Posts by CIP-Gruppe PTW

    Liebe Studierende,


    für die Prozesslernfabrik CiP suchen wir fortlaufend motivierte studentische Hilfskräfte für unsere 5 Studentischen Teams Zerspanung, Industrie4.0, Machine Learning, Backoffice & 5S.

    Unsere Hiwis arbeiten im Team, interdisziplinär, eigenständig, von Zuhause sowie vor Ort in der Prozesslernfabrik. Wir bieten Vielseitigkeit in den Aufgaben, die Möglichkeit Verantwortung zu übernehmen, flexible Arbeitszeiten, Vernetzung zu vielen anderen Studierenden und Industriekontakte.


    Hier findet ihr unsere offenen Stellen: https://www.ptw.tu-darmstadt.d…istellen_ptw/index.de.jsp


    Wir freuen uns auf eure Bewerbungen!


    Liebe Studierende,


    ich suche aktuell nach einem/einer Studierenden für eine spannende Masterthesis im Bereich Machine Learning in der Produktion. Beginn ist ab sofort möglich.

    Nähere Details findet ihr in der angehängten PDF. Bei Interesse gerne direkt bei mir melden:


    Nicolas Jourdan

    N.Jourdan@ptw.tu-darmstadt.de

    +49 6151 82296-52

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


    Beste Grüße

    Nicolas Jourdan

    Liebe Studierende,


    wir suchen fortlaufend Hiwis für die Prozesslernfabrik CiP des PTW!


    Unsere Hiwis organisieren sich in den Teams "Zerspanung", "Industrie 4.0", "5S", "Machine Learning" und "Back Office". Neben der Übernahme von Verantwortung in den jeweils Team-spezifischen Themen unterstützen alle Hiwis bei der Durchführung verschiedener Lean Production Workshops mit unseren Partnerunternehmen aus der Industrie. Proaktives Mitdenken und Verbesserungen anzustoßen ist ausdrücklich gewünscht und wird von unserer Hiwi- und Wimi-Belegschaft gelebt.


    Hier findet ihr alle ausgeschriebenen Stellen des PTW:

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


    Wir freuen uns über eure Bewerbungen!


    Viele Grüße

    Die CiP-Gruppe des PTW

    Im kommenden Wintersemester werden wieder unsere Lean4Students-Tutorien im Rahmen der Vorlesung Lean Production angeboten. In Präsenz können darin Kleingruppen aus Studierenden die Prozesslernfabrik CiP am PTW kennenlernen und dort Inhalte der Vorlesung praktisch anwenden. Diese Kleingruppen werden von extra geschulten studentischen Tutorinnen und Tutoren angeleitet. Diese Stelle ist insbesondere interessant, wenn ihr euer Lean Management Knowhow weiter ausbauen und zudem eure kommunikative Fähigkeiten stärken wollt.


    Bei Interesse meldet euch sehr gerne bei Mahmoud Alhalayka (alhalayka_m@ptw.tu-darmstadt.de)!

    Hochindividuelle Produkte zu ähnlichen Preisen wie Massenware - genau das soll das am PTW entwickelte Konzept des Hochleistungswertstroms ermöglichen. Mit der neu entstehenden Forschungsfabrik FlowFactory besteht die Möglichkeit einen Hochleistungswertstrom auf dem Forschungscampus Lichtwiese umzusetzen und dann weiter zu erforschen. In dieser Masterthesis soll dabei ein detailliertes Gesamtkonzept für einen Hochleistungswertstrom in der FlowFactory erarbeitet werden. Neben einer gründlichen Aufarbeitung des Forschungs- und Anwendungsstand von Hochleistungswertströmen und vergleichbaren Ansätzen, geht es also um die Frage, wie genau die praktische Umsetzung erfolgen kann, welche IT-Systeme benötigt werden und was für Anforderungen an sie bestehen etc.


    Bei Interesse an diesem spannenden Thema meldet euch gerne bei mir.


    Viele Grüße


    Maximilian Steinmeyer

    m.steinmeyer@ptw.tu-darmstadt.de

    Liebe Studierende,


    ab dem kommenden Wintersemester bieten wir am PTW ein spannendes neues Tutorium an:

    Softwareentwicklung für Anwendungen des maschinellen Lernens in der Produktion


    Mit diesem Tutorium geht es uns darum, Ihnen die Grundlagen der professionellen Softwareentwicklung und des Machine Learnings praktisch zu vermitteln, da diese Themen sowohl im Berufsleben als auch in der Forschung immer relevanter werden.


    Die teilnehmenden Studierenden werden befähigt:

    1. Methoden und Instrumente der professionellen Softwareentwicklung zu erklären und selbstständig anzuwenden.

    • Verwendung der Programmiersprache Python
      • Grundlagen der objektorientierten Programmierung
      • Verwendung von Software-Tests zur Qualitätssicherung
    • Verwendung der Versionsverwaltungssoftware Git
    • Verwendung von Linux in der Entwicklung

    2. Methoden und Instrumente des maschinellen Lernens zu erklären und selbstständig im Kontext der Produktion anzuwenden.

    • Umgang mit etablierten Prozessmodellen (CRISP-DM etc.)
    • Erklärung und Auswahl geeigneter Ansätze des maschinellen Lernens (Regression, Classification, etc.) für gegebene Anwendungsfälle
    • Erklärung und Auswahl geeigneter Ansätze des Deep Learning für gegebene Anwendungsfälle
    • Verwendung von relevanten Python-Bibliotheken im Kontext des maschinellen Lernens (NumPy, Pandas, scikit-learn, Keras)

    3. Ausgewählte Lösungen für Probleme im Kontext der Produktion gemeinsam im Team zu entwickeln und umzusetzen.

    4. Die Ergebnisse übersichtlich zusammenzustellen, zu präsentieren und kritisch zu bewerten.

    Das Tutorium findet vrstl. in Präsenz statt und besteht aus einem Theorieteil (Vollzeit, 10.01.22 bis 14.01.22) und einem Projektteil (Teilzeit, 17.01.22 bis 28.01.22)


    Nähere Informationen finden Sie auf der PTW Homepage: https://www.ptw.tu-darmstadt.d…r_produktion/index.de.jsp


    Wir freuen uns ab sofort über Anmeldungen.


    Viele Grüße

    Nicolas Jourdan

    Tobias Biegel

    Liebe Studierende,


    Wir haben eine Master- bzw. Studienarbeit zu vergeben. Hier die Ausschreibung:


    Der Einsatz von künstlicher Intelligenz (KI) für die Verbesserung von Prozessen wird aktuell stark diskutiert. Viele wesentliche Informationen zu Prozessabläufen im Unternehmen, die zur Problemlösung dienen, sind in der direkten Kommunikation der Mitarbeitenden und unstrukturierten Texten vorhanden, wie z.B. die Daten bzgl. Problembeschreibung, Ursache und Lösungsmaßnahmen. Um diese Art von Daten automatisch zu analysieren, kann das Natural Language Processing (NLP) - ein Teilgebiet der KI - verwendet werden.

    • Darstellung des Stands der Technik / Forschung in Bezug auf den Einsatz von NLP für Problemlösungsprozesse
    • Identifikation und Selektion repräsentativer Anwendungsfälle von NLP-basierten Textanalyseverfahren
    • Entwickelung des Interviewleitfadens zur Evaluierung der Anwendungsfälle
    • Akquise von Interviewpartnern, Durchführen und Auswerten der Interviews
    • Strukturierte Ausarbeitung der Ergebnisse mit übersichtlicher Darstellung


    Bei Interesse könnt ihr euch gerne per Email melden.:)


    Beste Grüße


    Yuxi Wang & Marvin Müller

    y.wang@ptw.tu-darmstadt.de

    m.mueller@ptw.tu-darmstadt.de

    Liebe Studierende,


    im Center für industrielle Produktivität (CiP) am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) wird derzeit eine Masterarbeit zur Entwicklung eines innovativen Konzepts für die Intralogistik der Zukunft ausgeschrieben. Im Rahmen der Masterarbeit soll die Forschungsfrage ergründet werden, wie eine schlanke Logistik für eine Einzelstückproduktion zu gestalten ist und welche Rolle neuartige Technologien und Trends (insb. Automated Guided Vehicles (AGVs), Cyberphysische Systeme (CPS), Künstliche Intelligenz (KI), automatische Lagerung) dabei spielen. Dabei soll zunächst ein allgemeines Konzept erarbeitet und anschließend für die neu am PTW entstehende Forschungsfabrik FlowFactory konkreter ausgearbeitet werden.


    Bei Interesse könnt ihr euch gerne per Email melden.


    Viele Grüße

    Maximilian Steinmeyer

    m.steinmeyer@ptw.tu-darmstadt.de

    Liebe Studierende,


    ich habe eine Bachelor- bzw. Studienarbeit zu vergeben, die von zuhause aus bearbeitet werden kann:


    Hier die Ausschreibung:

    Fabrikplanung beschreibt den zielorientierten Prozess zur Gestaltung von Produktionsstätten Die Auswahl von Fabrikelementen, wie z B Fertigungs-, Montage und Logistiksysteme, beeinflusst dabei maßgeblich das Produktionssystem und ist oft mit hohen Kosten verbunden In der Praxis findet diese Auswahl oft sehr intuitiv statt und führt nicht immer zur bestmöglichen Lösung Ziel dieser Arbeit stellt eine Untersuchung bestehender Ansätze zur Auswahl von Fabrikelementen dar Zunächst sollen dazu in einer Literaturrecherche die häufigsten Ansätze identifiziert werden Im Anschluss werden Anforderungen und Kriterien abgeleitet, mit denen die identifizierten Ansätze bewertet und verglichen werden-


    Hieraus ergeben sich folgende Inhalte:

    • Grundlagen zur Fabrikplanung
    • Recherche von Ansätzen zur Auswahl von Fabrikelementen
    • Ableitung von Anforderungen und Kriterien zur Bewertung
    • Vergleich der Ansätze anhand der Anforderungen und Kriterien
    • Diskussion der Ergebnisse
    • Strukturierte Dokumentation

    Meldet euch bei Interesse gerne bei mir per E-Mail (a.kress@ptw.tu-darmstadt.de).


    Beste Grüße

    Antonio Kreß

    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.

    Die GTM GmbH mit Sitz in Bickenbach (20 Minuten von Darmstadt entfernt) sucht derzeit einen Werkstudenten für Unterstützung im Produktionsmanagement - Aufgabenbereich Digitalisierung und Qualitätszertifizierung (ISO 9001).


    Weitere Informationen findet ihr in der angehängten PDF.


    Bei Interesse gerne direkt mit der Bewerbung bei GTM melden:

    contact@gtm-gmbh.com


    https://www.gtm-gmbh.com/de/startseite.html

    Wir haben momentan im Rahmen eines europäischen Forschungsprojekts eine sehr interessante Master-/Studienarbeit zu vergeben an WI-MB oder MB Student*innen. Start ist ab sofort möglich.


    In aktuellen Forschungsprojekten am PTW wird der Einsatz von Digitalisierung und künstlicher Intelligenz in der Produktion untersucht. Digitale Abbildungen von Produktionsanlagen haben das Potential, dieses Forschungsgebiet in der Zukunft maßgeblich zu beeinflussen. Durch die Nutzung von digitalen Abbildungen zusammen mit intelligenten Algorithmen haben Unternehmen die Möglichkeit ihre Produktion datengetrieben zu überwachen, zu optimieren und innovative Produkte und Services zu entwickeln. In dieser Arbeit soll eine systematische Literaturrecherche zu existierenden Frameworks für digitale Abbildungen von Produktionslinien durchgeführt werden.


    Folgende Themen sollen im Zuge der Arbeit behandelt werden:

    • Systematische Literaturrecherche von Anwendungsfällen von digitalen Abbildungen von Produktionsanlagen
    • Systematische Literaturrecherche von Frameworks zur digitalen Abbildung von Produktionsanlagen
    • Vergleich der identifizierten Frameworks anhand von zu definierenden Kriterien
    • Identifikation von offenen Forschungspotentialen
    • Dokumentation und Präsentation der Ergebnisse




    • Bei Interesse melden Sie sich gerne:
      M. Sc. Nicolas Jourdan

    N.Jourdan@ptw.tu-darmstadt.de

    In aktuellen Forschungsprojekten des PTW wird der Einsatz von Methoden des maschinellen Lernens in der Produktion erforscht. Anomaliedetektion wird im Zusammenhang der Prozessüberwachung eingesetzt, um fehlerhafte Zustände und Defekte in Produktionsprozessen präventiv zu erkennen und so Ausschuss oder Unfälle zu vermeiden. Aktuell gewinnen Methoden des maschinellen Lernens zur Anomaliedetektion durch die im Zuge der Digitalisierung verfügbaren Datenmengen zunehmend an Performance und Popularität. Im Rahmen dieser Arbeit soll die Verwendung von Deep Learning basierten Ansätzen, insbesondere Autoencodern, zur Anomaliedetektion anhand des Tennessee Eastman Prozess Simulators evaluiert werden.


    Folgende Themen sollen im Zuge der Arbeit behandelt werden:

    • Literaturrecherche zum Stand der Forschung im Bereich der Anomaliedetektion sowie relevanter Machine Learning Algorithmen

    • Literaturrecherche und Aufarbeitung des Tennessee Eastman Prozess (TEP) Simulators

    • Entwicklung einer Methodik zur Bewertung der Qualität von Algorithmen zur Anomaliedetektion

      auf einem TEP Datensatz

    • Entwicklung und Implementierung eines Deep Learning Ansatzes zur Anomaliedetektion

    • Auswahl und Implementierung von geeigneten Vergleichsmethoden

    • Bewertung und Vergleich der verschiedenen Verfahren mittels der entwickelten Methodik auf

      einem TEP Datensatz

    Voraussetzungen:

    • Programmiererfahrung in Python

    • Erfahrung mit Machine Learning Algorithmen

    • Interesse an Machine Learning und Produktion



    Bei Interesse melden Sie sich gerne:

    M. Sc. Nicolas Jourdan

    N.Jourdan@ptw.tu-darmstadt.de


    Literatur (beispielhaft):

    • Lv, Feiya, et al. "Fault diagnosis based on deep learning." 2016 American Control Conference (ACC). IEEE, 2016.
    • Chadha, Gavneet Singh, and Andreas Schwung. "Comparison of deep neural network architectures for fault detection in Tennessee Eastman process." 2017 22nd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA). IEEE, 2017.

    In aktuellen Forschungsprojekten des PTW wird der Einsatz von Methoden des maschinellen Lernens in der Produktion erforscht. Eine der wichtigsten Voraussetzungen für die Anwendung von ML-Systemen in der Produktion ist die Verfügbarkeit von Echtzeitmessdaten in hoher Qualität. Im Rahmen dieser Thesis soll untersucht werden, wie mithilfe von Deep Learning Methoden, insbesondere Autoencodern oder Generative Adversarial Networks (GANs), der Ausfall von realen Sensoren durch virtuelle „softe“ Sensoren kompensiert werden kann. Dabei soll der virtuelle Sensor den realen Sensor auf Basis von weiteren verfügbaren Messwerten kurzfristig ersetzen und so Lücken in den Messdaten verhindern.

    Folgende Themen sollen im Zuge der Arbeit behandelt werden:

    • Literaturrecherche zum Stand der Forschung im Handling von unvollständigen Daten und softSensors sowie relevanter Machine Learning Algorithmen

    • Entwicklung einer Methodik zur Bewertung der Qualität von vervollständigten Prozessmesswerten

    • Entwicklung und Implementierung eines Deep Learning Ansatzes zur Vervollständigung von Prozessmesswerten

    • Auswahl und Implementierung von geeigneten Vergleichsmethoden

    • Bewertung und Vergleich der verschiedenen Verfahren mittels der entwickelten Methodik auf

      einem gegebenen Datensatz

    Voraussetzungen:

    • Programmiererfahrung in Python

    • Erfahrung mit Machine Learning Algorithmen

    • Interesse an Machine Learning und Produktion


    Bei Interesse melden Sie sich gerne:

    M. Sc. Nicolas Jourdan

    N.Jourdan@ptw.tu-darmstadt.de


    Literatur (beispielhaft):

    • Xie, Ruimin, et al. "Supervised Variational Autoencoders for Soft Sensor Modeling With Missing Data." IEEE Transactions on Industrial Informatics 16.4 (2019): 2820-2828.

    • Jaques, Natasha, et al. "Multimodal autoencoder: A deep learning approach to filling in missing sensor data and enabling better mood prediction." 2017 Seventh International Conference on Affective Computing and Intelligent Interaction (ACII). IEEE, 2017.

    Liebe Studierende,


    am PTW ist aktuell eine spannende externe Masterthesis in besonderer Konstellation ausgeschrieben:


    Körber Supply Chain GmbH (ehemals Langhammer) hat vor 1,5 Jahren SAP S/4 eingeführt und ist nun fortlaufend darum bemüht, weitere Potenziale des neuen ERP Systems auszuschöpfen. Eine Baustelle, die wir gemeinsam identifiziert haben, ist die Produktionsplanung der Komponentenfertigung. Hier findet aktuell kein echter Kapazitätsabgleich statt, wodurch es zu schwankenden Auslastungen und ungewissen internen Lieferzeiten kommt.


    Ziel der Masterarbeit ist es, die Produktionsplanung in der Komponentenfertigung bei Körber zu analysieren, ein neues Konzept dafür zu entwickeln und dessen Umsetzbarkeit mit dem bestehenden SAP System sowie mit bereits vorausgewählten MES zu evaluieren.


    Zur Betreuung hinsichtlich SAP und MES Knowhow findet die Arbeit in Kooperation mit der KARON Beratungsgesellschaft statt, die Sie in dieser Zeit als Masterand/in einstellt. Diese Thesis ermöglicht es, an einem spannenden, praxisrelevanten Thema zu arbeiten und dabei das Arbeitsumfeld einer IT-Beratung sowie eines mittelständischen Anlagenbauers kennenzulernen, wertvolle Kontakte zu knüpfen und Erfahrungen im Einsatz von SAP S/4 zu sammeln.


    Hier geht es zur Ausschreibung: https://www.ptw.tu-darmstadt.d…_PPS_Langhammer_Karon.pdf


    Beste Grüße

    Christian Urnauer

    Center für industrielle Produktivität // PTW