Potentialanalyse für den Einsatz von Prozessvideos innerhalb von Anwendungen Künstlicher Intelligenz in der Produktion (BA/PA/MA)

Für die intensiven Forschungen am Einsatz Künstlicher Intelligenz in der Produktion sind die zur Verfügung stehenden Daten von entscheidender Bedeutung. Dabei spielen neben Qualität und Umfang auch die Extraktion von Merkmalen aus diesen eine Rolle. Ein häufiger Anwendungsfall ist dabei die auf Bilddaten basierende Qualitätskontrolle. Im Rahmen dieser Arbeit sollen darauf aufbauend Prozessvideos als mögliche Datenquelle für die Bewertung des Prozesses bzw. der anschließenden Qualitätsprüfung untersucht werden. Somit kann sich neben dem Informationsgewinn an sich beispielsweise auch ein komplexer Messaufbau zur Analyse eingespart werden.
Ziel der Arbeit ist es, ein generalisiertes Konzept zu erarbeitet, dass das Ausleiten von Merkmalen aus Prozessvideos ermöglichte. Darauf aufbauend soll dieses anhand eines Anwendungsbeispiels aus der Industrie, für das bereits Videomaterial zur Verfügung steht, umgesetzt und evaluiert werden.

 

Aufgabenstellung

  • Erstellung eines übertragbaren Konzepts zur Extraktion von Informationen aus Prozessvideos
  • Beispielhafte Umsetzung anhand eines vorgegebenen Anwendungsbeispiels aus der Industrie
  • Evaluation der Ergebnisse durch den Vergleich mit realen Messergebnissen
  • Erstellung eines Anforderungsprofils zum Transfer auf weitere Anwendungsfälle

 

Vorkenntnisse/Voraussetzungen

  • Vorkenntnisse zum Thema wünschenswert, aber nicht zwingend erforderlich
  • Erfahrung in der Programmierung mit Python hilfreich
  • Selbstständiges Arbeiten & sehr gute deutsch und englisch Kenntnisse

Weitere Infos auf Anfrage, der Arbeitsumfang kann entsprechend der Arbeit angepasst werden. Bitte wenden Sie sich bei Interesse per Mail an Nils.Thielen@faps.fau.de.

Kategorien:

Forschungsbereich:

Elektronikproduktion

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Studiengang:

IPEM, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Kontakt:

Nils Thielen, M.Sc.

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