Masterthesis am PTW in Kooperation mit Merck: Condition monitoring of screen defects in pigment sieving using machine learning

  • Liebe Studierende,


    in Kooperation mit Merck suchen wir aktuell nach einem fähigen Studierenden für eine sehr spannende und reale Aufgabenstellung. Ziel ist es, Defekte in einer chemischen Anlage bei Merck über die Auswertung von Sensordaten präventiv zu erkennen um so eine intelligentere Instandhaltung zu ermöglichen. Dabei umfasst die Aufgabenstellung sowohl die Auswahl und Installation des Sensorsets, als auch die Auswertung der aufgenommenen Daten.

    Der Studierende wird während der Bearbeitungszeit der Thesis bei Merck als Masterand angestellt. Zusätzlich ist es möglich, vor Beginn der Masterthesis noch ein kurzes Praktikum (1-2 Monate) bei Merck zu absolvieren um die Problemstellung und die Abteilung kennenzulernen


    Ein Beginn ist ab April / Mai 2021 möglich. Der Studierende sollte idealerweise folgende Kenntnisse aufweisen:

    - Erfahrung mit Messtechnik / Sensorik, insbesondere Eigenschaften verschiedener Sensoren und mögliche Anbindungs-/Ausleseverfahren

    - Programmiererfahrung in Python

    - Grundkenntnisse im Machine Learning und Sensordatenverarbeitung


    Nähere Informationen finden Sie in der angehängten Ausschreibung.

    Die Arbeit wird von den Forschungsgruppen CiP und MiP gemeinsam betreut. Bei Interesse melden Sie sich gerne direkt bei:


    Nicolas Jourdan

    +49 6151 16-24862

    n.jourdan@ptw.tu-darmstadt.de

    https://www.ptw.tu-darmstadt.d…iterdetails_187072.de.jsp





    In current research projects at PTW, the use of machine learning for data-based condition monitoring and maintenance planning of manufacturing systems is analyzed. In cooperation with Merck, the application of condition monitoring for screen defect detection in pigment production is evaluated. In pigment production, the raw pigments are screened before packaging to separate impurities and larger pigment particles. To ensure compliance with quality standards, it is crucial to detect a screen defect at an early stage. Currently, this is only possible by stopping the production process, yielding opportunities for significant improvements. Within the scope of this thesis, a concept for online condition-monitoring based on sensor readings should be developed and implemented.

  • CIP-Gruppe PTW

    Changed the title of the thread from “Masterthesis am PTW in Kooperation mit Merck: Data-based condition monitoring of screen defects in pigment sieving using machine learning” to “Masterthesis am PTW in Kooperation mit Merck: Condition monitoring of screen defects in pigment sieving using machine learning”.