In einem Projekt wird eine Serienanlage zum Hochgeschwindigkeits-Tiefziehen (über 400 Hübe pro Minute) mit heterogener Sensorik ausgestattet: Kraftmessdosen, Dehnungsmessstreifen, Thermoelemente und optische Messtechnik. Die massiv anfallenden Rohdaten müssen mit präzisen Zeitstempeln versehen, hubgenau zugeordnet und in eine zentrale, analysefähige Datenbankstruktur überführt werden, damit datengetriebene Modelle darauf trainiert werden können. Die Arbeit entwickelt den Prototyp dieser Dateninfrastruktur, zunächst auf Basis synthetischer Datenströme, sodass die Pipeline bei Inbetriebnahme der realen Sensorik unmittelbar einsatzbereit ist.
Zunächst sind die Anforderungen an Datenraten, Zeitauflösung und Hubzuordnung aus den geplanten Sensorkanälen abzuleiten und synthetische Datenströme als Testbett zu implementieren. Darauf aufbauend ist eine Pipeline zu entwerfen und umzusetzen, die die Kanäle zeitsynchronisiert erfasst, hubgenau segmentiert und in ein geeignetes Datenbankschema überführt. Die Pipeline ist hinsichtlich Durchsatz, Synchronisationsgenauigkeit und Robustheit gegenüber Ausfällen einzelner Kanäle zu evaluieren. Abschließend ist die Schnittstelle zu dokumentieren, über die nachgelagerte Analyse- und Lernverfahren auf die Daten zugreifen.
Sichere Python-Kenntnisse; Grundkenntnisse in Datenbanken und Datenstrukturen; Interesse an Messtechnik und produktionsnaher Software. Erfahrung mit Zeitreihendaten oder Streaming-Frameworks ist hilfreich, aber keine Voraussetzung.
Sebastian Baum
♦