Fraunhofer IEM: Bachelor-/Studienarbeit - Machine Learning Erkennung von Lagerschäden

Paderborn   //   Bewerbungsfrist: keine Angabe
Logo Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.

Motivation / Aufgabenstellung

Im Rahmen der Digitalisierung erwächst immer häufiger der Wunsch danach Anlagen und Maschinen zu überwachen und Wartungsbedarf frühzeitig zu erkennen. Insbesondere beim Einsatz von Lagern entstehen in der Logistik und Produktion häufig ungeplante Produktionsunterbrechungen. Ziel dieser Arbeit ist es mittels maschinellen Lernverfahren den Verschleiß der Lager frühzeitig zu erkennen. Es ergeben sich folgende Aufgaben:

  • Einarbeitung in die frühzeitige Erkennung von Lagerschäden anhand von Literaturrecherchen
  • Analyse und Vorverarbeitung von unterschiedlichen Messdaten von Lagern
  • Training von unterschiedlichen ML-Verfahren zur Detektion von Lagerschäden
  • Analyse und Vergleich der Ergebnisse
  • (optional) Portierung der ML-Verfahren auf Hardware mit begrenzte Ressourcen (z.B. Microcontroller)

Voraussetzungen

  • Gute Programmierkenntnisse in Python
  • Praktische Erfahrungen im Umgang mit ML-Verfahren mit Frameworks wie Scikit-learn, Tensorflow oder Pytorch
  • Gute Deutschkenntnisse (mindestens B2)
  • Eigenständigkeit und Bereitschaft zur Einarbeitung in neue Themenfelder
  • Wünschenswert: Kenntnisse über den Aufbau von Lagern; Erfahrung mit Datenvorverarbeitung (FFT, PCA, Data Argumentation)

Ansprechpartner

Mike Figge | Telefon +49 5251 5465-438

Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM, Zukunftsmeile 1, 33102 Paderborn

Haben wir Dein Interesse geweckt? Dann bewirb Dich bei uns! Sende bitte Deine vollständigen Bewerbungsunterlagen (Anschreiben, Lebenslauf, aktuelle Notenübersicht, ggf. Arbeitszeugnisse) zusammengefasst in einer PDF-Datei an: mike.figge@iem.fraunhofer.de

www.iem.fraunhofer.de/abschlussarbeiten/machine-learning-basierte-erkennung-von-lagerschaeden

Share

Bestätigen für mehr Datenschutz:

Erst wenn Sie auf OK klicken, können Sie den Artikel auf empfehlen. Nach Ihrer Empfehlung werden keinerlei Daten mehr an oder Dritte gesendet.

Mehr dazu hier: Datenschutzerklärung

OK
Abbrechen