Karriere am WZL

 

Masterarbeit oder Bachelorarbeit oder Projektarbeit

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

Modellbildung zur Fehlerprädiktion für verkettete Produktionsschritte mittels Ansätzen des Machine Learnings

Ausgangssituation:
Der hohe Entwicklungsgrad sowie die steigende Komplexität der Produktion führen immer häufiger zu einer Stagnation der Ausfallraten. Weitere Verbesserungen sind meistens nur mit einem hohen Zeit- und Kostenaufwand zu erreichen. Die fortschreitende Digitalisierung und Vernetzung der Systeme führt zwar zu einem permanenten Anstieg der vorhandenen Daten, diese können aber über klassische statistische Methoden nur bedingt und meist umständlich ausgewertet werden. Moderne Verfahren und Ansätze aus dem Bereich des Machine Learnings bieten hier das Potenzial Fehler frühzeitig zu detektieren und proaktives Handeln zu ermöglichen. Insbesondere bei verketteten Produktionsschritten ergeben sich durch eine frühzeitige Fehlerprädiktion die Chancen, Prozessparameter nach zu justieren oder die betroffenen Teile im Vorfeld auszusortieren, sodass Kosten und Aufwände für eine überflüssige Weiterverarbeitung eingespart werden können.

 
Ziel der Arbeit:
Im Rahmen der Arbeit sollen Methoden und Ansätze erarbeitet werden, die eine Modellbildung zur Fehlerprädiktion für verkettete Produktionsschritte ermöglichen. Hierfür soll zunächst eine gezielte Literaturrecherche zu potenziellen Lösungen erfolgen. Im Anschluss gilt es die ermittelten Ansätze und Methoden auf ihre Eignung, anhand von echten Produktionsdaten eines Industriepartners, zu überprüfen und zu bewerten.


Inhalte der Arbeit:
- Einarbeitung in die Themen Fehlerprädiktion und Datenverarbeitung, insbesondere im Bereich Machine Learning
- Praktische Umsetzung der Methoden und Ansätze anhand echter Produktionsdaten
- Bewertung der ermittelten Lösungsansätze
 
Voraussetzungen:
- Interesse an der Thematik
- gute Studienleistungen
- Bachelor-/Masterstudium in den Studiengängen Wirtschaftsingenieurwesen, Maschinenbau, Informatik o.ä.
- Motivation und Einsatzbereitschaft
- Vorkenntnisse in Statistik und Datenverarbeitung
- Vorkenntnisse im Bereich des Machine Learnings wünschenswert
- Vorkenntnisse in der Programmiersprache Python wünschenswert

Geboten wird:
- Praxisnahe Abschlussarbeit durch Verwendung von Produktionsdaten eines Industriepartners
- Mitarbeit am Exzellenzcluster „Internet of Production“
- Konkretisierte und abgegrenzte Aufgabenstellung
- Selbstständiges Arbeiten in guter Arbeitsatmosphäre
- Leistungsbestandteil des Quality Systems Manager Junior (QSMJ)
- Start sofort möglich und erwünscht
- Umfangreiche Betreuung
Zeitaufwand: 35,00 Arbeitsstunden

Ansprechpartner(in):
Daniel Buschmann, M.Sc.
 
BGH 109
Tel.: +49 241 80-26942
Fax: +49 241 80-626942
Mail: D.Buschmann@wzl.rwth-aachen.de