Masterand Machine Learning basierende Materialmodellkalibrierung für Felgendruckversuche in Bietigheim-Bissingen bei Porsche Engineering Group

Die virtuelle Funktionsabsicherung mittels CAE-Methoden zur Gewährleistung der passiven Sicherheit ist aus der modernen Fahrzeugentwicklung nicht mehr wegzudenken. Schwerpunkt ist hier die simulative mechanische Auslegung und Optimierung von Komponenten bis hin zu Gesamtfahrzeugen. Infolge zunehmender Produktkomplexität aufgrund steigender Anforderungen, insbesondere durch Variantenvielfalt, Sicherheit, Digitalisierung und Elektrifizierung der Fahrzeuge, ist der Einsatz sowie die stetige Erweiterung von effizienten und agilen Entwicklungsprozessen, - methoden und Werkzeugen unabdingbar. Ein vielversprechender Ansatz ist die Aufstellung und Anwendung rein datengetriebener Modelle, die relevantes Systemverhalten abbilden. Parameterstudien oder komplexe Optimierungsprobleme lassen sich damit in kurzer Zeit lösen. Inwiefern Machine Learning (ML) Modelle dazu verwendet werden können, die Modellvalidität in numerischen Crashberechnungen auf Komponentenebene zu erhöhen, soll im Rahmen dieser Masterarbeit untersucht werden.

• Die Literaturübersicht und der Stand der Technik auf dem Gebiet von CAE und ML stellen einen Schwerpunkt deiner Tätigkeit dar
• Du übernimmst die Verbesserung des bestehenden ML-Modells zur Vorhersage von Kraft-Weg-Kurven auf der Grundlage von Felgenparametern und Bildern, wobei hier die Optimierung Modellauswahl, Datenverarbeitung und Datenerweiterung umfassen kann
• Optional untersuchst du die Verwendung von 3D-Voxel-Daten anstelle von 2D-Pixel-Daten
• Die Erweiterung der Eingabeparameter des ML-Modells um Parameter von relevanten LS-DYNA-Materialmodellen gehört zu deinem Aufgabenbereich
• Du bist für die Implementierung und Validierung einer Optimierungspipeline auf der Grundlage des ML-Modells zur Kalibrierung von Materialmodellparametern auf der Basis von physikalischen Felgendruckversuchen zuständig
• Nicht zuletzt übernimmst du die Dokumentation und Präsentation der Forschungsergebnisse

• Du studierst aktuell Informatik, Mechatronik, Maschinenbau, Luft- und Raumfahrttechnik oder einen vergleichbaren Studiengang
• Du hast Kenntnisse im Bereich der Theorie und insbesondere in der Implementierung von Machine Learning Algorithmen
• Du verfügst über gute Programmierkenntnisse in Python sowie erste Erfahrung mit relevanten Machine Learning Frameworks wie beispielsweise Pytorch und scikit-learn
• Du hast gute Kenntnisse in MS Office
• Du bringst idealerweise erste Vorerfahrung durch Praktika
• Du kannst dich sehr gut in deutscher (mind B2-Level) und gut in englischer Sprache verständigen
• Du bist motiviert, in einem Team mit hilfsbereiten und herzlichen Kollegen deine sehr gute Kommunikationsfähigkeit und Dienstleistungsorientierung unter Beweis zu stellen
• Zu deinen Stärken zählen ausgeprägte analytische und konzeptionelle Fähigkeiten sowie eine selbstständige Arbeitsweise

Wissenswertes vor der Abfahrt:

Voraussetzung: gültige Immatrikulation an einer Hochschule oder Universität

Beginn: ab Juni

Dauer: 6 Monate

Porsche Engineering ist ein Premium-Ingenieurdienstleister für Automobilhersteller, deren Zulieferer und für andere Branchen. Die Ingenieure von Porsche Engineering tüfteln neue, ungewöhnliche Ideen für Automobile, Fahrzeuge und industrielle Produkte aus und bringen dabei die OEM-Kompetenz und das Wissen aus der Gesamtfahrzeugsicht eines Sportwagenherstellers ein. Im Kundenauftrag werden vielfältige Lösungen entwickelt – von der Konzeption einzelner Komponenten über die Auslegung komplexer Module bis hin zur Planung und Umsetzung von Gesamtentwicklungen einschließlich Serienanlaufmanagement.

Auftragsentwicklungen und Ingenieurdienstleistungen haben bei Porsche eine lange Tradition. Ferdinand Porsche, der legendäre Firmengründer und geniale Ingenieur, startete 1931 mit einem Konstruktionsbüro für Ingenieurdienstleistungen in die Selbständigkeit. Damit ist der Name Porsche seit Anfang an eng mit der Ingenieurdienstleistung für Kunden verbunden. Diese Tradition führt Porsche Engineering fort – heute und auch in Zuk