Studien-/Abschlussarbeit : Tool Condition Monitoring auf Basis von 1D/2D/3D-Messdaten

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist die weltweit führende Organisation für anwendungsorientierte Forschung. Rund 30 000 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 2,9 Milliarden Euro.

Ausschreibung für die Fachrichtung wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik, Kybernetik, Luft- und Raumfahrttechnik, Maschinenbau, Mechatronik, Physik, Regelungstechnik, Softwaredesign, Softwareengineering, technische Informatik, Technologiemanagement oder vergleichbare.

Tool Condition Monitoring auf Basis von 1D/2D/3D-Messdaten mittels Methoden des Maschinellen Lernens

Der Werkzeugzustand ist für die Festlegung der verbleibenden Einsatzdauer und der Prozessführung eine wichtige Kenngröße.
Um Werkzeuge optimal einsetzen zu können und ein plötzliches Versagen sowie Schäden am Werkstück zu vermeiden, ist eine exakte Kenntnis des Werkzeugverschleißes erforderlich.
Mittels Methoden des Maschinellen Lernens (ML) soll daher die Verschleißentwicklung auf Basis von zwei- und dreidimensionalen optischen Aufnahmen der Werkzeugschneide als auch eindimensionalen, taktil erfassten Rauheitswerten des Werkstücks modelliert werden.
Hierzu sind im ersten Schritt Messungen zur Erweiterung der bereits vorhandenen Datenbasis durchzuführen und die Ergebnisse anschließend ML-gerecht aufzubereiten.
In Kombination mit Prozessgrößen soll auf dieser Datenbasis ein Modell entwickelt und trainiert werden, welches den kontinuierlich veränderlichen Verschleißzustand in Abhängigkeit der Schnittbedingungen beim Zerspanen prognostiziert.

Was Sie bei uns tun

Erfassung des aktuellen Stands der Technik zu Methoden der Verschleißprognose bei Zerspanwerkzeugen
Erweiterung der vorliegenden Datenbasis durch Messungen
Analyse und ML-gerechte Aufbereitung der Daten
Entwicklung und Validierung eigener ML-Modelle zur Verschleißprognose
Schriftliche Dokumentation

Was Sie mitbringen

Gute Kenntnisse der Programmierung mit Python
Erste Erfahrungen im Bereich Bildverarbeitung und Machine Learning (bspw. mit Bibliotheken wie TensorFlow, PyTorch, OpenCV, scikit-learn) wünschenswert
Begeisterung für Fragestellungen der anwendungsorientierten Forschung im Bereich der Fertigungstechnik
Hohe Motivation und Bereitschaft sich in neue Themenfelder einzuarbeiten
Interesse kreative Lösungsansätze zu entwickeln und zu validieren
Schnelle Auffassungsgabe und analytisches Denken
Eigeninitiatives und sorgfältiges Arbeiten
Hohes Maß an Zuverlässigkeit
Sehr gute Deutschkenntnisse in Wort und Schrift

Was Sie erwarten können

Möglichkeit theoretisch erlerntes Wissen in die Praxis zu übertragen und dabei die Herausforderungen bei der Arbeit mit realen Daten kennen zu lernen
Erstklassig ausgestattete Versuchsfelder und eine einzigartige Forschungsinfrastruktur

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen!

Frau Lisa Bauer
Recruiting
Tel. +49 711 970-3681

lisa.bauer@ipa.fraunhofer.de

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

www.ipa.fraunhofer.de

Kennziffer: 66858 Bewerbungsfrist:

Jetzt bewerben »