Integration eines Kamerasystems zur Applikation von KI im Plasmaspritzprozess (PA/MA und HiWi)

Ausgangssituation

Der Plasmabeschichtungsprozess kann durch eine Vielzahl von Messsystemen überwacht werden. Veränderungen im Prozess sind insbesondere an der Plasmaflamme direkt erkennbar. Diese soll mit einem optischen System überwacht werden, um kurzfristige oder parameterbedingte Veränderungen an der Flamme zu dokumentieren, da die Parameter, welche die Flamme beeinflussen, ebenfalls direkte Auswirkungen auf die Beschichtungseigenschaften haben. Mit Hilfe eines geeingeten KI-Modells soll die Veränderung der Plasmaflamme mit der resultierenden Beschichtungseigenschaft verknüpft werden. Dies soll später zur Vorhersage der zu erwartenden Beschichtung bei Einstellung verschiedener Parameter verwendet werden.

Aufgabenstellung

Im Rahmen der Arbeit soll zunächst ein geeignetes Kamerasystem in die bestehende Plasmabeschichtungsanlage implementiert, sowie passende KI-Modelle, insbesondere aus dem Machine Learning (ML) und Deep Learning (DL) recherchiert werden. Die Veränderung der Plasmaflamme wird anhand eines Versuchsplans optisch dokumentiert und mit der entstehenden charakteristischen Beschichtung verknüpft. Mit Hilfe dieser Daten wird das KI-Modell trainiert und validiert. Der Umfang der Arbeit kann entsprechend PA/MA angepasst werden, eine PA zur Einarbeitung im Bereich Plasmabeschichtung als Vorarbeit und eine darauf aufbauende Masterarbeit ist ebenfalls möglich.

Arbeitsschwerpunkte

  • Einarbeitung in die Plasmabeschichtung
  • Recherche und Integration eines Kamerasystems zur inline-Aufnahme der Plasmaflamme
  • Etablierung einer standardisierten automatisierten Datenaufnahme & -speicherung qualitätsrelevanter Parameter
  • Durchführung von Messreihen zur Erzeugung der Datengrundlage zum Training der KI-Modelle
  • Umsetzung und Validierung geeigneter KI-Modelle insbesondere aus dem Bereich des Machine Learnings

Vorkenntnisse

  • Erfahrung in thermischen Beschichtungsprozessen hilfreich
  • Erfahrung in Python und den Methoden des Machine Learnings hilfreich, aber nicht erforderlich
  • Kreative, lösungsorientierte und eigenständige Arbeitsweise

Hinweise zur Bewerbung

  • Beginn ist jederzeit möglich
  • Bewerbung an Manuela Ockel und Sven Meier mit aktuellem Lebenslauf und Notenübersicht
  • Weitere Informationen auf Anfrage per Mail

Bei Fragen zur HiWi-Tätigkeit oder Kombination mit einer studentischen Arbeit biete ich gerne einen Austausch per MS Teams oder Zoom an – Termin bitte per Mail vereinbaren.

Weiterführende Literatur zum Plasmabeschichtungsverfahren

Hensel A., Müller M., Kohlmann-von Platen K., Franke J.:
Additive Copper Metallization of Semiconductors for Enabling a Copper Wire Bonding Process
40th International Spring Seminar on Electronics Technology (ISSE) (Sofia, 10. Mai 2017 – 14. Mai 2017)
In: Proceedings of 40th International Spring Seminar on Electronics Technology (ISSE) (Hrsg.): Proceedings of 40th International Spring Seminar on Electronics Technology (ISSE) 2017

Hensel A., Schwarzer C., Merz C., Stoll T., Kaloudis M., Franke J.:
Generation of 3-dimensional power modules for high temperature applications by thermal copper coating processes
21st IEEE Electronics Packaging Technology Conference, EPTC 2019 (Singapore, SGP, 4. Dezember 2019 – 6. Dezember 2019)
In: 2019 IEEE 21st Electronics Packaging Technology Conference, EPTC 2019 2019
DOI: 10.1109/EPTC47984.2019.9026619

 

 

Kategorien:

Forschungsbereich:

Elektronikproduktion

Art der Arbeit:

Masterarbeit, Projektarbeit

Studiengang:

Informatik, IPEM, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Technologiefeld:

Additive Fertigung, Künstliche Intelligenz und Maschinelles Lernen

Kontakt:


Sven Meier, M.Sc., M. Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)