Motivation:
Aufgrund der Modernisierung industrieller Prozesse besteht
ein enormer Bedarf und Drang, ein effizientes und vorausschauendes digitales
Produktionssystem zu entwickeln, um der steigenden Nachfrage gerecht zu werden,
indem der Abfall und Energiebedarf kontrolliert werden. Dies kann durch
Weiterentwicklung und Standardisierung bestehender Lösungen, Tools und
Architekturen erreicht werden. Die steigenden Anforderungen an die Flexibilität
in der Fertigung können nur durch den Einsatz intelligenter Produkte,
Produktionsanlagen und die Verfügbarkeit von Echtzeitdaten erfüllt werden.
Die große Herausforderung besteht darin, die existierenden
Strukturen, Architekturen und Gegebenheiten so zu transformieren, dass eine
vollständige Digitalisierung der Produktion stattfindet. Diese Aufgabe
beinhaltet die Fähigkeiten aus den Bereichen Softwareentwicklung, Data Science,
Produktions- und Steuerungstechnik. Sie bearbeiten selbstständig Ihre eigenen
Aufgaben und wir unterstützen Sie kontinuierlich dabei, Ihre Fähigkeiten
weiterzuentwickeln und die Aufgabe termingerecht abzuschließen.
Deine Aufgaben:
- Literaturrecherche zum Stand der
Technik von automatisierten Prozessketten.
- Die Konzeption, Entwicklung und
Erprobung neuer Ansätze zur automatisierten Optimierung von
Spritzgießmaschinen.
- Anwendung von "Machine
Learning"-Techniken mit Python zur Verbesserung des Spritzgießprozesses.
- Untersuchung der Charakterisierung
des Plastifizierverhaltens beim zyklischen Aufschmelzen unterschiedlicher Rohmaterialien,
basierend auf physikalischen Zusammenhängen aus der Fachliteratur.
Was du mitbringst:
- Gute Kenntnisse in Python, Java und
typische Machine Learning Packages.
- Erfahrung mit der Software AnyLogic
ist ein Pluspunkt.
- Umgang mit Zeitreihendaten und
zugehörigen Modellen / Datenbanken.
- Selbstständige und lösungsorientierte
Arbeitsweise.
- Sehr gute Deutsch- und
Englischkenntnisse.·
Art der Arbeit: Theoretisch
Kontakt: a.wilde@tu-braunschweig.de oder ahmed-faraz.tariq@tu-braunschweig.de
English Version
Applying
AI-based techniques to optimise the injection moulding process
Due to the
modernisation of industrial processes, there is a huge demand and urge to
develop an efficient and predictive digital production system to meet the
rising demand, by controlling waste and energy demand. This can be achieved by
further development and standardisation of existing solutions, tools and
architectures. The increasing demands for flexibility in manufacturing can only
be served through the use of intelligent products, production facilities and
the availability of real-time data.
The big
challenge here is to transform the existing structures, architectures and
conditions in such a way that complete digitisation of production takes place. This
task involves the skills from the fields of software development, data science,
production and control technology. You will work independently on your own
tasks and we continuously support you in developing your skills and finish the
task in time.
Your Tasks:
- Literature
research on the state of the art of automated process chains.
- The
design, development and testing of new approaches for the automated
optimisation of injection moulding machines.
- Applying
Machine Learning techniques using Python to improve the injection molding
process.
- Investigate
the characterisation of the plasticising behaviour during cyclic melting of
different raw materials, based on physical correlations from the technical
literature.
Skills
Needed:
- Good
knowledge of Python, Java and typical Machine Learning packages.
- Experience
with the software AnyLogic is a plus point.
- Dealing
with time series data and associated Models / databases.
- Independent
and solution-oriented Working method.
- Good
German or English language skills.
Art der Arbeit: Theoretical
Contact: a.wilde@tu-braunschweig.de or
ahmed-faraz.tariq@tu-braunschweig.de
Type:
- Bachelorarbeit
- Masterarbeit
Subjects: Maschinenbau, Wirtschaftsingenieurwesen, Fahrzeugtechnik oder ähnliches
Start of thesis: sofort
Last change: 2/17/2023