Masterarbeit: Machine Learning Methoden für Predictive Maintenance von Getriebeölen in München bei Mikrosysteme und Festkörper Technologien

Das Fraunhofer EMFT betreibt angewandte Forschung an Sensoren und Aktoren für Mensch und Umwelt. Die rund 150 Mitarbeitenden an den drei Standorten München, Oberpfaffenhofen und Regensburg verfügen über langjährige Erfahrung und umfangreiches Know-how in Mikroelektronik und Mikrosystemtechnik. Das Technologieangebot des Instituts reicht von Halbleiterprozessen und MEMS-Technologien über 3D-Integration bis hin zur Folienelektronik. Diese Nano- und Mikrotechnologien sind die Basis für die anderen Kompetenzfelder des Fraunhofer EMFT: Sensorlösungen, sichere Elektronik und Mikropumpen.

Die Arbeitsgruppe Machine Learning Enhanced Sensor Systems forscht im laufenden Projekt „Smart Gear“ an einem Predictive Maintenance Ansatz für Getriebeöle. Dieser besteht aus einer Anomalie-Erkennung und einem Machine Learning Modell, dass den Zustand und die Restnutzungsdauer des Öles schätzt. Zusammen mit Projektpartnern wurde ein Labordatensatz für künstliche Ölalterung aufgenommen und ein live Condition Monitoring für ein Getriebe in der Produktion implementiert. Die Herausforderung für das Machine Learning ist, die Erkenntnisse aus den Labordaten auf die Livedaten der Anlage zu übertragen und mittels Active Learning Vorhersagen über zukünftige Labor-Experimente zur Verbesserung der Predictive Maintenance Lösung zu treffen.

Arbeite mit uns an inspirierenden Lösungen für die Generationen von morgen und setze Maßstäbe für die Zukunft. Werde Teil unseres Teams und schreibe ab sofort Deine Masterarbeit mit uns!

Was Du bei uns tust

• Auswahl und Implementierung von AI/Machine Learning Modellen für einen Predictive Maintenance Ansatz
• Training von AI/Machine Learning Modellen auf rechenstarken Servern
• Charakterisierung und Evaluierung der gewählten Modelle

Was Du mitbringst

• Masterstudium an einer Universität oder Hochschule in der Fachrichtung Elektrotechnik und Informationstechnik, Informatik oder artverwandt
• Gute Kenntnisse in Python
• Erfahrungen im Bereich Machine Learning
• Selbständige Arbeitsweise

Was Du erwarten kannst

• Eine herausfordernde und anspruchsvolle Abschlussarbeit mit Verantwortung, Praxisrelevanz und Gestaltungsspielraum
• Einblicke in die angewandte Forschung zwischen Wissenschaft und Wirtschaft
• Fachliche und persönliche Weiterentwicklung durch State-of-the-Art Forschungs- und Entwicklungsarbeit
• Einbindung in die Forschungsgemeinschaft durch wissenschaftliche und administrative Betreuung
• Flexible Arbeitszeiten, die zu deinem Studium passen

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.

Die wöchentliche Arbeitszeit beträgt 39 Stunden. Die Stelle kann auch in Teilzeit besetzt werden. Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte.

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 Dein Interesse geweckt? Dann bewirb Dich jetzt online mit Deinen aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Dich kennenzulernen!

Ferdinand Heinrich
Gruppe ML-Enhanced Sensorsystems
Telefon: +49 89 54759-556
E-Mail: ferdinand.heinrich@emft.fraunhofer.de

Fraunhofer-Institut für Elektronische Mikrosysteme und Festkörper-Technologien EMFT

Kennziffer: 71343 Bewerbungsfrist: 02.02.2024