Siemens (extern): Einsatz Maschineller Lernverfahren für die Optimierung bestehender Prüfprozesse in der SMT-Fertigung am Standort Siemens EWA

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, wodurch der Grundstein für den Einsatz maschineller Lernverfahren gelegt ist. Automatische Optische Inspektionen sind fester Grundbestandteil der SMT-Fertigung und arbeiten mit klassischen Bildverarbeitungsverfahren. Das somit erzeugt Bildmaterial kann aufgrund der Reproduzierbarkeit und der Genauigkeit der Ergebnisse eine geeignete Grundlage für das Trainings Neuronaler Netze darstellen, welche zur Reduktion des First-Pass-Yield beitragen können.

 

Keywords

Data Analytics, Artificial Intelligence, Machine Learning, Quality Prediction, First-Pass-Yield, Neural Networks

 

Aufgabenstellung

Aufgabenstellung:

  • Einarbeitung in die Thematik SMT-Elektronikfertigung und die Modellierung von Algorithmen
  • Einarbeitung in die vorhandene Architektur
  • Kategorisieren und bewerten geeigneter Bauteiltypen anhand wirtschaftlicher und technischer Faktoren
  • Auswahl, Training und Bewertung geeigneter Algorithmen für die Bilderkennung
  • Auswertung der Ergebnisse und Dokumentation der Arbeit

 

Bewerbung

  • Anwendungsbezogene Forschung direkt beim Industriepartner Siemens in Amberg EWA
  • IT-Affinität erwünscht, strukturierte und selbstständige Arbeitsweise vorausgesetzt
  • Bewerbungen mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an konstantin.schmidt@faps.fau.de

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

Kontakt: