Galvanische Beschichtungen werden eingesetzt, um bspw. eine höhere Korrosionsbeständigkeit, ein bestimmtes tribologisches oder dekoratives Verhalten bei den Produkten in verschiedensten Branchen zu erzielen. Verschiedene Faktoren können den Prozess beeinflussen, wie z. B. Prozessparameter, Elektrolytzusammensetzung, Anoden, Substrate etc. Eine große Herausforderung in diesem Prozess ist die Steuerung und Dosierung von Elektrolyten, da sich die einzelnen Elektrolytbestandteile während des Beschichtungsprozesses kontinuierlich abbauen und ausschleppen. Darüber hinaus bleiben bei weiteren Prozessschritten Rückstände vom Elektrolyt auf dem Werkstoff, die als Verschleppungen bezeichnet werden. Für eine analytische Ermittlung der Elektrolytzusammensetzung ist oft eine komplexe Technik erforderlich, die in einem Industrieumfeld nicht unbedingt vorhanden ist. Weiterhin bleibt die Frage offen, welche Prozessparameter einen besonderen Einfluss auf die Beschichtungsqualität haben.
Vor diesem Hintergrund ist Ziel dieser studentischen Arbeit, ein zeitbasiertes Machine Learning Modell für die Elektrolytwartung oder Qualitätssicherung am Beispiel einer Trommelgalvanik zu entwickeln.
Im Rahmen der Masterarbeit sollte eine Datenakquise (bis zu einem Monat) beim Projektpartner in Georgenthal durchgeführt werden. Somit ergibt sich die Möglichkeit praktische Versuche in einer industriellen Umgebung durchzuführen. Die Arbeit baut auf anderen studentischen Arbeiten auf und soll sie vertiefen, wodurch bereits viele Erkenntnisse und Erfahrungen in dieser Prozesskette vorhanden sind.
Mehr Informationen über das Forschungsprojekt sind hier zu finden:
https://www.tu-braunschweig.de/iwf/nplce/forschungsprojekte/ki-ingatec
Bei Interesse am Themengebiet gerne bei Marija Rosic (m.rosic@tu-braunschweig.de) melden, etwaige weitere Themen und Erweiterungen des hier dargestellten sind denkbar.
Art:
Fachrichtungen: Maschinenbau, Metrologie und Messtechnik, Bio und Chemie-Ing
Begin der Arbeit: ab sofort
Zuletzt geändert: 11.04.2024