Bachelor / Masterarbeit
Einsatzmöglichkeiten und Potenziale von Wis- sensgraphen im Kontext von Predictive Quality
Ausgangssituation
Im Rahmen der Digitalisierung und dem Einzug des „Internet of Production“ ge- winnt die datenbasierte Verarbeitung, Analyse und Vorhersage von Ereignissen in der Produktion zunehmend an Bedeutung. Der Verbesserungsbedarf liegt hierbei vor allem in der Entwicklung von prädiktiven Lösungen, um beispiels- weise Ausschuss in der Produktion proaktiv vorzubeugen, indem korrektiv in die Produktion eingegriffen wird, oder ein potenziell fehlerhaftes Produkt frühzeitig ausgeschleust werden kann.
Die fortschreitende Digitalisierung und Vernetzung der Systeme führt zwar zu einem permanenten Anstieg der vorhandenen Daten, diese müssen aber im Vorfeld unter großem Aufwand vorverarbeitet werden. Aufgrund der hohen Da- tenheterogenität und dem oftmals fehlenden Prozesswissen bei den Datenana- lysten fallen hierbei oftmals bereits 70-80% des Gesamtaufwands an. Dies stellt für viele Unternehmen eine große Hemmschwelle dar. Der Einsatz von Wissensgraphen stellt hierbei eine mögliche Lösung dar, um Expertenwissen über die Produktionsprozesse und den vorhandenen Datenquellen aufzuneh- men und bei Analysen gezielt zu berücksichtigen.
Inhalte der Arbeit:
Im Rahmen dieser Arbeit sollen die Einsatzmöglichkeiten von Wissensgraphen zur Unterstützung des Datenanalyseprozesses für Predictive Quality Anwen- dungen untersucht werden. Hierbei gilt es folgende Teilaufgaben zu erledigen:
• Einarbeitung in die Themenbereiche Wissensgraphen und Predictive Quality
• Identifikation von Einsatzmöglichkeiten von Wissensgraphen bei der Daten- analyse im Rahmen von Predictive Quality Anwendungen
• Bewertung der Anwendbarkeit und des Nutzens von Wissensgraphen zur Unterstützung von Predictive Quality Anwendungen
Voraussetzung
• Bachelor-/Masterstudium in den Studiengängen Wirtschaftsingenieurswesen, Maschinenbau, Automatisierungstechnik, CES o.ä.
• Hohes Maß an Motivation, Selbstständigkeit und Eigeninitiative
• Interesse und Spaß am Thema
• Wünschenswert: sicherer Umgang in Python
Geboten wird
• Aktuelles und abgegrenztes Thema
• Schnelle Bearbeitung möglich und auch gewünscht
• Umfangreiche Betreuung und intensiver Austausch mit Mitarbeitern des Exzellenzclusters „Internet of Production“
• Leistungsbestandteil des Quality Systems Manager Junior (QSMJ)
Werkzeugmaschinenlabor WZL der RWTH Aachen
Lehrstuhl für Technologie der Fertigungsverfahren Prof. Dr.-Ing. Robert Schmitt
Steinbachstraße 19 52074 Aachen GERMANY
www.wzl.rwth-aachen.de
Daniel Buschmann, M. Sc.
Telefon: +49 241 80-26942 D.Buschmann@wzl.rwth-aachen.de
