Ansatz zur additiven, ressourcen- und energieschonenden Herstellung leistungselektronischer Baugruppen bietet das selektive Laserstrahlschmelzen (SLM) von auf keramischen Substraten aufgebrachten Metallpulvern zur Funktionalisierung des Schaltungsträgers. Die Kombination der Vorteile des Laserstrahls, wie dem gezielten Energieeintrag oder der feinen Strukturbreite und der einfachen Handhabung, ermöglichen eine Flexibilisierung der Leiterbildstruktur, Minimierung der Strukturfeinheiten bei gleichzeitiger Option großflächige Strukturen zu generieren und birgt darüber hinaus die Möglichkeit einer 2,5D Funktionalisierung. Bei der Metallisierung von keramischen Substraten durch den laserbasierten Aufbau von Pulver gibt es allerdings auch technologische Hürden wie die Rissbildung in der Keramik in Folge der hohen thermischen Gradienten oder der Verzug des keramischen Grundmaterials. Daher sollen in der Arbeit konventionelle Aktivlote auf Silber- und Kupferbasis durch geeignete Legierungselemente angepasst werden, sodass möglichst dünne und homogene Metallisierungenmit geringer Schädigung der Keramik resultieren.

Aufgabenstellung:

Im Rahmen der Arbeit sollen daher Kupfer-Titan-Pulver unterschiedlicher prozentualer Zusammensetzung durch selektives Laserstrahlschmelzen verarbeitet und hinsichtlich ihrer metallurgischen, mechanischen und elektrischen Eigenschaften charakterisiert werden. Dabei ist der Einfluss unterschiedlicher Prozessgrößen (Laserleistung, Schraffurabstand oder Verfahrgeschwindigkeit) auf das Prozessergebnis (relative Dichte, elektrische Leitfähigkeit, Härte) zu ermitteln. Des Weiteren soll der Einfluss unterschiedlich parametrierter Wärmebehandlungen auf die Werkstoffeigenschaften ermittelt werden.

• Recherche zum Fügen von Metall und Keramik anhand des Aktivlöten und literaturbasierte Auswahl angepasster Legierungen
• Praktische Belichtungsstudien von ausgewählten Pulversysteme auf keramischen Substraten mittels des SLM
• Charakterisierung der generierten Proben hinsichtlich mechanischer, metallurgischer und elektrischer Eigenschaften
• Dokumentation der Arbeit

Beginn:

Der Umfang kann entsprechend der zu verfassenden Arbeit angepasst werden. Bitten wenden Sie sich bei Interesse mit kurzem Lebenslauf und vollständiger Notenübersicht per Mail an christoph.hecht@faps.fau.de
Aufgrund praktischer Arbeiten an Laseranlagen ist ein hohes Maß an Deutschkenntnissen gefordert!

Ausgangssituation:

Scannergeführte Laserstrahlung ist ein effizientes Mittel, um Oberflächeneigenschaften schnell und ortsaufgelöst modifizieren zu können. Neben der Strukturierung der Funktionsmaterialien können auch Verunreinigungen und Oxdischichten durch Ablation ohne signifikanten Wärmeeintrag abgetragen werden. Die Anwendung von Laserstrahlung ist daher eine flexibel anwendbare Alternative zu aktuell etablierten nasschemischen Reinigungs- und Aktivierungprozessen von Oberflächen in der Elektronikproduktion, welche neben einer besseren Umweltverträglichkeit auch eine Antwort auf die steigende Variantenvielfalt elektronischer Baugruppen sein kann.

Aufgabenstellung:

In der Arbeit soll der gezielte Laserabtrag von Verunreinigungen und Oxidschichten auf Leiterplatten sowie die Lötbarkeit der laserbearbeiteten Oberflächen in Abhängigkeit einer Alterung zwischen Laserbearbeitung und Weichlötprozess untersucht werden. Das Ziel ist hierbei die Oberflächeneigenschaften gezielt einstellen zu können, sodass die Benetzung des Lotes auf der Oberfläche kontrolliert angepasst werden kann.  Zur Laserbearbeitung steht unter anderem ein gepulster Ytterbium-dotierter-Faserlaser mit Scanner  zur Verfügung. Die Lötuntersuchungen finden an einer Selektivwellenlötanlage sowie einem Konvektionsofen mit Stickstoff- und Vakuumoption statt, um die Anwendbarkeit der Laserbearbeitung für Baugruppen in THT- und SMT-Montage zu untersuchungen.

Arbeitsschwerpunkte:

• Erarbeitung des Standes der Technik zur Laserbearbeitung von Oberflächen im Kontext des Weichlötens in der Elektronik
• Praktische Parameterstudien zum gezielten Laserabtrag von Oxidfilmen auf Lötflächen in der Elektronik
  • SMT-Pads
  • Metallisierte Vias
• Benetzungsstudie zum selektiven Wellenlöten von THT- sowie zum Reflowlöten von SMT-Bauelementen mit Betrachtung der Degeneration lasergenerierter Eigenschaften durch Einflüsse in der Produktionsumgebung (Alterungsstudie)
• Charakterisierung der lasergenerierten Oberflächeneigenschaften sowie der resultierenden Lötverbindungen
• Dokumentation der Arbeit

Die Untersuchungen finden am Standort Auf AEG in Nürnberg statt. Bitten wenden Sie sich bei Interesse mit kurzem Lebenslauf und vollständiger Notenübersicht per Mail an christoph.hecht@faps.fau.de

Ausgangssituation

Im Zuge der Digitalisierung sind konsistente Datensätze längst zu einer wertvollen Ressource geworden. Besonders im Produktionsbereich stehen oft Terabyte an verschiedenen Messwerten und Prozessdaten zur Verfügung. In Kombination mit Methoden der intelligenten Datenverarbeitung wie Machine Learning lassen sich damit große, wirtschaftliche Hebel erzeugen.

Besonders die Branche der Elektronikfertigung ist geprägt durch einen umfassenden Automatisierungsgrad und weitreichende Kommunikationsstandards, wodurch der Grundstein für den Einsatz maschineller Lernverfahren gelegt ist. Durch umfassende Prüfprozesse wird in der Elektronikfertigung eine exzellente Produktqualität im einstelligen dpm-Bereich erzielt. Erhöhte Durchlaufzeiten, hohe Investitionskosten und erhöhter Platzbedarf stellen jedoch die Kehrseite der Medaille dar.

Keywords

Data Science, Big Data, Artificial Intelligence, Machine Learning, IIoT, Cybersecurity

Potentielle Arbeitspakete

• You will evaluate the effectiveness of microlearning for cybersecurity training of blue-collar workers
• You will conduct empirical research within the modern electronics production in our manufacturing network
• You will support us in 1) executing an experimental design, 2) gather interview, test and performance data, 3) analyze the data with adequate qualitative and quantitative research methods and statistical tools
• You will work closely with experts from Product and Solutions Security, IT and Production Engineering
• Based on your analysis and insights, you will identify scaling and harmonization potentials across the manufacturing network
• Your thesis will significantly contribute to innovating and digitizing cybersecurity training.

Voraussetzungen

• You are enrolled in a technical course of study at a German university
• Ideally, you have experience in scientific research and possess advanced statistical data analysis skills (for example, in SPSS, Minitab, Jamovi, JASP)
• If you are interested in new approaches to cybersecurity training of employees in a manufacturing environment, you are our ideal candidate
• Personally, you are characterized by a high willingness to learn and the ability to quickly grasp complex topics
• You have a high degree of self-motivation
• You have at least a good command of English, both written and spoken. German language skills are welcome

Beginn

• Ab sofort und jederzeit möglich

Sonstiges

• Anwendungsbezogene Forschung direkt beim Industriepartner Siemens in Amberg
• Bearbeitung der Arbeit kann jedoch größtenteils im Home-Office erfolgen
• Der Arbeitsumfang kann je nach Art der Arbeit (BA/PA/MA) angepasst werden

Bewerbung

• Bewerbung mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an Maximilian Wittmann (kein Anschreiben oder Motivationsschreiben erforderlich)
• Nähere Informationen über Umfang und genaue Ausrichtung der Arbeit gerne im persönlichen Gespräch

Ausgangssituation

Im Zuge der Digitalisierung sind konsistente Datensätze längst zu einer wertvollen Ressource geworden. Besonders im Produktionsbereich stehen oft Terabyte an verschiedenen Messwerten und Prozessdaten zur Verfügung. In Kombination mit Methoden der intelligenten Datenverarbeitung wie Machine Learning lassen sich damit große, wirtschaftliche Hebel erzeugen.

Besonders die Branche der Elektronikfertigung ist geprägt durch einen umfassenden Automatisierungsgrad und weitreichende Kommunikationsstandards, wodurch der Grundstein für den Einsatz maschineller Lernverfahren gelegt ist. Durch umfassende Prüfprozesse wird in der Elektronikfertigung eine exzellente Produktqualität im einstelligen dpm-Bereich erzielt. Erhöhte Durchlaufzeiten, hohe Investitionskosten und erhöhter Platzbedarf stellen jedoch die Kehrseite der Medaille dar.

Keywords

Data Science, Big Data, Artificial Intelligence, Machine Learning, IIoT, Cybersecurity

Potentielle Arbeitspakete

• You will ensure that our modern electronics production in our manufacturing network is not only digital, but also highly secure
• You will complement our current cybersecurity logging and monitoring strategy by harnessing the power of artificial intelligence (AI)
• Following in-depth requirements engineering, you will develop large language models (LLMs) for improving the security of critical manufacturing clients in one plant of our DI FA MF network
• You will work closely with experts from Product and Solution Security, Information Technology and Production Engineering
• You will assess the potential of your solution for scaling it across our manufacturing network
• In this way, you will make a significant contribution to the defense-in-depth strategy and proactively reduce attack vectors in our electronics production

Voraussetzungen

• You are enrolled in a technical course of study at a German university
• You have experience in cybersecurity (IT/OT), AI and/or requirements engineering
• You are interested in productivity-supporting cybersecurity solutions in a manufacturing environment
• If you have knowledge of large language models, you are our ideal candidate
• Personally, you are characterized by a high willingness to learn and the ability to quickly grasp complex topics
• You have a high degree of self-motivation
• You have at least a good command of English, both written and spoken. German language skills are welcome

Beginn

• Ab sofort und jederzeit möglich

Sonstiges

• Anwendungsbezogene Forschung direkt beim Industriepartner Siemens in Amberg
• Bearbeitung der Arbeit kann jedoch größtenteils im Home-Office erfolgen
• Der Arbeitsumfang kann je nach Art der Arbeit (BA/PA/MA) angepasst werden

Bewerbung

• Bewerbung mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an Maximilian Wittmann (kein Anschreiben oder Motivationsschreiben erforderlich)
• Nähere Informationen über Umfang und genaue Ausrichtung der Arbeit gerne im persönlichen Gespräch

Das Projekt “ZOMATION” zielt darauf ab, einen Konfigurator zu entwickeln, der automatisiert Optionen für die Modularisierung von Kabelsatzdesigns im Nutzfahrzeug entwirft. In diesem Kontext werden Design-for-Modularisation-Regeln und Optimierungsalgorithmen erarbeitet und modelliert, um verschiedene Konfigurationen hinsichtlich Kosten, Materialverwendung und CO2-Fußabdruck zu optimieren. Das Projekt ist eine Kooperation zwischen der LEONI Bordnetz-Systeme GmbH und dem Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik der Friedrich-Alexander-Universität Erlangen-Nürnberg und bietet einen tiefen Einblick in die Schnittstellen von Fahrzeugelektronik, Produktentwicklung und Automatisierungstechnik.

Ihre Aufgaben

• Durchführung einer Ist-Analyse der bestehenden Entwicklungsprozesse bei der Kabelstrangentwicklung. Hierfür kann auf Experteninterviews oder auf vorhandene Wissensdatenbanken zurückgegriffen werden.
• Identifikation und Dokumentation der verwendeten Tools, Datenstandards und Schnittstellen
• Entwicklung eines detaillierten Prozessdiagramms, das alle relevanten Aspekte des Entwicklungsprozesses abbildet
• Präsentation der Ergebnisse und Ableitung von Optimierungspotenzialen in einer wissenschaftlichen Arbeit

Ihr Profil

• Eingeschrieben an der technischen Fakultät der FAU
• Interesse an Produktentwicklung und Prozessoptimierung im Automotive-Bereich
• Analytische Fähigkeiten und eine selbstständige Arbeitsweise
• Erfahrung im Umgang mit Prozessmodellierungstools von Vorteil
• Gute Kommunikationsfähigkeiten in Deutsch und Englisch

Wir bieten

• Eine praxisnahe und vielseitige Thematik an der Schnittstelle zwischen Industrie und Forschung
• Intensive Betreuung und Unterstützung durch erfahrene Wissenschaftler
• Zugang zur Industrie und realen Entwicklungsprozessen

Bitte richten Sie Ihre Bewerbung mit tabelarischem Lebenslauf, relevanten Zeugnissen und einem kurzen, prägnanten Anschreiben an Jann Warnecke (jann.warnecke@faps.fau.de).

Ausgangssituation:

Scannergeführte Laserstrahlung ist ein effizientes Mittel, um Oberflächeneigenschaften schnell und ortsaufgelöst modifizieren zu können. Neben der Strukturierung von Funktionsoberflächen können auch Verunreinigungen durch Ablation ohne signifikanten Wärmeeintrag abgetragen werden. Die Anwendung von Laserstrahlung bietet daher eine flexibel anwendbare Möglichkeit Oberflächeneigenschaften elektronischer Bauteile örtlich hoch aufgelöst einstellen zu können, welche neben einer besseren Umweltverträglichkeit auch eine Antwort auf die steigende Variantenvielfalt elektronischer Baugruppen sein kann.

Aufgabenstellung:

Um die Oberzustände in der Elektronikproduktion gezielt einstellen zu können, sollen in dieser Arbeit Prozessmodelle erarbeitet werden, welche die Effekte der Stellgrößen (Laserfluenz, Spurbreitenabstand, Pulsabstand, Wellenlänge, etc.)  auf die Oberflächeneigenschaften abbilden. Hierzu sind in einer Literaturrecherche Prozessmodelle zu recherchieren und zu bewerten. Entsprechende Modelle sollen anschließend in einem Berechnungstool parametriert implementiert, basierend auf Literaturwerten erprobt sowie anhand praktischer Belichtungsstudien validiert werden. Die praktischen Studien werden dabei auf Kupferoberflächen von gewalzten Blechen und leistungselektronischen Metall-Keramik-Substraten (DCBs) durchgeführt.

Arbeitsschwerpunkte:

• Recherche, Bewertung und Auswahl von Prozessmodellen zur Beschreibung der Laserbearbeitung von Oberflächen
• Implementierung von Prozessmodellen
• Erprobung der Implementierung anhand von Literaturwerten
• Validierung der Prozessmodelle in praktischen Belichtungsstudien mit einem kurzgepulsten nahinfraroten Faserlaser
• Identifikation von Prozessfenstern zur Einstellung von gewünschten Oberflächenzuständen (Oberflächenrauigkeiten, Oberflächenenergien, Oxidationsgrad)
• Dokumentation der Arbeit

Die Untersuchungen finden am Standort Auf AEG in Nürnberg statt. Bitten wenden Sie sich bei Interesse mit kurzem Lebenslauf und vollständiger Notenübersicht per Mail an christoph.hecht@faps.fau.de

Background

Keywords:

Electronic Production, Data Science, Artificial Intelligence, Causal Machine Learning

Task Description

This thesis focuses on the development and application of causal machine learning methods to identify and leverage genuine cause-effect relationships in the automated manufacturing of ultrasonic sensors. The project will involve working with real production data and state-of-the-art causal inference techniques to drive tangible improvements in manufacturing processes:

Key objectives and tasks include:

1. 1. Development of Causal Models:
      • Create sophisticated causal models capable of simulating specific interventions in the production process.
      • Quantify the effects of these interventions on product quality, resource consumption, and overall efficiency.
      • Utilize frameworks such as DoWhy or CausalNex to implement structural causal models.
   2. Implementation of Causal Inference Methods:
      • Apply causal inference techniques to investigate the impacts of process changes.
      • Evaluate how these changes influence production efficiency and costs.
      • Explore methods like propensity score matching, instrumental variables, or difference-in-differences for causal estimation.
   3. Analysis of Real Production Data:
      • Work with complex datasets from actual ultrasonic sensor production lines.
      • Uncover hidden causal relationships that might be overlooked by conventional analysis methods.
      • Integrate data from multiple sources, including sensor readings, image data, and process parameters.
   4. Validation and Testing:
      • test the developed models and tools using historical data
      • Collaborate with production engineers to validate findings and ensure practical applicability

Benefits

• Application-oriented research within an industrial project in the automotive sector
• Opportunity to work in an advanced field of artificial intelligence
• Possibility to solve real industrial problems with cutting-edge technologies
• Flexible working conditions with the option to work remotely
• Theoretically, 100% remote work is possible

Prerequisites

• Excellent knowledge of German or English language
• Very High self-motivation and a certain affinity for IT
• Structured and independent work style
• Prior knowledge of Python

Please submit applications with a CV and current transcript of records via email to Sven.Meier@faps.fau.de. For further information about the scope and specific focus of the work, I am available for a personal conversation.

 

Motivation

Leistungselektronik hat die Aufgabe, den Energiefluss von den Energiequellen zu den Verbrauchern effizient, zuverlässig, bedarfsorientiert und zeitoptimiert zu steuern. Leistungselektronik in elektrobetriebenen Fahrzeugen umspannen einen Bereich von wenigen Watt bis mehreren hundert Kilowatt.
Die dafür genutzte Aufbau- und Verbindungstechnik hat dabei entscheidenden Einfluss auf die Leistung und Zuverlässigkeit der Module.

Aktuell existieren selbst innerhalb einer Leistungsklasse eine Vielzahl verschiedener Aufbaukonzepte für die Leistungselektronik – Kühlung wird bspw. beidseitig der Halbleiterchips oder nur einseitig ausgeführt; die elektrische Funktion durch Schaltungsaufbau auf Metall-Keramik- oder Metall-Polymer-Substraten realisierung; die elektrische Anbindung der Halbleiter erfolgt durch Lot- oder Sinterverbindungen;…

Fragestellung der Studienarbeit

Im Zuge der Studienarbeit soll deshalb ein umfassender Vergleich der bestehenden Aufbaukonzepte vorgenommen werden.
Kennwerte zur thermischen Performance (Rth, Zth) werden dazu rechnerisch ermittelt und eigene Methoden und Kriterien erarbeitet, um die Zuverlässigkeit der Aufbaukonzepte gegeneinander abzuwägen.

Voraussetzungen für die Bearbeitung

• Analytisches Denkvermögen
• Grundkenntnisse der Wärmelehre und Werkstofftechnik
• Grundkenntnisse in einem der folgenden Berechnungs- und Visualisierungstools (MS Excel; Python; Matlab; OriginLab)

Motivation

SMD-Komponenten, wie etwa Transistoren oder miniaturisierte integrierte Schaltkreise (ICs), werden schon seit Jahrzehnten mit Polymeren auf Epoxidharzbasis umspritzt und damit gegenüber Umwelteinflüssen geschützt.

Bei korrekter Abstimmung der Verkapselungsmasse auf die umspritzten elektrischen Komponenten wird der gesamte Aufbau mechanisch stabilisiert und damit die Lebensdauer der Komponenten erhöht.

Die positiven Effekte der Verkapselung zeigen sich nicht nur bei vergleichsweise kleinvolumigen SMD-Komponenten. Ziel ist es die positiven Effekte in Zukunft auch vermehrt bei großvolumigen leistungselektronischen Aufbauten, wie etwa Wechselrichtern für Elektrofahrzeuge, zu nutzen.

Fragestellung der Studienarbeit

Die großen Bauteilvolumina, hohen Temperaturgradienten im Betrieb und der zu verkapselnde Materialmix sorgen dabei für eine nichttriviale Auswahl des passenden Verkapselungsmaterials. Delaminationen und Brüche der vergleichsweise spröden Verkapselung sind gängige Fehlerbilder, die es zu vermeiden gilt.
Rein experimentelles Materialscreening ist mit großem Zeitaufwand verbunden und aufgrund der komplexen Prozesstechnik kostenintensiv.
Im Zuge der studentischen Arbeit sollen deshalb, auf Basis thermomechanischer Simulationen, Methoden und Kriterien erarbeitet werden, anhand derer eine passende Materialvorauswahl getroffen werden kann.

Die Entwicklung der simulativen Schädigungskriterien wird durch experimentelle Untersuchungen an Testvehikeln begleitet und abschließend validiert.
Die Testvehikel, die im Zuge der Arbeit designt werden und den Wechselrichter-Aufbau mit verringerter Komplexität abbilden sollen, werden mit verschiedenen Epoxidmassen verkapselt und Temperaturwechseltests ausgesetzt. Im Verlauf der Temperaturwechsel werden lichtoptische und ultraschallmikroskopische Untersuchungen zur Detektion etwaiger Delaminationen und Risse durchgeführt und ausgewertet.

Voraussetzungen für die Bearbeitung

• Grundkenntnisse der Kontinuumsmechanik, Wärmelehre und Werkstofftechnik
• Grundkenntnisse in Ansys Workbench / Mechanical oder die Bereitschaft zur Einarbeitung
• Analytisches Denkvermögen; strukturierte, eigenständige Arbeitsweise

Die exakte thematische Ausrichtung der Studienarbeit wird im Dialog mit dem Studenten zu Beginn der Arbeit festgelegt.