Karrierechance: Werde Studien-/Abschlussarbeit - Integration von Produktionsplanungsdaten zur Verbesserung der Lastprogn. bei Produktionstechnik und Automatisierung in Stuttgart

Ausschreibung für die Fachrichtungen wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik, Kybernetik, Maschinenbau, Mathematik, Mechatronik, Physik, Regelungstechnik, Softwaredesign, Softwareengineering, technische Informatik, Technologiemanagement, Wirtschaftsingenieurwesen oder vergleichbare.

Kontext
Prognosen stellen ein entscheidendes Instrument für verschiedene Optimierungsmaßnahmen in produzierenden Unternehmen dar. Sie ermöglichen die gezielte Optimierung von Energiekosten, die Anpassung von Produktionsreihenfolgen, die prädiktive Vermeidung von Lastspitzen sowie die frühzeitige Erkennung von Anomalien.
Im Forschungsprojekt FlexGUIde wird u.a. daran geforscht, wie die Prognose von elektrischen Lasten für produzierende Unternehmen mithilfe von Künstlicher Intelligenz (KI) verbessert werden kann. Ein wesentlicher Einflussfaktor auf den Energieverbrauch stellt hier die Produktion dar, weshalb die Produktionsplanungsdaten und Verbrauchsdaten (PPD) als externe Variable das Potential haben, die Prognoseleitung signifikant zu steigern.
Zur Erforschung dieses Potentials und zur Erarbeiten einer Methode zur Integration wurde im Rahmen des Projekts ein Unternehmenspartner gefunden, der seine Daten hierfür zur Verfügung stellt. Es sind Auszüge des Produktionsplanungssystems und Lastverläufe auf verschiedenen Aggregationsstufen vorhanden.

Problemstellung
Es ist unklar, wie diese Produktionsplanungsdaten in die KI-Prognose integriert werden können, insbesondere da die Prozess-Maschinenbelegung nicht explizit als Zeitreihe vorliegt, wie es für die Prognose benötigt würde. Außerdem ist unklar, welchen quantitativen Mehrwert von dieser Integration zu erwarten ist.

Nächste Schritt
Gerne gehe ich nochmals in einem persönlichen Gespräch auf die Ziele und Fragesellungen ein, sodass Sie ihre Interessen und Ziele mit unseren Projektinhalten abgleichen und matchen können. Melden Sie sich bei Fragen gerne jederzeit.
Wir freuen uns auf Sie!

Was Sie bei uns tun

• Einarbeitung in die vorhandenen Datensätze, Absprache mit dem Partner-Unternehmen
• Extraktion von Energiekennzahlen aus den historischen Daten
• Visualisierung der Kennzahlen
• Implementieren von 3 Prognosealgorithmen mithilfe von Künstlicher Intelligenz auf historischen Daten
• Verknüpfen der Energiekennzahlen mit den Prognosealgorithmen
• Dokumentation
• Präsentation

Was Sie mitbringen

• Python Kenntnisse / Erfahrung
• optimalerweise bereits Erfahrung mit Datenverarbeitung / Modellierung

Was Sie erwarten können

• Arbeit in einem hochaktuellen und relevanten Forschungsgebiet
• Gute und enge fachliche Unterstützung von einem Betreuer aus dem Themengebiet
• sehr junges, engagiertes Team
• Thema soll auch strategisch ausgebaut werden, d.h. Anschlussarbeiten möglich (auch falls gewünscht: Gemeinsame Veröffentlichungen, anschl. Hiwi-Fortsetzung, ..)
• Türöffner ins Institut

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.

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.

Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen!

Frau Lisa Bauer
Recruiting
Tel. +49 711 970-3681

lisa.bauer@ipa.fraunhofer.de

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

Kennziffer: 70761 Bewerbungsfrist: