Angebote für Abschlussarbeiten und Lehrprojekte

Auch wenn nachstehend keine Themen aufgelistet sind, hei?t es nicht, dass es aus dem Institut keine Angebote gibt! Bei Interesse an Themenstellungen aus unseren Bereichen sprechen Sie einfach die Mitarbeitenden direkt an.

Master-Arbeit: Entwicklung einer Machine Learning basierten Prognose der Sortierergebnisse von Nahinfrarot-Trennanlagen in Kunststoffsortieranlagen

Hintergrund

Die stoffliche Verwertung recycelbarer Abf?lle wird immer wichtiger, um Energie und fossile Brennstoffe einzusparen und natürliche Ressourcen zu schonen – ein Anliegen, das auch politisch unterstützt wird. Dabei liegt ein Fokus auf der Senkung des Energieverbrauchs bei der Trennung und Sortierung von Abf?llen, die für das Recycling genutzt werden sollen.

Im Projekt EnSort (Energieeffiziente Sortieranlage) soll der Energieaufwand von Maschinen, die im komplexen Sortierprozess verwendet werden, mithilfe von KI-basierter Materialerkennung optimiert werden. Ziel ist es, den Sortierprozess für recycelbare Materialien effizienter zu gestalten und die Anlage an unterschiedliche Qualit?ten des Abfallmaterials flexibel anzupassen. Dies wird durch die Digitalisierung des bisher manuell gesteuerten Prozesses erm?glicht.

Aufgabenbeschreibung

Für die Entwicklung eines Digitalen Zwillings, um die Gesamtanlage zu simulieren, ist die Prognose der Sortierergebnisse der Nahinfrarot-Sortieraggregate notwendig. Diese hochtechnologischen Ger?te, welche als Kernelemente jeder Sortieranlage eigesetzt werden, klassifizieren mittels Nahinfrarot-Spektroskopie verschiede Materialien auf dem darunterliegenden Flie?band in Sekundenbruchteilen und separieren diese im Anschluss mittels Druckluft in die verschiedenen Materialfraktionen. Auf dem Weg zur Prognose sind verschiedene Arbeiten durchzuführen:

Darstellung des Stands der Technik bezüglich geeigneter Methoden für die Datenvorverarbeitung und Machine Learning-Algorithmen
Evaluieren verschiedener Maschinenkenngr??en und Zusammenstellen des Testdatensatzes
Data preprocessing zur Optimierung der Datenverarbeitung
Umsetzung verschiedener Algorithmen mit anschlie?endem Vergleich mithilfe verschiedener Kenngr??en
Aufbereitung und Darstellung der Ergebnisse
Dokumentieren der kompletten Herangehensweise

Voraussetzung

Kenntnisse in der Datenverarbeitung und Python
Interesse an Nachhaltigkeit und Kunststoffrecycling
Erfahrung im Maschinellen Lernen oder Bereitschaft sich diese anzueignen
Selbstst?ndige und verantwortungsbewusste Arbeitsweise

M.Eng. Marcel Wiechmann
+49 421 218-64864
mwiechmannprotect me ?!uni-bremenprotect me ?!.de

Master-Arbeit: Inbetriebnahme eines Prüfstands zur 3D-Vermessung von CFK-Pultrudaten auf einem 澳门皇冠_皇冠足球比分-劲爆体育fach gekrümmten Formwerkzeug

Prüfstand zur Ablage von Pultrusionsplanken

Hintergrund

Die Hersteller von Windenergieanlagen (WEA) stehen vor der Herausforderung, in Zukunft immer schneller und spezifischer auf die Anforderungen der weltweiten M?rkte reagieren zu müssen, um wettbewerbsf?hige WEA anbieten zu k?nnen. Dies erfordert eine hohe Variantenvielfalt mit individuell anpassbaren Eigenschaften. Die Variantenvielfalt führt jedoch insbesondere im Bereich der WEA-Rotoren zu sehr hohen Kosten. Daher ist es notwendig, neue Methoden zur Verbesserung der Auslegungs- und Konstruktionspraxis zu entwickeln. Das BIK unterstützt diese hochintegrierten Entwurfs- und Auslegungsverfahren durch den Einsatz numerischer Simulationstechniken, welche durch Versuchsst?nde validiert werden sollen. Dabei werden CFK-Pultrudate abgelegt und anschlie?end mit einem 3D-Scanner (EinScan Pro HD) vermessen. Ziel der Arbeit ist es, diesen Prüfstand in Betrieb zu nehmen.

Aufgabenbeschreibung

Folgende Teilaufgaben zu bearbeiten:

Anpassung des Prüfstands für den Einsatz eines 3D-Scanners (Konstruktion mit Inventor und Fertigung mittels 3D-Drucker)
Planung und Durchführung von Versuchen
Anpassung der vorhandenen Auswerteskripte in Python
Dokumentation der Ergebnisse