Ausschreibung
Masterarbeit (6 Monate)
Titelvorschlag:
KI-basierte
Analyse und Klassifikation von Verschleißbildern in der Metallbearbeitung
Hintergrund:
In der metallverarbeitenden Industrie ist die frühzeitige Erkennung und
Bewertung von Werkzeugverschleiß entscheidend für die Qualitätssicherung und
Prozessoptimierung. Bisher erfolgt die Verschleißanalyse oft manuell, was
zeitaufwendig und subjektiv ist. Der Einsatz von Künstlicher Intelligenz (KI)
eröffnet hier neue Möglichkeiten zur automatisierten, objektiven Auswertung von
Verschleißbildern.
Ziel der
Arbeit:
Ziel dieser Masterarbeit ist die Entwicklung eines KI-gestützten Verfahrens zur
automatisierten Erkennung und Klassifikation von Verschleißformen anhand von
mikroskopischen und makroskopischen Bilddaten aus der Metallbearbeitung.
Mögliche Aufgabeninhalte:
- Literaturrecherche zu den Themen:
- Verschleißmechanismen und
-formen in der Metallbearbeitung (z. B. Adhäsion, Abrasion, Oxidation,
Tribochemie)
- Gängige
Klassifikationskriterien bei Reibung und Verschleiß (z. B.
Kolkverschleiß, Kantenverschleiß, Freiflächenverschleiß,
Aufbauschneidenbildung)
- Bildverarbeitung und
KI-Methoden im Bereich der Materialcharakterisierung
- Bestehende öffentlich
zugängliche Bilddatenbanken und wissenschaftliche Veröffentlichungen mit
geeigneten Verschleißbildern
- Entwicklung einer geeigneten
KI-Architektur (z. B.
Convolutional Neural Networks) zur Bildklassifikation
- Datenerhebung und
Datenaufbereitung:
- Sammlung eigener Bilddaten
mittels Licht- oder Rasterelektronenmikroskopie
- Ergänzung durch Bildmaterial
aus wissenschaftlichen Publikationen
- Training und Validierung des
Modells:
- Training der KI mit
Verschleißbildern
- Evaluation der Aussagekraft
- Automatisierte
Charakterisierung des Verschleißes nach etablierten tribologischen Kriterien
- Bewertung der Aussagegüte und
Übertragbarkeit des
entwickelten KI-Modells auf neue Bilddaten
- Zusammenfassung der Ergebnisse und Ausblick auf
mögliche Weiterentwicklungen (z. B. Integration in Inline-Prüfsysteme oder
Erweiterung auf andere Werkstoffe und Bearbeitungsverfahren)
Voraussetzungen:
Interesse an KI, Werkstofftechnik und Bildverarbeitung.
Kontakt:
Robar Arafat (IWF): r.arafat@tu-braunschweig.de
_________________________________________________________________________
Master’s Thesis Announcement (6 months)
Proposed Title:
AI-based Analysis and Classification of Wear Images in Metal Processing
Background:
In the metal processing industry, the early detection and assessment of tool
wear is crucial for quality assurance and process optimization. So far, wear
analysis is often carried out manually, which is time-consuming and subjective.
The use of Artificial Intelligence (AI) opens up new possibilities for the
automated, objective evaluation of wear images.
Objective of the Thesis:
The objective of this master’s thesis is to develop an AI-based approach for
the automated detection and classification of wear patterns using microscopic
and macroscopic image data from metal processing.
Possible
Tasks:
- Literature review on the
following topics:
- Wear mechanisms and types in metal processing
(e.g., adhesion, abrasion, oxidation, tribochemistry)
- Common classification criteria in friction and
wear (e.g., crater wear, edge wear, flank wear, built-up edge formation)
- Image processing and AI methods in material
characterization
- Existing publicly available image databases and
scientific publications with suitable wear images
- Development of a suitable AI architecture (e.g., Convolutional Neural Networks) for image
classification
- Data collection and
preprocessing:
- Acquisition of own image data using light or
scanning electron microscopy
- Supplementation with image material from
scientific publications
- Training and validation of the model:
- Training the AI with wear images
- Evaluation of performance and
reliability
- Automated characterization of wear according to established tribological criteria
- Assessment of the reliability and transferability of the developed AI model to new image data
- Summary of results and outlook on potential future developments (e.g.,
integration into inline inspection systems or extension to other materials
and machining processes)
Requirements:
Interest in AI, materials science, and image processing.
Contact: Robar Arafat (IWF): r.arafat@tu-braunschweig.de
Art:
Fachrichtung: Maschinenbau, Wirtschaftsingenieurwesen, Informatik, Computational Sciences in Engineering, etc.
Begin der Arbeit: sofort
Zuletzt geändert: 21.05.2025
