Technische Universität Braunschweig
  • Studium & Lehre
    • Vor dem Studium
      • Informationen für Studieninteressierte
      • Studiengänge von A-Z
      • Bewerbung
      • Fit4TU - Self-Assessment
      • Beratungsangebote für Studieninteressierte
      • Warum Braunschweig?
    • Im Studium
      • Erstsemester-Hub
      • Semestertermine
      • Lehrveranstaltungen
      • Studien-ABC
      • Studienorganisation
      • Beratungsnavi
      • Zusatzqualifikationen
      • Finanzierung und Kosten
      • Besondere Studienbedingungen
      • Gesundheit & Wohlbefinden
      • Campusleben
    • Nach dem Studium
      • Exmatrikulation und Vorlegalisation
      • Nach dem Abschluss
      • Alumni*ae
    • Strategien und Qualitätsmanagement
      • Qualitätsmanagement
      • Systemakkreditierung
      • Studienqualitätsmittel
      • TU Lehrpreis
    • Für Lehrende
      • Informationen für Lehrende
      • Konzepte
      • Lernmanagementsystem Stud.IP
    • Kontakt
      • Studienservice-Center
      • Sag's uns - in Studium und Lehre
      • Zentrale Studienberatung
      • Immatrikulationsamt
      • Abteilung 16 - Studium und Lehre
      • Career Service
      • Projekthaus
  • Forschung
    • Forschungsprofil
      • Forschungsschwerpunkte
      • Exzellenzcluster der TU Braunschweig
      • Forschungsprojekte
      • Forschungszentren
      • Forschungsprofile der Professuren
    • Frühe Karrierephase
      • Förderung in den frühen Phasen der wissenschaftlichen Karriere
      • Promotion
      • Postdocs
      • Nachwuchsgruppenleitung
      • Junior Professur und Tenure-Track
      • Habilitation
      • Service-Angebote für Wissenschaftler*innen
    • Forschungsdaten & Transparenz
      • Transparenz in der Forschung
      • Forschungsdaten
      • Open Access Strategie
      • Digitale Forschungsanzeige
    • Forschungsförderung
      • Netzwerk Forschungsförderung
      • Datenbanken und Stiftungen
    • Kontakt
      • Forschungsservice
      • Graduiertenakademie
  • International
    • Internationale Studierende
      • Warum Braunschweig?
      • Studium mit Abschluss
      • Austauschstudium
      • TU Braunschweig Summer School
      • Geflüchtete
      • International Student Support
      • International Career Service
    • Wege ins Ausland
      • Studium im Ausland
      • Praktikum im Ausland
      • Lehren und Forschen im Ausland
      • Arbeiten im Ausland
    • Internationale Forschende
      • Welcome Support for International Researchers
      • Service für gastgebende Einrichtungen
    • Sprachen und interkulturelle Kompetenzvermittlung
      • Deutsch lernen
      • Fremdsprachen lernen
      • Interkulturelle Kompetenzvermittlung
    • Internationales Profil
      • Internationalisierung
      • Internationale Kooperationen
      • Strategische Partnerschaften
      • Internationale Netzwerke
    • International House
      • Wir über uns
      • Kontakt & Sprechstunden
      • Aktuelles und Termine
      • International Days
      • 5. Studentische Konferenz: Internationalisierung der Hochschulen
      • Newsletter, Podcast & Videos
      • Stellenausschreibungen
  • Die TU Braunschweig
    • Unser Profil
      • Ziele & Werte
      • Ordnungen und Leitlinien
      • Allianzen & Partner
      • Hochschulentwicklung 2030
      • Internationale Strategie
      • Fakten & Zahlen
      • Unsere Geschichte
    • Karriere
      • Arbeiten an der TU
      • Stellenmarkt
      • Berufsausbildung an der TU
    • Wirtschaft & Unternehmen
      • Unternehmensgründung
      • Freunde & Förderer
    • Öffentlichkeit
      • Veranstaltungskalender
      • Check-in für Schüler*innen
      • Hochschulinformationstag (HIT)
      • CampusXperience
      • Kinder-Uni
      • Das Studierendenhaus
      • Gasthörer*innen & Senior*innenstudium
      • Nutzung der Universitätsbibliothek
    • Presse & Kommunikation
      • Stabsstelle Presse und Kommunikation
      • Medienservice
      • Ansprechpartner*innen
      • Tipps für Wissenschaftler*innen
      • Themen und Stories
    • Kontakt
      • Allgemeiner Kontakt
      • Anreise
      • Für Hinweisgeber
  • Struktur
    • Leitung & Verwaltung
      • Das Präsidium
      • Stabsstellen
      • Verwaltung
      • Organe, Statusgruppen und Kommissionen
    • Fakultäten
      • Carl-Friedrich-Gauß-Fakultät
      • Fakultät für Lebenswissenschaften
      • Fakultät Architektur, Bauingenieurwesen und Umweltwissenschaften
      • Fakultät für Maschinenbau
      • Fakultät für Elektrotechnik, Informationstechnik, Physik
      • Fakultät für Geistes- und Erziehungswissenschaften
    • Institute
      • Institute von A-Z
    • Einrichtungen
      • Universitätsbibliothek
      • Gauß-IT-Zentrum
      • Zentrale Personalentwicklung
      • International House
      • Projekthaus
      • Transferservice
      • Hochschulsportzentrum
      • Einrichtungen von A-Z
    • Studierendenschaft
      • Studierendenparlament
      • Fachschaften
      • Studentische Wahlen
    • Lehrer*innenbildung
      • Lehrer*innenfortbildung
      • Forschung
    • Chancengleichheit
      • Gleichstellung
      • Familie
      • Diversität
    • Kontakt
      • Personensuche
  • Suche
  • Schnellzugriff
    • Personensuche
    • Webmail
    • cloud.TU Braunschweig
    • Messenger
    • Mensa
    • TUconnect (Studierendenportal)
    • Lehrveranstaltungen
    • Im Notfall
    • Stud.IP
    • UB Katalog
    • Status GITZ-Dienste
    • Störungsmeldung GB3
    • IT Dienste
    • Informationsportal (Beschäftigte)
    • Beratungsnavi
    • Linksammlung
    • DE
    • EN
    • Instagram
    • YouTube
    • LinkedIn
    • Mastodon
    • Bluesky
Menü
  • Struktur
  • Fakultäten
  • Fakultät für Maschinenbau
  • Institute
  • Institut für Werkzeugmaschinen und Fertigungstechnik
  • Nachhaltige Produktion & Life Cycle Engineering
  • Team
Logo Institut für Werkzeugmaschinen und Fertigungstechnik der TU Braunschweig
Chao Zhang, M.Sc.
  • Team
    • Prof. Dr.-Ing. Christoph Herrmann
    • Dr.-Ing. Mark Mennenga
    • Steffen Blömeke
    • Gabriela Ventura Silva
    • Anne-Marie Schlake
    • Siavash Aghaei
    • Abdur-Rahman Ali
    • Robar Arafat
    • Naomi Sophie Beyer
    • Kilian Dickel
    • Benjamin Effner
    • Zahra Ghazanfarpour
    • Philipp Grimmel
    • Maik Hansemann
    • Sönke Hansen
    • Marius Hermsen
    • Johanna Holsten
    • Henning Hupfeld
    • Jana Husmann
    • Pavan Krishna Jois
    • Vidhyasagar Kamatchinathan
    • Lena-Marie Klöpper
    • Sophia Kohn
    • Nelli Kononova
    • Lennart Kuhr
    • Marija Lindner
    • Filomena Löffel
    • Aleksandra Naumann
    • Jan Felix Niemeyer
    • Laura Obermann
    • Paul Ohnesorge
    • Jennifer Olearczyk
    • Sofia Pinheiro Melo
    • Amélie Pötzke
    • Arun Ranganarsimhaiah
    • Sina Rudolf
    • Oliver Schömig
    • Lukas Siemon
    • Sandro Süß
    • Yin Hsuan Tsao
    • Benjamin Uhlig
    • Edith Uhlig
    • Felix Wanielik
    • Sebastian Weise
    • Anna-Sophia Wilde
    • Olaf Wojahn
    • Katharina Wolf
    • Chao Zhang
    • Zexu Zhang
    • Prof. Dr. rer. nat. Stephan Krinke
    • ↩ zurück zur Übersicht

Chao Zhang, M.Sc.

Chao Zhang
Kontaktdaten
+49 531/391-7179
chao.zhang(at)tu-braunschweig.de

Institut für Werkzeugmaschinen und Fertigungstechnik
Langer Kamp 19b
D - 38106 Braunschweig 

Büro: 1. OG, R115

 

Arbeitsfelder

  • Digitalisierung der Batterieproduktion
  • In-line Messmethoden zur Charakterisierung der Batterieperformance
  • Datengetriebene Modellierung in der Batterieproduktion
  • Analyse der Ökoeffizienz der Batterieproduktion

 

Aktuelle Forschungsprojekte

  • NanoBat - GHz nanoscale electrical and dielectric measurements of the solid-electrolyte interphase and applications in the battery manufacturing line
  • NEWBIE - Next gEneration poWer BatterIEs

  • GIGABAT - Sustainable and digitalized GIGAfactory for BATtery production with made-in-Europe machinery

  • VorWeg - Vorausschauende Wartung mittels elektrischer Leistungsmessung in der Galvanotechnik

 

 

Lehre

  • Betreuung von studentischen Arbeiten

 

Studentische Arbeiten

Deep reinforcement learning-based dynamic scheduling for different manufacturing shop floor types

The economic and ecological added value for manufacturing companies crucially depends on how efficiently they handle dynamic events in production and conduct real-time scheduling. Individual customer orders present a significant challenge for overall planning. Therefore, both reactive and proactive planning strategies are necessary to increase the agility and robustness of the production system. Rule-based heuristics and metaheuristic algorithms are often used in complex planning tasks. While heuristics provide quick solutions, their rigidity often affects quality. Metaheuristic algorithms iterate various approaches to improve optimization but reach their limits with increasing complexity and often get trapped in local optima, reducing efficiency. Reinforcement Learning (RL) offers a promising alternative here. RL continuously learns from the environment and adapts its strategies, enabling production systems to respond to unexpected events and improve their performance. This leads to more robust and agile planning that is better aligned with the challenges of modern production paradigms.

 In this context, the following research topics are offered as part of the work:

  • Literature review on relevant fundamentals and suitable methodological approaches, including:
      • Fundamentals of (Deep) Reinforcement Learning (DRL)
      • Fundamentals of agent-based process chain simulation
      • AI-based dynamic production scheduling
      • Types of shop-floor production systems (e.g., flow shop, job shop, etc.) relevant to industries like battery manufacturing, surface technology, semiconductor production, and their respective process chains
  • Modeling and simulating production process chains as DRL training environments using open-source tools such as AnyLogic, SimPy, OpenAI Gym etc.
  • Defining appropriate state space, action space, and reward function for DRL-based dynamic scheduling (e.g., make-span, machine utilization, energy consumption, total tardiness, etc.)
  • Connection and Interaction between production chain simulation models and DRL training algorithms
  • Selection of suitable DRL algorithms for training and validation (e.g., DQN, policy-based algorithms, etc.)
  • Evaluation of productivity, economic, and ecological outcomes based on the defined reward function
  • Critical evaluation and outlook

Depending on the scope of the work, only some of the above points may be covered. Experience with programming languages such as Python and Java is advantageous but not mandatory. If you are interested in these topics, I would be pleased to receive your email with the corresponding documents at chao.zhang@tu-braunschweig.de.


Art:
  • Bachelorarbeit
  • Studienarbeit(Master)
  • Masterarbeit

Fachrichtungen: Computer science, mechanical engineering, industrial engineering, electromobility, etc.
Begin der Arbeit: Sofort
Zuletzt geändert: 03.04.2025
Entwicklung von KI-Ansatz zur Geräteidentifikation und -klassifizierung in der Galvanotechnik

Wie viele andere Industriezweige sieht sich die Galvanotechnik mit der Notwendigkeit einer umfassenden Digitalisierung ihrer Prozesse konfrontiert, um Resilienz, Flexibilität und Nachhaltigkeit im Sinne von Industrie 4.0 zu erreichen. Die damit verbundenen Aufgabenstellungen sind jedoch deutlich komplexer als in rein mechanischen Fertigungsprozessen, da sie das Zusammenspiel mechanischer Anlagen-komponenten mit elektrochemischer Prozesstechnik erfordern. Aufgrund dieser Interdependenzen zählt die Galvanotechnik zu den anspruchsvollsten Fertigungsverfahren der Metallverarbeitung. Im Vergleich zu hochautomatisierten, rein mechanischen Fertigungsprozessen weist die Galvanotechnik einen signifikanten Rückstand in der Produktionsautomatisierung auf. Dieser Umstand offenbart gleichzeitig ein erhebliches Potenzial zur Steigerung der Prozesseffizienz – insbesondere durch die Implementierung von Industrie 4.0-Digitalisierungskonzepten.

Vor diesem Hintergrund ist ein vorausschauendes Wartungskonzept (Predictive Maintenance) für die Galvanotechnik zu entwickeln, das auf hochaufgelöster Leistungsmessung und der Integration von Manufacturing Execution System (MES)-Daten basiert. Um präventive Wartung zu ermöglichen, muss der Zustand aller zentralen Anlagenkomponenten kontinuierlich überwacht werden. Hierfür sollen relevante Informationen durch breitbandige Strommessung gewonnen werden, indem das aggregierte Leistungssignal systematisch analysiert wird. Der erste Schritt umfasst die eindeutige Identifikation einzelner Geräte im gemessenen Gesamtsignal. Anschließend erfolgt die Trennung und Rekonstruktion der individuellen Gerätesignale mittels Methoden der Signalverarbeitung wie inverser Fourier-Transformation oder Wavelet-Transformation im Frequenzbereich. Abschließend wird der Zustand der einzelnen Gerätesignale durch Deep-Learning-Methoden modelliert, insbesondere unter Verwendung von Transformer-basierten Algorithmen (Large Language Models). Dieser Ansatz ermöglicht die Vorhersage von Anomalien und erlaubt damit eine vorausschauende Wartung noch vor dem Auftreten kritischer Zustände.

Im Rahmen der Arbeit werden folgende Aufgaben ausgeführt:

  • Literaturrecherche zu Themen 
    • Galvanotechnik und die Prozesskette allgemein
    • Ansätze zur Signalzerlegung
    • KI-Ansätze zur Klassifizierung
  • Vorverarbeitung der zeitlich hochaufgelösten Leistungssignaldaten
  • Implementierung eines Algorithmus zur Trennung überlagerter Leistungssignale
  • Training eines KI-Modells (z. B. CNN, LSTM oder Transformer) zur Geräteklassifizierung
  • Optimierung der Hyperparameter und Validierung anhand realer Daten
  • Bewertung der Vorhersagegenauigkeit anhand definierter Metriken
  • Kritische Würdigung und Ausblick
  • Schriftliche Dokumentation, Abgabe einer elektronischen Version (inklusive Codes) und Präsentation der Ergebnisse 

Art:
  • Projektarbeit (Master Wirtsch.-Ing.)
  • Projektarbeit (Bachelor Maschinenbau)
  • Bachelorarbeit
  • Studienarbeit(Master)
  • Masterarbeit

Fachrichtungen: Maschinenbau, Wirtschaftsingenieurwesen, Informatik o.ä.
Begin der Arbeit: Sofort
Zuletzt geändert: 25.04.2025

Publikationen

Bildnachweise dieser Seite

Für alle

Stellen der TU Braunschweig
Jobbörse des Career Service
Merchandising
Sponsoring- & Spendenleistungen
Drittmittelgeförderte Forschungsprojekte
Vertrauenspersonen für Hinweisgeber

Für Studierende

Semestertermine
Lehrveranstaltungen
Studiengänge von A-Z
Informationen für Erstsemester
TUCard

Interne Tools

Status GITZ-Dienste
Handbuch für TYPO3 (Intern)
Corporate Design-Toolbox (Intern)
Glossar (DE-EN)
Meine Daten ändern
Hochschulöffentliche Bekanntmachungen

Kontakt

Technische Universität Braunschweig
Universitätsplatz 2
38106 Braunschweig
Postfach: 38092 Braunschweig
Telefon: +49 (0) 531 391-0

Anreise

© Technische Universität Braunschweig
Impressum Datenschutz Barrierefreiheit

Zur anonymisierten Reichweitenmessung nutzt die TU Braunschweig die Software Matomo. Die Daten dienen dazu, das Webangebot zu optimieren.
Weitere Informationen finden Sie in unserer Datenschutzerklärung.