Maschinelles Lernen zur Parameter-Optimierung in der gedruckten Elektronik

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

Anfrageformular

Anfrage für: Maschinelles Lernen zur Parameter-Optimierung in der gedruckten Elektronik

    *
    *
    *






    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: