Wissenschaftlicher Mitarbeiter (m/w) im Themenfeld Künstliche Intelligenz/Machine Learning zur Steigerung der Energieeffizienz

Aufgabengebiet:

Die zunehmende Komplexität moderner Produktionsanlagen sowie die hohen Anforderungen an individualisierte Produkte stellen heutige Produktionsmaschinen und die darauf aufgebauten Energie- und Lastmanagementsysteme vor steigende Herausforderungen. Zukünftige Lastmanagementsysteme werden sowohl mit einer Explosion von Prozessparametern und Optimierungskriterien konfrontiert als auch mit den Herausforderungen, anhand prognostizierter Energiekosten den Energieverbrauch von Produktionsmaschinen in Prozessechtzeit zu optimieren. Die Forschungstätigkeit zielt auf die Entwicklung eines intelligenten, dezentralen und lernenden Lastmanagementsystems, welches mithilfe von Verfahren der Künstlichen Intelligenz (z.B. Deep Learning und Deep Reinforcement Learning) den Energieverbrauch in der Fertigung in beliebiger Granularität optimiert. Dafür soll zunächst die klassische Automatisierungsarchitektur um eine lokale Intelligenz erweitert werden, sodass Energieverbräuche feinkörnig erfasst, analysiert und mit Prozessdaten und Prozessparametern kombiniert werden können. Zudem beinhaltet die Tätigkeit die Entwicklung eines Energiemanagementsystems, das in Prozessechtzeit und mithilfe maschineller Lernverfahren eine genauere Prognose der Energieverbräuche als auch der Energiepreissignale liefert. Darüber hinaus soll das System lernende Verfahren nutzen, um Entscheidungsstrategien automatisch an das dynamische Verhalten von aktiven Verbrauchern (z. B. neuen und intelligenten Maschinen) anzupassen.

Die Arbeitsinhalte umfassen:

  • Entwicklung und Umsetzung eines selbstlernenden intelligenten Lastmanagementsystems zur Erhöhung der Energieeffizienz von Produktionsmaschinen.
  • Definition und Umsetzung eines dezentralen Soft- und Hardwaresystems für die Messdatenerfassung und Umsetzung einer Referenzarchitektur zur Integration künstlicher Intelligenz in „Brownfield“- sowie „Greenfield“-Anlagen.
  • Entwicklung und Anwendung von maschinellen Lernverfahren zur feinkörnigen Prognose des Energieverbrauchs und der Energiepreissignale auf Maschinen- und Anlagenebene.
  • Entwicklung und Anwendung von „Deep Reinforcement Learning“-Algorithmen zur Optimierung von Produktionsmaschinen.
  • Industrienahe Forschungsaufgaben
  • Beantragung und Bearbeitung von Forschungsprojekten
  • Öffentlichkeitsarbeit (z. B. Messen, Seminare)

Notwendige Qualifikation:

Master (m/w; Uni/TU) der Fachrichtungen Informatik, Mechatronik, Elektrotechnik, Maschinenbau oder Wirtschaftsingenieurwesen.

Wünschenswerte Qualifikation:

Fachliche Kompetenz in den Bereichen Energiemanagement, künstliche Intelligenz, insbes. Reinforcement Learning sowie industrielle Kommunikationsstandards (OPC UA, MQTT etc.). Darüber hinaus wird großer Wert auf Kommunikationsfähigkeit, ausgeprägtes Projektdenken, sowie ein hohes Maß an Selbstständigkeit zur eigenverantwortlichen Bearbeitung der Projekte gelegt.

Bemerkungen:

Es erwartet Sie ein kreatives, interdisziplinäres Umfeld, das Ihnen viele Möglichkeiten bietet, eigene Ideen einzubringen und umzusetzen. Für die Forschungsarbeiten steht eine umfangreiche Laborausstattung nach aktuellem Stand der Technik zur Verfügung.

Stellenbeschreibung:

  • Entgelt-/Bes.Gr.: Bundesangestelltentarif TV-L E13
  • Es handelt sich um Vollzeitstellen
  • Die Stellen sind zunächst befristet bis zum befr. Forschungsvorhaben
  • Möglichkeit der Promotion im Rahmen der Tätigkeit
  • Einstellungen ab sofort!

 

Für Auskünfte steht Ihnen zur Verfügung:

Matthias Brossog
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS)
Egerlandstraße 7-9, 91058 Erlangen
Telefon 09131/85-27991
Mail: matthias.brossog@faps.fau.de

Die Bewerbungen sind zu richten an:

Prof. Dr.-Ing. Franke, Jörg
Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS)
Egerlandstraße 7-9, 91058 Erlangen
E-Mail: franke@faps.uni-erlangen.de