Karriere am WZL

 

Masterarbeit oder Bachelorarbeit

am Forschungsbereich Fertigungsmesstechnik und Qualitätsmanagement, Abteilung Quality Intelligence, Gruppe Process Insights
 

Entwicklung einer Methodik zur Identifikation des Datenbedarfs für die Fehlerprädiktion entlang der Produktionskette

Ausgangssituation
Im Rahmen der Digitalisierung und dem Einzug des Internet of Production gewinnt die datenbasierte Verarbeitung, Analyse und Vorhersage von Fehlern zunehmend an Bedeutung. Der Verbesserungsbedarf liegt hierbei vor allem in der Entwicklung von prädiktiven Lösungen des Fehlermanagements um Ausschuss proaktiv vorzubeugen. Vor dem Einsatz geeigneter Data Analytics Methoden und der Entwicklung von entsprechenden prädiktiven Modellen ist die Schaffung einer dem Anwendungsfall entsprechenden Datengrundlage zwingend erforderlich. Bislang fehlt es jedoch an Ansätzen zur anforderungsgerechten Bewertung der Eignung von vorhandenen Daten verketteter Produktionsschritte für den Anwendungsfall der Fehlerprädiktion. Hierzu soll im ersten Schritt der Datenbedarf für prädiktive Fehlermodelle identifiziert werden.

 
Ziel der Arbeit
Im Rahmen der Arbeit soll die folgende Forschungsfrage beantwortet werden:
Wie können die für die Fehlerprädiktion potentiell relevanten Daten entlang der Produktionskette identifiziert werden?
Hierzu soll im ersten Schritt eine Methodik entwickelt werden, durch welche die Identifikation und Auswahl von Fehlersensoren sowie potentiell relevanten Einflussgrößen auf die Fehlerentstehung ermöglicht wird. Anschließend sollen die identifizierten Größen entlang der Produktionskette verortet werden. Daraufhin soll auf Basis definierter Anforderungen an die Datenbeschaffenheit der konkrete Datenbedarf in Bezug auf die identifizierten Größen abgeleitet und das entwickelte Vorgehen anhand eines Fallbeispiels validiert werden.

Inhalte der Arbeit
- Einarbeitung in die Themen Data Mining, Daten-/Informationsqualität und Fehlerprädiktion
- Entwicklung einer Methodik zu Identifikation und Auswahl von Fehlersensoren sowie potentiell relevanter Einflussgrößen auf die Fehlerentstehung
- Verortung der identifizierten Einflussgrößen in der Produktionskette, Definition von Anforderungen und Ableitung des Datenbedarfs für die Fehlerprädiktion
- Validierung anhand eines geeignetes Fallbeispiels
 
Voraussetzungen:
- Bachelor-/Masterstudium in den Studiengängen Wirtschaftsingenieurwesen, Maschinenbau, Informatik o.ä.
- Motivation und Einsatzbereitschaft
- Interesse an der Thematik
- Interesse und Spaß am konzeptionellen Arbeiten
- Sehr gute Studienleistungen

Geboten wird
- Praxisnahe Abschlussarbeit mit konkretem Industriebezug
- Start sofort möglich und erwünscht
- Umfangreiche Betreuung
- Konkretisierte und abgegrenzte Aufgabenstellung
- Selbstständiges Arbeiten in guter Arbeitsatmosphäre
- Leistungsbestandteil des Quality Systems Manager Junior (QSMJ)
Zeitaufwand: 35,00 Arbeitsstunden

Ansprechpartner(in):
Peter Schlegel, M.Sc.
 
BGH 109
Tel.: +49 241 80-21989
Fax: +49 241 80-621989
Mail: P.Schlegel@wzl.rwth-aachen.de