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 und weitreichende Kommunikationsstandards, wodurch der Grundstein für den Einsatz maschineller Lernverfahren gelegt ist. Durch umfassende Prüfprozesse wird in der Elektronikfertigung eine exzellente Produktqualität im einstelligen ppm-Bereich erzielt. Erhöhte Durchlaufzeiten, hohe Investitionskosten und erhöhter Platzbedarf stellen jedoch die Kehrseite der Medaille dar. Dadurch ist der Ansatz entstanden mittels intelligenter Datenauswertung den Prüfaufwand ohne Reduktion der Qualität zu minimieren.

Keywords

Data Analytics, Artificial Intelligence, Smart Data, IIoT, Machine Learning

Aufgabenstellung

Im Rahmen der Abschlussarbeit soll zusammen mit dem Industriepartner Siemens die Möglichkeit der Prüfaufwandsreduktion durch intelligente Datenanalyse ermittelt werden. Dies erfolgt anhand bereits vorhandener Datensätze welche sich aus unterschiedlichsten Quellen zusammensetzen. Die Datensätze müssen effizient zusammengeführt werden, mittels statistischer Methoden gesichtet werden und abschließend in ein geeignetes Machine Learning Modell überführt werden. Aus den Erkenntnissen des selbst erstellen Modells soll eine Qualitätsvorhersage für ein bestimmtes Produktspektrum der Siemens AG ermöglicht werden. Es wird auf bereits bestehenden Arbeiten aufgebaut. Die Bearbeitung erfolgt bei Siemens in Amberg.

Es sind potenzielle Arbeitspakete vorgesehen:

• Einarbeitung in die relevanten Grundlagen des maschinellen Lernens, der Elektronikfertigung und die Erkenntnisse des Projekts.
• Anfertigung einer strukturierten Datenanalyse mit Prozessexperten vor Ort, um den Informationsgehalt der Daten zu überprüfen.
• Ausarbeitung verschiedener Machine Learning Modelle für den effizienten Umgang mit den heterogenen Datenstrukturen und die Prädiktion der Produktqualität.
• Dokumentation der Arbeit

Bewerbung

• Anwendungsbezogene Forschung direkt beim Industriepartner Siemens in Erlangen
• Erfordert Arbeiten im Team, IT-Affinität erwünscht jedoch nicht zwingend vorausgesetzt, 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.

Kategorien:

Kontakt: