Entwicklung eines Data Farming Frameworks für die ereignisdiskrete Materialflusssimulation

Ausgangslage:

Die steigende Vielfalt an Produktvarianten spiegelt sich in flexiblen und rekonfigurierbaren Produktionssystemen wieder. Durch die steigende Komplexität führen gewöhnliche Simulationsstudien (Szenario-Analysen) nicht immer zum optimalen Ergebnis. Der Einsatz von Data Farming ermöglicht in der Theorie durch den Einsatz maschineller Lernverfahren die vollständige Analyse eines modellierten Produktionssystems hinsichtlich sämtlichen Produktivitätsparametern. Ziel dieser Arbeit ist der Aufbau eines grundlegenden Frameworks für das Data Farming im Kontext der ereignisdiskreten Materialflusssimulation.

Aufgabenstellung:

  • Recherche zur ereignisdiskreten Materialflusssimulation und zum Data Farming
  • Aufbau eines abstrakten Simulationsmodells
  • Aufbau eines Data Farming Frameworks
  • Analyse des Simulationsmodells inklusive der Data Farming Anwendung hinsichtlich den Ergebnisdaten und Performancefaktoren
  • Kritische Bewertung der Lösungsansätze und Dokumentation

Anforderungsprofil:

Ein sehr gutes Deutsch/Englisch in Wort und Schrift sowie die Bereitschaft eigenständig und wissenschaftlich zu arbeiten sind selbstverständlich.

Bei Interesse, Fragen oder thematisch nahen Alternativen melden Sie sich bitte per E-Mail bei mir. Es sind verschiedene Arbeiten zu vergeben, deren genaues Thema sowie Umfang nach Art der Arbeit angepasst werden können.

 

Kategorien:

Fachbereich:

Engineering-Systeme

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Studiengang:

Informatik, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Technologiefeld:

Künstliche Intelligenz und maschinelles lernen, Planung und Simulation

Kontakt: