Ausschreibung für die Fachrichtungen wie z. B.: Informatik, Luft- und Raumfahrttechnik, Maschinenbau, Mathematik, Softwareengineering, technische Informatik, Technologiemanagement oder vergleichbare. Warum Anomalie-Lokalisierung? Durch den zunehmenden Einsatz von Sensorik stehen in der industriellen Fertigung umfangreiche Messdaten aus Druckluftsystemen zur Verfügung. Unüberwachte und teilüberwachte Verfahren des Maschinellen Lernens zeigen vielversprechende Ergebnisse in der Anomalieerkennung. Die gezielte Lokalisierung von Leckagen ist jedoch bislang nur unzureichend erforscht. Vorarbeiten haben die grundsätzliche Eignung von Physics-Informed Neural Networks (PINNs) zur Lokalisierung von Leckagen in Druckluftsystemen demonstriert. Eine umfassende, systematische Validierung dieses Ansatzes unter realitätsnahen Bedingungen steht jedoch bislang aus. Die Architektur soll: Die entwickelte Architektur wird anhand realitätsnaher, experimentell erzeugter Datensätze validiert und quantitativ bewertet.
Rund 10 % des gesamten Stromverbrauchs in der verarbeitenden Industrie in den USA und der EU-15 entfallen auf Druckluftsysteme. Hohe Leckageraten von 15 % bis zu 60 % führen dabei zu erheblichen Energie- und Kostenverlusten. Im Kontext von Industrie 4.0 bieten datengetriebene und modellbasierte Methoden ein hohes Potenzial, Anomalien wie Leckagen frühzeitig zu erkennen und deren Ursachen gezielt zu lokalisieren. Eine zentrale Herausforderung besteht darin, nicht nur das Auftreten einer Anomalie zu detektieren, sondern deren räumliche Position im System zuverlässig zu bestimmen. Hierfür sind Softwarearchitekturen erforderlich, die Sensordaten, physikalisches Systemwissen und lernbasierte Modelle systematisch integrieren.
Physics-Informed Neural Networks (PINNs) stellen einen innovativen Ansatz dar, da sie physikalische Gesetzmäßigkeiten direkt in den Lernprozess integrieren. Bisherige Arbeiten fokussieren sich jedoch überwiegend auf einzelne Modellansätze, ohne diese in eine übergeordnete, wiederverwendbare Architektur einzubetten.
Ziel dieser Masterarbeit ist der Entwurf, die Implementierung und die Evaluation einer modularen Systemarchitektur zur Anomalie-Lokalisierung in Druckluftanlagen auf Basis Physics-Informed Neural Networks.
Hier sorgen Sie für Veränderung
In dieser Arbeit leisten Sie einen konkreten Beitrag zur Energieeffizienz und Nachhaltigkeit in der Industrie. Durch die Entwicklung intelligenter Architekturen zur Anomalie-Lokalisierung in Druckluftanlagen helfen Sie, Leckagen frühzeitig zu erkennen, Energieverluste zu reduzieren und industrielle Systeme zukunftsfähiger zu machen. Sie verbinden moderne Methoden des Maschinellen Lernens mit physikalischem Systemverständnis und übertragen aktuelle Forschung direkt in praxisnahe Anwendungen – mit echtem Impact auf Industrie 4.0 und den verantwortungsvollen Umgang mit Ressourcen. Stand der Technik / Literatur: Experimentelle und methodische Fragestellungen: Potenzielles Vorgehen
Hiermit bringen Sie sich ein
Sie sind immatrikuliert an einer deutschen Universität oder Hochschule. Sie bringen Ihre analytischen Fähigkeiten, Ihre Programmierkenntnisse in Python sowie Ihr Interesse an datengetriebenen und physikbasierten Methoden ein. Mit einer selbstständigen und strukturierten Arbeitsweise wirken Sie aktiv an der Konzeption, Implementierung und Evaluation innovativer Architektur- und Modellansätze mit. Dabei bringen Sie theoretisches Wissen aus Ihrem Studium ein, entwickeln es im Forschungsumfeld weiter und arbeiten eng mit einem interdisziplinären Team zusammen.
Was wir für Sie bereithalten
Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.
Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.
Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht.
Frau Jennifer Leppich Tel. +49 711 970-1415
Recruiting
jennifer.leppich@ipa.fraunhofer.de
Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA
Kennziffer: 83031 Bewerbungsfrist:
Die Fraunhofer-Gesellschaft ist eine der führenden Organisationen für anwendungsorientierte Forschung: Seit der Gründung 1949 stärken Fraunhofer-Institute die Wettbewerbsfähigkeit der Wirtschaft und den Innovationsraum in Deutschland und Europa. Mit ganzheitlichen Angeboten für Wirtschaft und Politik liefert Fraunhofer Lösungen für branchenübergreifenden Impact. Darüber hinaus ist die Fraunhofer-Gesellschaft ein bedeutender Standortfaktor für das Innovationsland Deutschland: Durch die Aktivitäten erhöhen sich Investitionseffekte in der Wirtschaft, erlangen Unternehmen innovationsbasierte Wettbewerbsvorteile, entstehen Arbeitsplätze, Fachkräfte werden qualifiziert und es steigt die gesellschaftliche Akzeptanz moderner Technik.
