Karriere am WZL

 

Masterarbeit oder Bachelorarbeit oder Projektarbeit

am Forschungsbereich Fertigungsmesstechnik und Qualitätsmanagement, Abteilung Modellbasierte Systeme, Gruppe Messtechnisch- gestützte Montage
 

Entwicklung eines Verfahrens zur Modellierung komplexer Messprozesse mittels Machine Learning

Jede Messung ist inhärent unsicherheitsbehaftet. Werden unsicherheitsbehaftete Messdaten weiterverwendet, so sind die abgeleiteten Aussagen ebenfalls mit einer Unsicherheit behaftet und können im Extremfall zu fehlerhaften Entscheidungen führen. Im Produktionsumfeld gilt die Produktprüfung als klassisches Beispiel für die Relevanz der Kenntnis der Messunsicherheit. Liegt ein produziertes Merkmal nahe an den Spezifikationsgrenzen und ist bei der Prüfung die Messunsicherheit zu hoch, kann nicht sicher entschieden werden, ob das Merkmal innerhalb oder außerhalb der Spezifikation liegt. Dies kann dazu führen, dass Teile innerhalb der Spezifikation liegen und bei der Prüfung aussortiert werden oder umgekehrt, dass Teile, die außerhalb der Spezifikation liegen als gut deklariert und weiterverwendet werden. Beide Fälle können, je nach Produktions- und Fehlerkosten, zu einem hohen wirtschaftlichen Schaden führen

 
Ziel der Arbeit ist die Entwicklung eines allgemeingültigen Verfahrens zur Modellierung komplexer Messpro-zesse. Die Arbeit unterteilt sich in vier Arbeitspakete. In den ersten drei Arbeitspaketen werden Verfahrensschritte zur Modellierung des Messprozesses entwickelt. Das vierte Arbeitspaket dient der Zusammenführung der Verfahrensschritte in ein Gesamtverfahren. Die Arbeit beginnt mit einer Relevanzbewertung von Einflussfaktoren, welche im zweiten Schritt zu einer mathematischen Messgleichung verknüpft werden. Eine solche Messgleichung kann sowohl analytisch als auch experimentell erstellt werden. Über eine symbolische Regression als Methode des Machine Learnings soll der Aufwand der Erstellung reduziert werden. Abschließend wird das Modell validiert und ein Gesamtverfahren zusammengestellt.

Wir bieten Dir:



 Aktive Mitarbeit an einem aktuellen Forschungsprojekt mit hohem Praxisbezug
 Umfangreiche Betreuung durch einen wissenschaftlichen Mitarbeiter
 Flexible Zeiteinteilung
 Anerkennung der Arbeit für den DFQ-Quality Systems Manager Junior
 
Voraussetzungen:

 StudentIn der MINT-Studiengänge
 Motivation und Einsatzbereitschaft
 Eigenständiges Arbeiten
 Interesse am Bereich des Maschinellen Lernens
 Programmierkenntnisse (wünschenswert)
Zeitaufwand: 300,00 Arbeitsstunden

Ansprechpartner(in):
Tobias Müller, M.Sc.
 
Cluster Produktionstechnik 3A 138
Tel.: +49 241 80-28211
Fax: +49 241 80-22293
Mail: T.Mueller@wzl.rwth-aachen.de