Karriere am WZL

 

Masterarbeit oder Bachelorarbeit oder Projektarbeit

am Forschungsbereich Fertigungsmesstechnik und Qualitätsmanagement, Abteilung Model-based Systems, Gruppe Risk-based Process Control
 

(Versuchsbasierte) Bestimmung der Messunsicherheit eines komplexen Messprozesses mittels Machine Learning

Jede Messung ist inhärent unsicherheitsbehaftet. Werden unsicherheitsbehaftete Messdaten weiterverwendet, so sind die abgeleiteten Aussagen ebenfalls mit einer Unsicherheit behaftet und können im Extremfall zu fehlerhaften Entscheidungen führen. Im Produktionsumfeld gilt die Produktprüfung als klassisches Beispiel für die Relevanz der Kenntnis der Messunsicherheit. Liegt ein produziertes Merkmal nahe an den Spezifikationsgrenzen und ist bei der Prüfung die Messunsicherheit zu hoch, kann nicht sicher entschieden werden, ob das Merkmal innerhalb oder außerhalb der Spezifikation liegt. Dies kann dazu führen, dass Teile innerhalb der Spezifikation liegen und bei der Prüfung aussortiert werden oder umgekehrt, dass Teile, die außerhalb der Spezifikation liegen als gut deklariert und weiterverwendet werden. Beide Fälle können, je nach Produktions- und Fehlerkosten, zu einem hohen wirtschaftlichen Schaden führen

 

Beschreibung der Arbeit


Ziel der Arbeit ist die Bestimmung der Messunsicherheit eines komplexen Messprozesses – einer bohrkopfintegrierten Temperaturmessung. Die Arbeit untergliedert sich hierzu in vier Arbeitspakete. Im ersten Arbeitspaket werden die relevanten Einflussparameter auf den Messprozess identifiziert und eine Methode zur Relevanzbewertung dieser entwickelt. Im zweiten Arbeitspaket werden über eine statistische Versuchsplanung Experimente geplant und durchgeführt, sodass im dritten Schritt über einen Machine Learning Algorithmus ein Modell zur Bestimmung der Messunsicherheit aufgestellt werden kann. Abschließend wird die Messunsicherheitsangabe durch den Vergleich mit der Messunsicherheitsbestimmung nach den gängigen Verfahren (GUM, MSA, VDA 5) validiert.


Wir bieten Dir:


 Aktive Mitarbeit an einem aktuellen Forschungsprojekt mit hohem Praxisbezug
 Umfangreiche Betreuung durch einen wissenschaftlichen Mitarbeiter
 Versuchsbasierte, praktische Abschlussarbeit
 Flexible Zeiteinteilung
 Anerkennung der Arbeit für den DFQ-Quality Systems Manager Junior
 
Voraussetzungen:
 StudentIn der MINT-Studiengänge
 Motivation und Einsatzbereitschaft
 Eigenständiges Arbeiten
 Interesse an einer praktischen Abschlussarbeit in Kombination mit maschinellem Lernen
 Programmierkenntnisse (wünschenswert)
Zeitaufwand: 300,00 Arbeitsstunden

Ansprechpartner(in):
Tobias Müller, M.Sc.
 
Cluster Produktionstechnik 3A 138
Tel.: +49 241 80-28211
Fax: +49 241 80-22293
Mail: T.Mueller@wzl.rwth-aachen.de