Masterarbeit / Diplomarbeit zu Machine-Learning Methoden zur Reduktion des Berechnungsaufwandes, Nenzing
Beschreibung
Thema: Weiterentwicklung von Machine-Learning Methoden zur Reduktion des Berechnungsaufwandes am Beispiel der Traglastberechnung von Raupenkranen
Beschreibung:
Raupenkrane und Seilbagger können aufgrund ihres modularen Aufbaus eine große Varianz unterschiedlicher Krankonfigurationen abbilden. Durch die Verwendung zusätzlicher Nadel- und Derrick-Ausleger wird diese Varianz noch einmal signifikant vergrößert. Zusammen mit der Vielzahl unterschiedlicher, auslegungsrelevanter Lastfälle erfordert eine zuverlässige Dimensionierung der Tragstruktur eine große Menge gleichartiger Berechnungen. Basierend auf dieser Gleichartigkeit erscheinen KI-artige Lösungen auf Basis von ML-Modellen (Maschine Learning) potentiell geeignet, um die Berechnungsprozesse durch eine Vorsondierung der relevanten Konfigurationen und Lastfälle sowie deren Kombination zu beschleunigen.
Das Ziel dieser Arbeit besteht darin, auf der Basis von bestehenden Erkenntnissen und Methoden, neue Ansätze und Methodiken zu entwickeln und diese in einem erweiterten Kontext anzuwenden.
Einzelaufgaben:
* Einarbeitung in die Themengebiete und den Stand der Technik im Bereich ML und Traglastberechnung sowie in die vorangegangenen Untersuchungen
* Analyse der bestehenden Berechnungsdaten und Ableitung von Ansätzen zur Nutzung automatisierter Methoden auf Basis von ML zur Reduktion des Berechnungsaufwandes
* Ableitung und Definition einer Methodik zur operativen Nutzung im Berechnungsalltag
* Test und Validierung der Modelle
* Identifikation von Potentialen und Risiken der abgeleiteten Methodik und Ableitung möglicher Lösungsansätze bzw. Definition von Einsatzgrenzen
* Übersichtliche Dokumentation und Zusammenfassung des Vorgehens sowie der Ergebnisse
Dein Profil
* Laufendes Studium in den Bereichen Maschinenbau, Bauingenieurwesen, Technische Mathematik, Technische Physik oder Technische Informatik
* Interesse an Themen des Machine Learnings
* Interesse an der Lösung von komplexen Problemen
* Strukturierte und systematische Arbeitsweise
* Grundlegende strukturmechanische Kenntnisse von Vorteil
#J-18808-Ljbffr