PA/MA: Predicted Quality in der Ultraschallsensorfertigung

Ausgangssituation

Zur Optimierung der Wirtschaftlichkeit ist es für produzierende Unternehmen unabdingbar, Wertschöpfungsketten zu digitalisieren und datengetriebene Optimierungsmethoden anzuwenden. Gerade im Produktionsbereich fallen eine Vielzahl verschiedenster Bild-, Mess- und Prozessdaten an, weshalb hier der Einsatz Künstlicher Intelligenz (KI) große Potenziale, aber auch Hindernisse aufweist.

Im Rahmen der vollautomatisierten Ultraschallfertigung werden Produktionsdaten abgegriffen und in einen Cloudspeicher gespeichert, um diese für datengetriebene Analysen und die Umsetzung von Methoden der künstlichen Intelligenz verfügbar zu machen. Ziel dahinter ist deren intelligente Nutzung, um die resultierende Qualität der hergestellten Sensoren vorhersagen zu können. Dies ermöglicht u.a. das frühzeitige Ausschleußen voraussichtlich fehlerhafter Bauteile oder die Parametereinstellungen von Fertigungsprozessen zur Qualitätsoptimierung. Durch Qualitätsvorhersagen kann somit die Prozessbeherrschung optimiert und letztlich eine Kostenminimierung bei gleichzeitiger Optimierung der Qualität erzielt werden.

Keywords:

Data Science, Artificial Intelligence, Machine Learning, Deep Learning, Sensorfertigung, Elektronikproduktion

Aufgabenstellung

Im Rahmen der Abschlussarbeit sollen verschiedene datengetriebene Methoden zur Qualitätsvorhersage in der Sensorproduktion angewendet werden. Dafür werden reale Produktionsdaten herangezogen, welche im Rahmen der vollautomatisierten Sensorpoduktion entstehen und kontinuierlich in der Cloud bereitgestellt werden. Es sollen verschiedene Modelle trainiert werden mit dem Ziel, die Qualitätsparameter der resultierenden Sensoren mit den in der Fertigung entstehenden Daten zu korrelieren.

 

Es sind folgende potenzielle Arbeitspakete vorgesehen, welche im Rahmen der Bearbeitung und Zwischenergebnisse flexibel anpassbar sind:

  • Einarbeitung in den Anwendungsfall und der zugrundeliegenden Datenstruktur
  • Einarbeitung in die Python
  • Einarbeitung in die Methoden der künstlichen Intelligenz, Machine Learning und Data Science
  • Einarbeitung in die Modellierung von Deep Learning Architekturen mit Pytorch
  • Konzeptionierung und Training verschiedener Machine Learning Modelle
  • Ggf. Erstellung eines Dashboards bzw. eines GUIs
  • Dokumentation der Arbeit (in deutscher oder englischer Sprache)

Benefits

  • Anwendungsbezogene Forschung im Rahmen eines Industrieprojekts mit einem großen Automobilzulieferer
  • Vergütung der Arbeit in Form einer Aufwandsentschädigung
  • Möglichkeit Python zu erlernen und anzuwenden (Vorkenntnisse erwünscht, aber kein Muss)
  • Möglichkeit Deep Learning (Pytorch) zu erlernen und anzuwenden
  • Die Arbeit kann komplett Remote durchgeführt werden

Voraussetzungen

  • Sehr gute Kenntnisse der deutschen oder englischen Sprache
  • Hohe Eigenmotivation und eine gewisse IT-Affinität
  • strukturierte und selbstständige Arbeitsweise
  • Bewerbungen mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an Sven.Meier@faps.fau.de

Nähere Informationen über Umfang und genaue Ausrichtung der Arbeit gerne im persönlichen Gespräch.

Kontakt:

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

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