Maschinelles Lernen zur Parameter-Optimierung in der gedruckten Elektronik

19. April 2022

Die gedruckte Elektronik bietet neue Möglichkeiten zur Herstellung elektronischer Funktionen. In dieser Arbeit sollen die Parameter für ein piezo-basiertes Drop-On-Demand Drucksystem mittels maschinellem Lernen optimiert werden. Hierzu sollen die gedruckten Strukturen mittels Bildverarbeitungsalgorithmen analysiert und bewertet werden, um anschließend die Prozessparameter automatisch anzupassen.

Vorkenntnisse

  • Programmierkenntnisse in Python wüschenswert

Aufgabenstellung

  • Einarbeitung in maschinelles Lernen
  • Durchführung von Druckversuchen an modernen Druckanlagen
  • Entwurf, Programmierung und Test einer KI zur Bewertung von Druckbildern und Optimierung der Druckparameter
  • Dokumentation

Bei Interesse

Bewerbung per Email mit Lebenslauf und aktueller Notenübersicht an markus.ankenbrand@faps.fau.de

Kategorien:

Forschungsbereich:

Elektronikproduktion

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Studiengang:

Energietechnik, Informatik, IPEM, Maschinenbau, Mechatronik, Medizintechnik, Wirtschaftsingenieurwesen

Technologiefeld:

Mechatronisch Integrierte Baugruppen (3D-MID), Additive Fertigung, Medizintechnik

Kontakt:

Markus Ankenbrand, M. Sc.

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