NEURONALE NETZE SIND IHR THEMA? WIR BEI FRAUNHOFER BIETEN IHNEN AB SOFORT EINE SPANNENDE
Abschlussarbeit zum Thema "Bauteilinspektion mittels tiefer, neuronaler Netze"

Eine hohe Produktqualität wird nicht nur durch stabile Fertigungsprozesse ermöglicht, sondern diese muss auch durch eine funktionierende Qualitätsüberwachung abgesichert werden. Vielfach geschieht die Inspektion von Bauteilen auf Fehler nach wie vor durch speziell geschultes Personal, da sich viele Fehlertypen nur schwer anhand klarer, quantifizierbarer Merkmale definieren lassen. Eine automatische Detektion ist somit schwierig bzw. kann das subjektive Klassifizieren des Menschen nur unzureichend mit technischen Mitteln nachbilden. Allerdings stößt menschliche Inspektion aufgrund der begrenzten Aufnahmefähigkeit, Ermüdungserscheinungen und der Tagesform oft an ihre Grenzen und stellt ein Hemmnis in Produktionsprozessen dar. Einen vielversprechenden Ausweg könnten hierbei maschinelle Lernverfahren auf Basis tiefer, neuronaler Netze bieten, die in den letzten Jahren bereits einige, menschliche Wahrnehmungsprozesse sehr gut nachbilden konnten.
Ziel dieser Arbeit ist es, eine prototypische Software für Oberflächenprüfung von Kleinbauteilen zu entwickeln. Ausgangspunkt soll die Analyse verschiedener Methoden des tiefen, maschinellen Lernens (z.B. CNN, Autoencoder, GAN) auf Basis verfügbarer Programmbibliotheken (z.B. TensorFlow, Torch, Keras) bilden. Besonders vielversprechend sind dabei aktuelle Ansätze aus dem Bereich der unbewachten Anomaliedetektion, bei den Störbedingungen (z.B. Lagetoleranz, Texturschwankungen, Rauschen) unterworfenen Ist-Bilddaten fehlerfreie Referenzansichten des Bauteils generiert und Anomalien anhand eines Soll-Ist-Abgleichs detektiert werden. Ausgewählte Lernansätze sollen mit dem Software-Framework XEIDANA® implementiert und im Labormaßstab anhand von Versuchsreihen mit geschädigten und fehlerfreien Bauteilen verifiziert werden. Für die Hardware-Plattform kann auf existierende optische Inspektionssysteme zurückgegriffen werden.

Schwerpunkte der Arbeit

  • Recherche zum Stand der Technik und Wissenschaft (Funktionsweise sowie Vor- und Nachteile tiefer Lernverfahren, praktische Anwendungen tiefer Lernverfahren, verfügbare Bibliotheken und Schnittstellen),
  • Anforderungsanalyse unter Berücksichtigung der Randbedingungen in der industriellen Produktion und Methodenauswahl,
  • Entwicklung eines Software-Prototypen auf Basis des Xeidana-Frameworks,
  • (Nach-)Trainieren des Lernverfahrens,
  • Planung und Durchführung von Versuchsreihen im Labormaßstab,
  • Bewertung und Dokumentation der Ergebnisse.

Was Sie mitbringen

  • Strukturierte selbstständige Arbeitsweise,
  • Teamfähigkeit,
  • schnelle Auffassungsgabe,
  • termingerechtes Arbeiten,
  • Kenntnisse im Bereich der Messtechnik
  • Erfahrungen im Themengebiet neuronaler Netze
  • Was Sie erwarten können

  • Einblick in spannende Forschungsprojekte im Bereich der Prüftechnik und Automation
  • Unterstützung bei der Einarbeitung in die Thematik auf Basis des vorhandenen Kenntnisstandes,
  • enge Betreuung durch wissenschaftliche Mitarbeitende,
  • Sprungbrett in die freie Wirtschaft,
  • gute Karrierereferenz,
  • Freiraum und Verantwortung,
  • Praxisnähe durch Projektarbeit,
  • moderne technische Ausstattung,
  • Austausch mit Fachkolleginnen und Fachkollegen innerhalb des Instituts und der Fraunhofer-Gesellschaft,
  • Campusnähe.

  • Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.
    Wir weisen darauf hin, dass die gewählte Berufsbezeichnung auch das dritte Geschlecht miteinbezieht.
    Die Fraunhofer-Gesellschaft legt Wert auf eine geschlechtsunabhängige berufliche Gleichstellung.

    Fraunhofer ist die größte Organisation für anwendungsorientierte Forschung in Europa. Unsere Forschungsfelder richten sich nach den Bedürfnissen der Menschen: Gesundheit, Sicherheit, Kommunikation, Mobilität, Energie und Umwelt. Wir sind kreativ, wir gestalten Technik, wir entwerfen Produkte, wir verbessern Verfahren, wir eröffnen neue Wege.

    Fragen zu dieser Position beantworten Ihnen gern:

    Dipl.-Ing. Alexander Pierer
    Tel.: +49371 5397 1203

    Dipl.-Inf. Thomas Wiener
    Tel.: +49371 5397 1757

    Bitte bewerben Sie sich bevorzugt online unter Anhang Ihrer vollständigen Bewerbungsunterlagen (individuelles Anschreiben, Lebenslauf, aktuelle Notenübersicht, Immatrikulationsbescheinigung).

    Kennziffer: IWU_Arb_122 Bewerbungsfrist: 30.06.2021
    counter-image