Konstruktion und Realisierung eines Modellprozesses einer PtX-Offshore-Plattform

Themenfeld

Grüner Wasserstoff und Power-to-X-Verfahren (PtX) stellen wichtige Schlüsseltechnologien für die zukünftige Klimaneutralität dar. Durch den Offshore-Betrieb dieser Technologien und die Kombination mit hochdynamischen Winderzeugungsprozessen entstehen neue Herausforderungen, um einen sicheren und wirtschaftlichen verfahrenstechnischen Prozess zu ermöglichen. Am IAS soll dazu ein Modellprozess entwickelt werden, welcher die Präsentation von Konzepten wie etwa Digitaler Zwilling, Prozessleitsystem, etc. ermöglicht.

Aufgabenstellung

- Konstruktion eines transportablen und modularen Modellprozesses
- Berücksichtigung der Infrastruktur der unterschiedlichen zu präsentierenten Konzepte
- Realisierung des konstruierten Modellprozesses

Vorkenntnisse

- CAD-Kenntnisse erforderlich
- Selbstständig & verantwortungsbewusst
- Handwerkliche Geschicklichkeit

Ansprechpartner

Daniel Dittler

Adversarial Multi-Agent Reinforcement Learning und Modellbasierte Systemtechnik.

Themenfeld

Diese Abschlussarbeit befasst sich mit der Anwendung von adversarialer Multi-Agent-Verstärkungslernens in der modellbasierten Systemtechnik für die Entwicklung fehlertoleranter Designs. Das Ziel der Forschung ist es, die Vor- und Nachteile dieser Ansätze und verschiedener Eingangsmodelle zu untersuchen. Die Arbeit umfasst sowohl Literaturrecherche als auch Implementierung in Python. Die Abschlussarbeit eignet sich für Studierende, die versiert in Python sind und die Anwendbarkeit künstlicher Intelligenz im Engineering-Prozess untersuchen möchten.

Aufgabenstellung

Die genauen Aufgaben sind Gegenstand der Diskussion und hängen vom Umfang der Abschlussarbeit ab, aber die meisten Abschlussarbeiten sollten einige Programmieraufgaben in Python beinhalten. Hier sind einige Beispiele für Aufgaben:

Aufgabe 1: Auswahl von Eingangsmodellen
- Identifizieren Sie ein oder mehrere Eingangsmodelle, die verwendet werden sollen.

Aufgabe 2: Parsen und Erstellen von System- und Spielobjekten
- Erstellen Sie einen Parser, um relevante Parameter aus den Eingangsmodellen zu extrahieren.
- Entwickeln Sie Spielobjekte, die in Verbindung mit der PettingZoo-Trainingsumgebung verwendet werden können.
- Automatisieren Sie das Spieldesign, um die Erstellung neuer Umgebungen und Spielobjekte zu optimieren.

Aufgabe 3: Auswahl und Implementierung eines Trainingsalgorithmus
- Wählen Sie einen Verstärkungslernalgorithmus, der für die Aufgabe geeignet ist.
- Implementieren Sie den Algorithmus.
- Trainieren Sie den Algorithmus mithilfe der erstellten Umgebungen.

Aufgabe 4: Bewertung der Ergebnisse
- Bewertung der Leistung der trainierten Modelle.
- Analysieren Sie die Ergebnisse, um die Effektivität zu bestimmen.

Aufgabe 5: Spezialisierung
- Wählen Sie eine Spezialisierung aus, die näher untersucht werden soll.

Aufgabe 6: Literaturrecherche
- Führen Sie eine umfassende Literaturrecherche zu Verstärkungslernen, Spielumgebungen und allen relevanten Themen durch.

Vorkenntnisse

Python, objektorientierte Programmierung.
Solide mathematische Grundlagen.
Erfahrung mit Systemmodellierung bevorzugt.
Versiert in Englisch.

Ansprechpartner

Joachim Grimstad

Entwicklung eines Konzepts zur Implementierung einer Verwaltungsschale zur Standardisierung von Softwarefunktionen

Themenfeld

Zur Realisierung der Interoperabilität im Bereich der industriellen Automatisierung wurde von der Plattform Industrie 4.0 die Verwaltungsschale als standardisierte Implementierung des digitalen Zwillings vorgeschlagen. Die Verwaltungsschale macht den Informationsfluss zwischen den Endpunkten transparent und beherrschbar und enthält alle für eine Anlage, ihren Lebenszyklus und ihre technischen Funktionen relevanten Informationen. In einer Verwaltungsschale werden sowohl Eigenschaften als auch Funktionen in so genannten Teilmodellen zusammengefasst, von denen jedes einen bestimmten, für ein Asset relevanten Aspekt beschreibt, z. B. Energieeffizienz, Positionierung, Dokumentation, Wartung usw. Ziel ist es dabei, für jeden Aspekt einer Anlage ein Submodell zu standardisieren.

Aufgabenstellung

Ziel dieser Arbeit ist es, ein Konzept für die Implementierung einer Verwaltungsschale zu entwickeln, mit denen Softwarefunktionen in den Einsatzszenarien standardisiert und im Betrieb verbessert werden können.

Vorkenntnisse

- Selbstständiges, wissenschaftliches Arbeiten
- Gute Mathe- und Programmier-Kenntnisse
- Gute Englischkenntnisse

Ansprechpartner

Baran Guel

Untersuchung von Hybriden-Modellierungsansätzen zur Bestimmung der Restlebensdauer

Themenfeld

Die Anforderungen an Elektronik in Bezug auf die Verlängerung der Wartungs-intervalle und die Lebensdauer steigen. Für die Erfüllung dieser Anforderungen ist eine sehr gute Kenntnis aller beeinflussenden Faktoren notwendig. Die Zusammenhänge sind dabei für den Menschen nur schwer zu entdecken und herzustellen, weshalb Machine Learning eingesetzt werden soll.

Aufgabenstellung

Literaturrecherche über die bisherige Verwendung von Hybriden Modellen zur Lebensdauervorhersage in der Literatur
Konzeption einer beispielhaften Anwendung
Prototypische Umsetzung

Vorkenntnisse

Vorlesung TMS2 und ZSA
Selbstständiges Arbeiten
Gute Deutschkenntnisse
Gute Englischkenntnisse

Ansprechpartner

Maurice Artelt

Reinforcement-Learning für die intelligente Generierung von diskreten Fertigungs-Services

Themenfeld

Im Kontext von Industrie 4.0 ist eine hohe Individualisierung der Produktion gefordert, diese Produktion wird zukünftig immer mehr mit Hilfe sogenannter Cyber-Physischer Produktionssysteme (CPPS) realisiert. Durch den verstärkten Bedarf kleine Losgrößen zu realisieren und die Unmöglichkeit der Vorhersage aller Ziele eines Systems zur Entwicklungszeit kommt der Rekonfiguration von CPPS eine immer größere Bedeutung zu.

Aufgabenstellung

- Einarbeitung in das Forschungsthema des Betreuers (Rekonfigurationsmanagement von CPPS) sowie in das Reinforcement-Learning.
- Entwicklung eines Reinforcement Learning-Verfahrens zur intelligenten Generierung von diskreten Fertigungs-Services für Cyber-Physische Produktionsmodule.
- Falls nötig, Definition einer geeigneteren HW/SW-Struktur.
- Implementierung und Integration in das bestehende CPPS.

Vorkenntnisse

- Sehr gute Kenntnisse im KI-Bereich (RL von Vorteil)
- Selbstständiges, wissenschaftliches Arbeiten
- Sehr gute Mathe- und Programmier-Kenntnisse
- Gute Deutsch- und Englischkenntnisse

Ansprechpartner

Daniel Dittler

Security-Bot — Entwicklung einer Cybersecurity-Analyse mit Heuristiken und maschinellem Lernen

Themenfeld

Sicherheitslücken aufgrund von Fehlern in cyber-physischen Systemen haben weitreichende Konsequenzen, einschließlich physischer Schäden. Ein Schwerpunkt des IAS besteht darin, herauszufinden, wie Cybersicherheit in solchen cyber-physischen Systemen zuverlässig und effizient erreicht werden kann.

Aufgabenstellung

Eine Werkzeug-Umgebung für Cybersecurity Analyse und Grey-Box Penetration-Test soll entwickelt werden. Dazu wird halb-automatisch eine TARA anhand von Architektur- und Design-Eigenschaften erstellt. Aus den Risiko-Punkten, z.B. Schnittstellen, SW-Komponenten, etc. werden mit einem Bot halbautomatisch Testfälle abgeleitet, die anhand von KPI für Effizienz und Wirksamkeit optimiert werden.

Vorkenntnisse

Vorlesung SER
Cybersecurity Kenntnisse
Selbstständiges Arbeiten
Englischkenntnisse: Die MT wird in englischer Sprache geschrieben.

Ansprechpartner

Simon Kamm