Karriere am WZL

 

- bitte auswählen -

am Forschungsbereich Fertigungsmesstechnik und Qualitätsmanagement, Abteilung Quality Intelligence, Gruppe Process Insights
 

Potentiale von Machine Learning Methoden zur Prognose von Leistungsverläufen auf Werkzeugmaschinen

Ausgangssituation

Im Zuge des Forschungsprojektes synergie verfolgen wir das Ziel, in Zukunft die Leistungsnachfrage von Produzierenden Unternehmen zu nivellieren. Ein Produktionsplanungssystem wird hier später unter Berücksichtigung von Leistungsnachfragen Aufträge so einplanen, dass die Leistungsspitzen mehrerer parellel arbeitender Maschinen nicht gleichzeitig anfallen, sondern nivelliert werden. Besonders unter Berücksichtigung dessen, dass sich der Strompreis für produzierende Unternehmen zu einem Großteil nach der Lastspitze pro Jahr definiert sind hiermit deutliche Einsparpotentiale zu erschließen.

Um die oben beschriebene Planung durchführen zu können sind jedoch zunächst Leistungsnachfragen einzelner Auftrags-Maschinen Kombinationen notwendig, die es zu prognostizieren gilt und den Fokus dieser Abschlussarbeit darstellt.
Aufgabenbeschreibung

Zunächst gilt es die Anforderungen einer Produktionsplanung an die Prognose zu definieren und hieraus Anforderungen an ein Prognosemodell abzuleiten. Dazu wird ein Machine-Learning Ansatz gewählt, um Anforderungen an eine Messreihe abzuleiten. Die Messungen werden bei Partnerunternehmen des Forschungskonsortiums durchgeführt und die Messewrte stellen daraufhin die Basis zur Implementierung, Auslegung und Validierung des Algorithmusses dar.

Für die Erarbeitung der Aufgabenstellung kann auf Arbeiten aus der Literatur aufgebaut werden, die sich bereits mit der Modellierung von Leistungsnachfragen auseinandergesetzt, aber dieses Feld bisher kaum mit PPS-Systemen verknüpft haben.
 
Voraussetzungen:
Was wir erwarten
Interesse an Machine-Learning Algorithmen
Programmierkenntnisse
Sehr hohe Leistungsbereitschaft



Was wir bieten
Mitarbeit in einem deutschlandweiten Forschungs- und Industriekonsortium
Hoch-interdisziplinäre Aufgabenstellung
Umfassende Betreuung durch einen wissenschaftlichen Mitarbeiter



Hast Du Interesse?
Über Deine Bewerbung freuen wir uns, melde Dich am besten direkt per Mail!
Zeitaufwand: 200,00 Arbeitsstunden

Ansprechpartner(in):
Max Ellerich, M.Sc.
Gruppenleiter(in)
BGH 110
Tel.: +49 241 80-25828
Fax: +49 241 80-22293
Mail: M.Ellerich@wzl.rwth-aachen.de