IDP am Institut für Werkzeugmaschinen und Betriebswissenschaften
Das iwb bietet spannende interdisziplinäre Projekte (IDP) in den Themenbereichen Deep Learning, Digitale Zwillinge, Predictive Maintenance und Cyber-Physische Systeme für Informatikstudent*innen an. Gemeinsam mit einem wissenschaftlichen Mitarbeiter wird ein Projektthema ausgearbeitet, welches zudem die anwendungsorientierte und hardwarenahen Arbeit an den Maschinen in der Werkshalle des iwb beinhaltet.
Neben der Projektarbeit wird eine begleitende Lehrveranstaltung des iwb Ihrer Wahl besucht.
Das iwb bietet zudem interessante Themen für hilfswissenschaftliche Tätigkeiten und Abschlussarbeiten an, welche auch von Informatikstudent*innen bearbeitet werden können.
Im Folgenden sind die Themenbereiche mit ihren Anwendungsbereichen aufgeführt. Bei Interesse kontaktieren Sie bitte den entsprechenden wissenschaftlichen Mitarbeiter:
Web-Kostenmodell für eine Lithium-Ionen-Batterie-Gigafactory
Ausgangssituation
Die kostengünstige Produktion von leistungsstarken Lithium-Ionen-Batterien stellt eine der größten Herausforderungen bei der Marktdurchdringung der Elektromobilität dar. Um die Wettbewerbsfähigkeit zu erhöhen, ist es von großer Bedeutung, die Kostenstruktur der Produktion von Lithium-Ionen-Batterien zu verstehen. Hierfür werden Modelle benötigt, die einen umfassenden Blick auf eine Gigafactory ermöglichen.
Zielsetzung
Im Rahmen dieses Projekts soll ein bereits bestehendes Web-Modell zur Vollkostenberechnung von Lithium-Ionen-Batterien optimiert und mit weiteren Funktionen erweitert werden. Die Struktur um Backend und Frontend ist bereits vorgegeben, sodass sich auf die schrittweise Erweiterung des Modells und der Website fokussiert werden kann. Gerne kann auch die Architektur des Projekts angepasst werden, um eigene Vorstellungen und Ideen einzubringen. Zum Abschluss soll eine ausführliche Dokumentation hinterlassen werden, um die Website nachhaltig pflegen und erweitern zu können.
Anforderungsprofil
- Interesse an der Batteriezellproduktion
- Verständnis für technische Prozesse
- Kenntnisse in Python / MongoDB
- Kenntnisse im Web-Development
Vorlesungsempfehlung
- Lithium-Ionen-Batterieproduktion
- Industrie 4.0
Kontakt
Maximilian Lechner
Maximilian.Lechner(at)iwb.tum.de
Python | Data analysis in Robotics
Industrieroboter werden zunehmend zum Fräsen eingesetzt und zeichnen sich durch niedrige Investitionskosten, einen großen Arbeitsraum und eine hohe Flexibilität gegenüber herkömmlichen Bearbeitungszentren aus. Um externe Kräfte durch den Fräsprozess auszugleichen, wird die Roboterdynamik mit Hilfe von Robotermodellen, die am iwb entwickelt wurden, simuliert.
Im Rahmen des IDP-Projekts sollen bereits aufgenommene Messdaten, welche zur Berechnung der Steifigkeit des Roboters verwendet werden können, ausgewertet werden. Beispielsweise sollen durch gezielte Filterung der Daten Aussagen über die Qualität der Daten getroffen werden. Im Rahmen dieser Ausschreibung haben Informatikstudierende die Möglichkeit, ihr Wissen anwendungsnah einzusetzen und sich im Fachbereich der Robotik weiterzubilden.
Magdalena Bloier
Einsatz von Deep Learning in der Fügetechnik
Das Rührreibschweißen (engl.: Friction Stir Welding, FSW) ist ein Pressschweißverfahren, welches sich im Flugzeug- und Raketenbau etabliert hat. Auch in der Elektromobilität gilt das FSW als Leichtbaubefähiger. Der Bedarf an qualitativ hochwertigen Produkten und kostengünstiger Fertigung erhöht jedoch die Notwendigkeit zur Inline-Prozessüberwachung, die am iwb weiterentwickelt wird. Durch eine aussagekräftige und valide Auswertung der Prozessdaten können andere, dem Schweißen nachfolgende Prüfungen, ergänzt bzw. substituiert werden. Zur Überwachung können Zeitreihen-Daten (Prozesskräfte, Temperaturen, …) und auch Kamera-Daten genutzt werden. Verschiedenste Methoden der Datenverarbeitung von der Statistik bis hin zu Machine-Learning-Ansätzen werden hierbei praxisnah zur Erkennung von Mustern und Zusammenhängen zwischen den aufgenommenen Daten und Prozessgrößen und -effekten eingesetzt. Informatikstudierende haben im Rahmen eines IDPs bei uns die Möglichkeit ihr Wissen im Bereich der Informationstechnik anwendungsnah einzusetzen und sich zusätzlich dazu in einem bedeutenden Fachbereich der Produktionstechnik weiterzubilden.
M.Sc. Fabian Vieltdorf
Datenanalyse und maschinelles Lernen zur Überwachung von Bohrprozessen
In der Flugzeugfertigung werden Strukturkomponenten häufig mithilfe von Nietverbindungen gefügt. Hierfür sind Bohrungen durch mehrschichtige Materialpakete notwendig. Dabei können Fertigungsdefekte wie eine verstärkte Gratbildung auftreten. Das Ziel besteht darin, diese Fertigungsdefekte prozessparallel, basierend auf Sensordaten, zu erkennen.
Im Rahmen eines IDP-Projekts können bereits aufgenommene Sensordaten mit statistischen Methoden oder maschinellem Lernen analysiert und deren Korrelation zu den auftretenden Fertigungsdefekten untersucht werden. Alternativ sind auch eine Erweiterung der Datenpipeline, eine Verbesserung der verwendeten Datenbank, die Implementierung einer einfachen Prozesssimulation oder die Implementierung einer Benutzeroberfläche denkbar.
charlotte.winkler(at)iwb.tum.de
Implementation Digitaler Zwillinge für Werkzeugmaschinen, Industrieroboter und Bearbeitungs-prozesse
Der Digitale Zwilling ist eine virtuelle Repräsentation einer Werkzeugmaschine, der die Anlage während ihres gesamten Lebenszyklus begleitet, das aktuelle Maschinenverhalten abbilden und den zukünftigen Maschinenzustand prognostizieren kann. Forschungsschwerpunkte am iwb sind die softwarebasierte Modellbildung und Visualisierung zur virtuellen Inbetriebnahme, die datengetriebene Anpassung des virtuellen Maschinenmodells aufgrund von zeit-veränderlichen Effekten der physischen Maschine und cloud-basierte Anwendungen zur Überwachung des Maschinenzustandes. Im Rahmen verschiedener IDPs sollen Algorithmen und Methoden untersucht, entwickelt und angewendet werden, und die Handhabbarkeit, die Genauigkeit und Vorhersagekraft der Digitalen Zwillinge zu steigern.
M.Sc. Jannik Hüllemann
jannik.huellemann(at)iwb.tum.de
Predictive Maintenance in der Produktionsplanung und -steuerung
Der Einsatz von Predictive Maintenance bzw. der vorzeitigen Wartung birgt großes Potenzial, Maschinenausfälle zu vermeiden und den Produktionsablauf zu optimieren. Am iwb wird mittels künstlicher Intelligenz die Restlebensdauer von Komponenten vorhergesagt und diese Information genutzt, um Produktion und Instandhaltung integriert zu planen. Zur Vorhersage der Restlebensdauer kommen statistische Methoden, Verfahren des Maschinellen Lernens und auch klassische mathematische Optimierungsansätze zum Einsatz. Relevant für den Einsatz dieser Algorithmen sind zudem der Aufbau von Daten-Pipelines zum Auslesen und Speichern der Sensormesswerte als auch die Implementierung von Benutzeroberflächen zur Konfiguration der Algorithmen und Darstellung der Ergebnisse. Ein IDP kann bei Bedarf und Interesse auch mehrere Themen abdecken.
Cyber-Physische Systeme in der Montagetechnik und Robotik
In der Industrie und am iwb spielen seit einigen Jahren Themen im Bereich der Digitalisierung, Kommunikationstechnologie und dezentralisierten Produktionssysteme eine entscheidende Rolle. Speziell für rekonfigurierbare Produktionssysteme sind diese Themen notwendig, da Unternehmen aufgrund der hohen Variantenvielfalt und immer kundenindividuelleren Produkten mit neuartigen innovativen Lösungen überzeugen müssen. In diesem Zusammenhang fällt der Begriff Plug&Produce ins Gewicht, der Ansätze im Bereich der automatisierten Planung, Inbetriebnahme und Überwachung von Produktionssystemen berücksichtigt. Im Rahmen verschiedener IDPs (Interdisziplinärer Praktika) sollen Konzepte und Implementierungen in folgenden Themenbereichen bearbeitet werden: intelligente Datenverarbeitung, dezentrale Kommunikationsarchitekturen (z. B. OPC UA), automatisierte Montage-/Anlagenplanung und aufgaben-/skillorientierte Programmierung.
M.Sc. Stephan Trattnig