Einsatz eines Machine Learning Verfahrens zur Genauigkeitssteigerung von komplexen Prozessen in einer Materialflusssimulation (PA / MA)

Aufgabengebiet

Gerade im Zeitalter der Industrie 4.0 sind digitale Zwillinge von Produktionsprozessen unabdingbar, um komplexe Gesamtzusammenhänge, die durch Wechselwirkungen zwischen autonomen Teilprozessen entstehen, für Entscheider transparent zu gestalten. Dies ist mithilfe von Materialflusssimulationen möglich, jedoch müssen diese in der Lage sein, zu jeder Zeit den aktuellen Zustand des Produktionssystems zu repräsentieren und alle Prozesse im Detail abzubilden. Durch Integration zusätzlicher Algorithmen gelingt es sogar die Produktionsabläufe reaktiv zu steuern (= regeln) und sie so kontinuierlich zu optimieren.

Aufgabenstellung

Um einen Härteprozess bei der Herstellung von Baustoffen für ein spezifisches Werk in einem hinreichenden Detailgrad in der Simulation abzubilden, ist dessen Ablauf aus erfassten Sensorwerten im abgebildeten Werk abzuleiten. Hierzu eignen sich maschinelle Lernverfahren, die auf Basis gewisser Eingabedaten den weiteren Verlauf der Härtung errechnen können. Diese sind in geeigneter Weise mit einem Materialfluss-Simulationsmodell zu verknüpfen, um den dort integrierten Bearbeitungsschritt des Härtens hinreichend genau zu modellieren. Hierzu sind u.a. folgende Arbeitsschritte notwendig:

  • Entwicklung eines grundlegenden Verständnisses und anwendungsspezifische Anpassung des ML-Modells
  • Integration des ML-Modells in das bestehende Simulationsmodell
  • Erstellung eines generischen Bausteins für den Härteprozess zur Integration in das Simulationsmodell eines beliebigen Werks
  • Test/Validierung der Implementierung

Empfohlene Vorkenntnisse / Interessen

  • Affinität zu den Themen Simulation und Machine Learning
  • Eigener Anspruch an hohe Sorgfalt bei allen Arbeitsaufträgen
  • Perfektes Deutsch in Wort und insbesondere Schrift
  • Masterstudium Maschinenbau, Mechatronik, Elektrotechnik, WIng, Informatik o.ä.
  • Voraussetzung: sehr gutes Deutsch in Wort und Schrift

Bemerkungen

  • Beginn: ab sofort möglich
  • Bei Interesse bitte E-Mail mit Notenspiegel und CV an u.g. Adresse
  • Fortführung des Themas im Rahmen eines Promotionsvorhabens am Lehrstuhl in Aussicht
  • Weitere Infos auf Anfrage

Kategorien:

Fachbereich:

Effiziente Systeme

Art der Arbeit:

Masterarbeit, Projektarbeit

Studiengang:

Energietechnik, Informatik, IPEM, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Technologiefeld:

Planung und Simulation, Künstliche Intelligenz und maschinelles lernen

Kontakt: