Masterarbeit: Automatisierte Sensorkalibrierung und Fehlerklassifizierung fur intelligente Sensornetzwerke (w/m/div.)
Unternehmensbeschreibung
Stellenbeschreibung
Dieses Projekt konzentriert sich auf die Optimierung der Zuverlassigkeit industrieller Maschinen durch fortschrittliches Sensormonitoring und automatisierte Kalibrierung. Im Rahmen Ihrer Abschlussarbeit untersuchen Sie zwei Hauptarten von Sensorausfallen: physische Hardware-Anomalien und softwarebedingte Abweichungen (Drifts). Durch die Kombination praxisnaher Messungen am Prufstand mit Datenanalysen entwickeln Sie ein System, das zwischen diesen Fehlerarten unterscheidet und - wo moglich - automatisch softwarebasierte Korrekturen anwendet. Ihr abschlieendes Konzept tragt zur Entwicklung selbstkalibrierender Sensorsysteme bei.
Im Rahmen Ihrer Abschlussarbeit fuhren Sie physische Messungen an einem Kugelgewindetrieb-(BSD)-Prufstand durch, um sowohl fehlerfreie ("gute") Sensordaten als auch hardwarebedingte Sensorausfalle ("schlechte") zu erfassen und zu analysieren. Sie analysieren einen bereitgestellten, vorab detektierten Datensatz mit softwarebedingten Sensorabweichungen (z. B. Sensordrift). Sie erarbeiten Kriterien, die eine softwarekorrigierbare Drift von einem physischen Hardwarefehler unterscheiden, sodass der Sensor fur eine rein softwarebasierte Rekalibrierung geeignet ist. Daruber hinaus recherchieren und bewerten Sie verschiedene softwarebasierte Rekalibrierungstechniken.
Sie entwerfen ein robustes Konzept fur einen automatisierten Workflow, der auf Basis Ihrer Klassifikation die passende softwarebasierte Rekalibrierung auslost und anschlieend pruft, ob der Sensor wieder korrekt arbeitet. Zudem validieren Sie Ihr Konzept sowohl mit Ihren neu aufgezeichneten Hardware-Datensatzen als auch mit den bereitgestellten Drift-Datensatzen. Abschlieend identifizieren Sie Falle, in denen eine softwarebasierte Rekalibrierung nicht ausreicht (mit besonderem Fokus auf die aufgezeichneten Hardwarefehler), und schlagen eine Strategie vor, wie das System mit diesen physischen Anomalien umgehen soll (z. B. Kennzeichnung fur Wartung oder Auslosen eines Hardwareaustauschs).
Qualifikationen
- Ausbildung: Masterstudium im Bereich Informatik, Data Science, Elektrotechnik, Mechatronik, Ingenieurwesen, Physik oder vergleichbar, mit sehr guten Studienleistungen
- Erfahrung und Kenntnisse: Sehr gute Programmierkenntnisse in Python sowie sicherer Umgang mit Data-Science-Bibliotheken (z. B. Pandas, NumPy, Scikit-learn); fundierte theoretische Kenntnisse und erste praktische Erfahrungen in Datenanalyse und Machine-Learning-Konzepten, insbesondere im Bereich Klassifikation; grundlegendes Verstandnis physikalischer Messprinzipien, Sensortechnik oder industrieller Automatisierung; Kenntnisse in kollaborativer Softwareentwicklung sowie mit Plattformen wie Git/GitHub
- Personlichkeit und Arbeitsweise: Sie sind hoch motiviert, offen fur Zusammenarbeit und Teamarbeit und verbinden eine eigenstandige, systematische Arbeitsweise mit ausgepragtem analytischem Denken
- Arbeitsmodell: Unser hybrides Modell bietet Ihnen eine ausgewogene Mischung aus Prasenz vor Ort und Remote-Arbeit
- Interesse: Sie haben groes Interesse daran, reale industrielle Problemstellungen zu losen, und sind von der Idee fasziniert, intelligente, selbstwartende Systeme zu entwickeln
- Sprachen: Verhandlungssicheres Englisch; Deutschkenntnisse sind von Vorteil
