Studien-/Masterarbeit: Online mitlernende Modellierung für das eigenschaftsgeregelte Drückwalzenbaito Pro Job
Studien-/Masterarbeit: Online mitlernende Modellierung für das eigenschaftsgeregelte Drückwalzen
Wir sind an der Zukunftsmeile in Paderborn und gestalten aktiv die nächste Generation von Innovationen. Unser Fokus: praxisnahe Forschung für Maschinenbau, Automobilindustrie und verwandte Sektoren. Wir entwickeln intelligente Produkte, Produktionssysteme, Dienstleistungen und Softwareanwendungen.
Die Abteilung Scientific Automation gliedert sich in die vier Gruppen Trusted Machine Intelligence, Automatisierungs- und Produktionstechnik, IoT und Mechatronik und Smart Home. Gemeinsam realisieren wir innovative mechatronische Systeme für die unterschiedlichen Branchen. Dabei nutzen wir Methoden der modellbasierten Entwicklung und arbeiten diese individuell weiter aus. Die Beherrschung etablierter Technologien und deren Weiterentwicklung ist für uns selbstverständlich. Aus der Kombination innovativer Methoden und Technologien schaffen wir individuelle, industrietaugliche Lösungen mit den Stoßrichtungen Effizienzsteigerung von Entwicklungsprozessen, ressourcenschonende Maschinen- und Anlagen sowie Systemvernetzung.
Was Du bei uns tust
Im Rahmen eines DFG-geförderten Forschungsprojektes soll ein eigenschaftsgeregelter Drückwalzprozess modellbasiert entwickelt werden. Hierfür sind leistungsfähige, echtzeitfähige Modelle des Drückwalzprozesses notwendig. Allerdings weist der Prozess z.B. aufgrund von Chargenschwankungen ein parametervariantes Verhalten auf. Hier bieten intelligente, online mitlernende ML-Modellierungsverfahren wie die Gaußprozessregression neue Chancen und Möglichkeiten. In dieser Arbeit soll daher der Einsatz solcher online mitlernender Partialmodelle innerhalb eines regelungstechnischen Modells des Drückwalzprozesses untersucht werden.
Hierzu sind unter anderem folgende Aufgaben notwendig:
- Literaturrecherche zu mitlernenden, online-adaptiven Modellierungsansätzen in der Regelungs- und Umformtechnik, insb. der Gaußprozessregression
- Adaption eines mitlernenden, adaptiven Modellierungsansatzes für den Einsatz in der Drückwalzmodellierung und Integration in ein bestehendes regelungstechnisches Modell
- Experimentelle Validierung des mitlernenden Modells anhand von Online-Prozessdaten
Was Du mitbringst
- Studiengang Maschinenbau, Mechatronik, Elektrotechnik oder vergleichbare Studiengänge an einer Hochschule im Raum Ostwestfalen-Lippe (z.B. Paderborn, Bielefeld, etc.)
- Kenntnisse in MATLAB/Simulink wünschenswert
- Analytische Denkweise und strategische Arbeitsweise
- Sichere Deutsch- oder Englischkenntnisse in Wort und Schrift
Was Du erwarten kannst
- Eine ausgeprägte Teamkultur mit flachen Hierarchien ist für uns selbstverständlich. Das bedeutet: hohe Wertschätzung und Vertrauen
- Eine professionelle Betreuung und fachliche Unterstützung bei der Erstellung der Studien-/Abschlussarbeit
- Einblick in die aktuellen Herausforderungen der Unternehmen
- Flexibles Arbeiten aus dem Home-Office, um Studium und Job bestmöglich miteinander zu verbinden
Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.
Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.
Haben wir Dein Interesse geweckt? Dann bewirb Dich jetzt online mit Deinen aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Dich kennenzulernen!
Herr Lukas Kersting
Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM
Zukunftsmeile 1 | 33102 Paderborn
Kennziffer: 74584
Verweise auf baito
Du findest gut, was wir machen? Du kannst uns dabei unterstützen. Gib bei deiner Bewerbung an, dass du die Stelle bei baito gefunden hast.