Entwicklung eines hybriden KI-Systems zur Optimierung des Spritzgießprozesses

Du entwickelst ein Prozessoptimierungsmodul auf Basis von Expertenwissen in Python mithilfe bestehender KI-Services wie künstliche neuronale Netze.

Hybride Prozessoptimierung mit künstlichen neuronalen Netzen und Fuzzy-Logik | Bild: IKV

Thematischer Hintergrund
Die optimalen Maschineneinstellparameter beim Spritzgießen werden in der Praxis häufig durch Anwendererfahrung oder einen extensiven Versuchsplan an der Maschine bestimmt. Das IKV erforscht die Möglichkeit des Einsatzes von Methoden künstlicher Intelligenz, um den Betriebspunkt der Maschine zu optimieren. Hierzu sind bereits Versuchsreihen mit simulativ erzeugten und realen Daten der Spritzgießprozesse durchgeführt worden, die vielversprechende Ergebnisse erzielen konnten.

Häufig ist jedoch das Labelling der Daten, also die Zuordnung von Qualitätswerten zu Prozessdaten, ein kosten- und zeitintensiver Prozess. Sofern nur wenige Qualitätsparameter zu Verfügung stehen, braucht es Expertenwissen, um bei unerwartet auftretenden Problemen eine Korrektur des Prozesses vornehmen zu können. Das IKV evaluiert hierbei den parallelen Einsatz von künstlichen neuronalen Netzen und Fuzzy-Logik.

Deine Aufgabenstellung
In Python soll mit vorgegebenen, einfach verständlichen Frameworks ein Fuzzy-Controller für unterschiedliche Bauteildefekte entwickelt werden. Dies geschieht auf Basis einer umfassenden Literaturrecherche zu bereits bekannten Entwicklungen und Systemen, sowie Best Practices im Troubleshooting an der Maschine bei vorhandenen Bauteildefekten. Ein webbasierter Service zum Training von neuronalen Netzen und Auswertung von Prozessdaten besteht, und soll an den Fuzzy-Controller angebunden werden. Je nach Umfang und Art der Arbeit soll eine praktische Validierung der Entwicklung im Spritzgießtechnikum des IKV durchgeführt werden.

Was ist dein Benefit?

  • Forschung mit Industrienähe im Bereich „Industrie 4.0“
  • Praxiswissen und –versuche zu maschinellem Lernen, Expertensystemen und Spritzgießen
  • Arbeit mit State-of-the-Art (Maschinen-)technik
  • Ggf. Programmier- und Softwarekenntnisse mit Python, Tensorflow, sklearn etc.

Wenn Du Interesse an einer Arbeit hast, melde dich sehr gerne bei mir, um ein Gespräch zu vereinbaren.

Ansprechpartner
Yannik Lockner, M.Sc.
Telefon: +49 241 80-96264
E-Mail: yannik.lockner@ikv.rwth-aachen.de