Die Festo SE & Co. KG entwickelt innovative Lösungen für die Automatisierungstechnik und erweitert ihr angebotenes Portfolio im Zeitalter von Industrie 4.0 stetig um digitale Services. Mit Festo AX bieten wir eine Softwarelösung für die intelligente Analyse von Fertigungsprozessdaten, um unsere Kunden bei der Produktivitätssteigerung in der Fertigung auf innovative Weise zu unterstützen.
Smarte Sensoren stellen für Ansätze des maschinellen Lernens besonders geeignete Daten bereit und ermöglichen dadurch neue Ansätze zur Zustandsüberwachung von automatisierungstechnischen Komponenten und Fertigungsprozessen.
In dieser Masterarbeit soll ein neuer datengetriebener Ansatz basierend auf einem neuen induktiven Sensor mit IO-Link Schnittstelle für die Zustandsüberwachung elastischer, pneumatischer und hydraulischer Dämpfungselemente in pneumatischen Komponenten entwickelt werden. Die Funktionen des induktiven Sensors sind prädestiniert für die Zustandsüberwachung von Applikationen mit einer hohen kinetischen Energie. Mit Methoden des maschinellen Lernens sollen mit den vom Sensor bereitgestellten Daten Fehler detektiert und die Restnutzungsdauer der Dämpfungselemente pneumatischer Komponenten geschätzt werden.
Der entwickelte Ansatz soll in die Festo AX Softwarelösung integriert und mittels eines bestehenden Testaufbaus im Labor evaluiert werden. Die erzielten Ergebnisse gilt es in Hinsicht auf das Potenzial der smarten induktiven Sensoren für die Zustandsüberwachung von Dämpfungselementen pneumatischer Komponenten auszuwerten.
Dauer der Abschlussarbeit: 6 Monate
Ihre Aufgaben:
1. Erarbeitung von verschiedenen Konzepten und Methoden der datengetriebenen Fehlererkennung sowie zur Vorhersage der Restnutzungsdauer für pneumatische Komponenten über eine Literaturrecherche
2. Entwicklung eines methodischen Lösungsansatzes zur Zustandsüberwachung von pneumatischen Komponenten mit smarten induktiven Sensoren und Methoden des maschinellen Lernens
3. Aufbau und Implementierung einer Machine Learning Pipeline (mit Festo AX): Datenanbindung, Datenvorverarbeitung, Feature Engineering, Modellentwicklung und Test
4. Evaluation des entwickelten Lösungsansatzes mittels eines Testaufbaus im Labor
Ihre Qualifikationen:
5. Studium der Fachrichtung Mechatronik, Elektrotechnik, Informatik oder eines vergleichbaren Studiengangs
6. Gute Kenntnisse im Bereich maschinelles Lernen
7. Gute Kenntnisse im Bereich Steuerungstechnik und Sensortechnik
8. Gute Kenntnisse in einer höheren Programmiersprache (z. B. Java, C/C++, Python)
9. Kenntnisse im Bereich Fehlererkennung und Fehlerdiagnose, Reliability Engineering wünschenswert
10. Kenntnisse zum IO-Link Kommunikationssystem wünschenswert
11. Interesse an Industrieautomation und Digitalisierung
12. Strukturierte Arbeitsweise mit hoher Eigenständigkeit