Diese Stelle teilen

Semesterarbeit/Abschlussarbeit im Bereich Product Innovation Mobility

Jetzt bewerben »

Datum: 06.01.2019

Standort: Crailsheim, Baden-Württemberg, Deutschland

Unternehmen: Voith Group

 

 

Seit 150 Jahren inspirieren die Technologien von Voith Kunden, Geschäftspartner und Mitarbeiter weltweit.
Nachhaltiges Wirtschaften ist ein wesentlicher Teil unserer Geschichte und prägt seit jeher unser Denken und Handeln.

 

Die Voith Group | Division Turbo bietet Ihnen ein
 

Semesterarbeit/Abschlussarbeit im Bereich Product Innovation Mobility 
Standort Crailsheim | ab Februar/März 2019 für 6 Monate 
 

 

Abschlussarbeit/Studienarbeit Maschinenbau

Klassifizierung und Mustererkennung von Fahrzeug- Betriebsdaten mit Hilfe einer „Künstlichen Intelligenz“

 

Aufgabengebiete

 

  • Programmtechnische Umsetzung zur Erstellung einer „Self Organizing Map“
  • Visualisierung der hochdimensionalen Daten
  • Klassifizierung von Betriebsdaten

 

Voraussetzungen

 

  • Fachrichtung: Informatik, Elektrotechnik, Maschinenbau oder verwandte Fachrichtung
  • Vorkenntnisse in „Künstlicher Intelligenz“ sind von Vorteil
  • Programmierkenntnisse (Matlab oder andere) sind notwendig
  • Selbstständige Arbeitsweise, hohes Engagement, Kommunikations- und Teamfähigkeit
  • Die Dauer der Arbeit beträgt 6 Monate, der Beginn ist ab sofort oder ab Frühjahr 2019 möglich

 

Das erwartet Sie

 

„Künstliche Intelligenz“ (KI) ist ein mächtiges Werkzeug zur Klassifizierung und Mustererkennung von verschiedenen Eingangsgrößen. In der Bild- oder Spracherkennung ist sie heute nicht mehr wegzudenken. Aber auch abseits dieser hochkomplexen Aufgabenstellungen stellt die KI Werkzeuge zur Verfügung,  mit deren Hilfe Aufgaben aus der Datenanalyse schneller und genauer gelöst werden können. Im Bereich „Commercial Vehicle“ (CV) liegen viele Betriebsdaten aus Fahrzeugmessungen vor, die mit einer KI Klassifiziert werden sollen. Ziel ist es, auf Basis dieser Klassifizierungen eine Zuordnung von Fahrzeugen nach Anwendung, Regionen und Einsatzprofil  vornehmen zu können. Dieses ist wichtig, da die Bauteilbelastung und somit auch die Bauteil- Zuverlässigkeit stark von diesen Parameter abhängt. Durch eine Zuordnung von neuen Betriebsdaten in die einzelnen Klassen kann so eine entsprechende Zuverlässigkeits- Aussage abgeleitet werden.

Die Klassifizierung und Mustererkennung soll mit „Künstlichen Neuronalen Netzen“ (KNN), speziell mit einer „Self Organizing Map“ (SOM) erfolgen.

 


 

Bei der Zimmersuche sind wir gerne behilflich.


 

Die J.M. Voith SE & Co. KG freut sich auf Ihre Bewerbung!

 

 

Ihr persönlicher Ansprechpartner

J.M. Voith SE & Co. KG

Bernd Hirsch • Tel. +49 7951 32 382

 

voith.com/karriere

 

 

 

Ähnliche Stellen suchen: