Ausgangssituation

Ein wichtiger Forschungsschwerpunkt für die Oberflächenmontage der Elektronikproduktion ist der Einsatz von Anwendungen Künstlicher Intelligenz. Dies begründet sich zum einen auf den hohen Automatisierungsgrad zum anderen auf die große Menge vorhandener Daten. Die Daten sind aufgrund der hohen Ausbeute allerdings oft unausgeglichen, bestimmte Fehlerbilder treten nur in Ausnahmefällen auf. Dies motiviert den Einsatz kollaborativer Datennutzung. Da Unternehmen ihre Daten nicht direkt mit potentiellen Mitbewerbern teilen wollen, bietet sich föderales Lernen an. Hierbei ist es jedoch entscheidend, dass die Datenqualität ausreichend ist. Falsch klassifizierte Fehler und unterschiedliche Qualitätslimit können somit zu Problemen führen.

Aufgabenstellung

Ziel der Arbeit ist die Untersuchung einer abweichenden Datenqualität beim föderalen Lernen auf die Modellqualität. Dafür sollen frei verfügbare Benchmark-Datensätze ausgewählt und Analogien zur Produktion definiert werden. Darauf aufbauend sollen sowohl konventionell als auch föderal Modelle entwickelt werden. Ein entscheidender Aspekt ist die gezielte Manipulation der Datensätze, um die Datenqualität zu verändern.

Die Arbeit kann folgende Schwerpunkte enthalten:

Aufbereitung und Zusammenführung geeigneter Datensätze im Hinblick auf föderales Lernen
• Literaturrecherche
• Auswahl geeigneter verfügbarer Datensätze für die Zielsetzung
• Manipulation des Datensatzes zur Veränderung der Datenqualität

Aufbau von Modellen zum Benchmarking und föderales Lernen

• Statistische Analyse und Korrelationsanalysen der Datenbasis
• Auswahl geeigneter Algorithmen für die Modellentwicklung
• Modelltraining, -test und –optimierung

Validierung und Vergleich der Ergebnisse

• Analyse des Einflusses abweichender Datenqualität
• Ableiten von weiteren Forschungspotentialen
• Betrachtung der Veränderung aus Modell und Datenlieferantensicht

Vorkenntnisse/Voraussetzungen

• Sehr gute Kenntnisse der deutschen und englischen Sprache
• Programmierkenntnisse in Python sowie Data Science wünschenswert, aber nicht zwingend erforderlich
• Selbstständiges Arbeiten

Weitere Infos auf Anfrage, Die Aufgabenstellung kann in Abhängigkeit der Arbeit (BA/PA/MA) angepasst werden und zu großen Teilen remote durchgeführt werden. Eine Bearbeitung ist in deutscher und englischer Sprache möglich.
Die Arbeit wird in Kooperation mit der Management Intelligence Research Group betreut (Kontaktperson: Kristina Müller)

Kategorien:

Kontakt: