Ob konstruktiv, experimentell oder theoretisch – hier findet jedes Interesse und jede Leidenschaft das passende Thema. Die Projektarbeit ist viel mehr als eine schriftliche Ausarbeitung. Ihr arbeitet ein ganzes Semester lang unter intensiver wissenschaftlicher Anleitung eines wissenschaftlichen Mitarbeitenden an einem Thema: Von der Grundidee über das Konzept bis hin zur Umsetzung. In eurer Projektarbeitsgruppe bringt ihr eure erworbenen theoretischen Kenntnisse aus den Vorlesungen in die praktische Anwendung.
Unsere Themen sind praxisorientiert, eure Konzepte und Ausarbeitungen setzen wir bei unseren Forschungen und Entwicklungen ein.
Unsere Projektarbeitsthemen
Erstellung eines Digitalen Zwillings in der Logistik
Digitale Zwillinge sind virtuelle Repräsentationen physischer Assets, die deren Verhalten realitätsgetreu abbilden. Sie ermöglichen beispielsweise die Durchführung von Integrationsarbeiten bereits vor dem physischen Aufbau des Systems. Ziel dieser Projektarbeit ist die Konzeption und Umsetzung eines digitalen Zwillings im Bereich Logistik sowie dessen Anbindung an die Simulationssoftware Plant Simulation. Für die Teilnahme sind grundlegende Programmierkenntnisse erforderlich, da diese für die Modellierung und Schnittstellenanbindung benötigt werden.
Themenart: simulativ
Betreuer: Domenic Schmidpeter
Programmierung eines Flottenmanages oder einer FTF-Navigation
Für die institutseigenen fahrerlosen Transportfahrzeuge (FTF) ist entweder ein Flottenmanager oder eine FTF-Navigation in Python zu programmieren. Der Flottenmanager und die FTF kommunizieren miteinander über MQTT nach der VDA5050. Nach einer Implementierung in eine Python-Simulation wird die entwickelte Software auch auf den zwei industrietauglichen Karis-FTF getestet.
Themenart: theoretisch/experimentell
Betreuer: Lukas Karzel
Sensortechnische Adaption zur Drehzahlmessung
Im Rahmen der Projektarbeit soll eine sensortechnische Umsetzung zur Erfassung der Drehzahl an Biegemaschinen entwickelt und umgesetzt werden. Ziel ist die Auswahl geeigneter Sensorik, deren Adaption in bestehende Maschinenumgebung sowie die Auswertung und Validierung der Messdaten. Die Arbeit umfasst sowohl die praktische Adaption als auch eine fundierte Analyse zur Messgenauigkeit. Kenntnisse und Interesse in Messtechnik, Elektronik und Programmierung (z.B. Python) sind von Vorteil.
Themenart: experimentell
Betreuer: Franziska Stegmaier
Einsatz von Machine Learning in der Logistik: Vorhersage der Ankunftszeit im Lieferverkehr
Angesichts wachsender Anforderungen im Lieferverkehr stellen ungenaue geschätzte Ankunftszeiten (ETA) und ineffiziente Routenplanungen große Herausforderungen dar. Um dem entgegenzuwirken, bietet der Einsatz von Machine Learning ein vielversprechendes Potenzial. Ziel der Projektarbeit ist die Vorhersage der Ankunftszeit im Last-Mile-Lieferverkehr mithilfe von Machine Learning. Dazu gehören das Preprocessing und die Analyse eines umfangreichen Datensatzes sowie der Aufbau, das Training und die Bewertung eines geeigneten ML-Modells. Ziel ist eine präzisere ETA-Prognose zur Optimierung logistischer Prozesse.
Themenart: theoretisch
Betreuer: Aya Ounissi
Gudrun Willeke
Dipl.-Ing. (FH)Studiensekretariat | Website | Social Media