Digitalisierung im Maschinenbau
VDMA zeichnet Nachwuchs-Talente aus
Der VDMA-Fachverband Software und Digitalisierung und die Abteilung Bildung des VDMA haben zum 6. Mal herausragende Absolventinnen und Absolventen aus den Fachbereichen Ingenieurwissenschaften und Informatik mit dem Nachwuchspreis ’Digitalisierung im Maschinenbau’ ausgezeichnet.
Insgesamt 44 Absolventinnen und Absolventen wurden für den diesjährigen Nachwuchspreis ’Digitalisierung im Maschinenbau’ in den Kategorien Bachelor und Master von Professorinnen und Professoren von Hochschulen aus Deutschland und Österreich nominiert. „Ein neuer Beteiligungsrekord“, sagt Prof. Claus Oetter, Geschäftsführer des VDMA Software und Digitalisierung.
„Die Vielfalt der eingereichten Abschlussarbeiten mit Praxisfokus und die jährlich wachsende Anzahl an teilnehmenden Hochschulen, verdeutlichen sehr gut, dass die Zusammenarbeit zwischen Hochschulen und Unternehmen enorm fruchtbar für die Industrie ist“, sagt Dr. Jörg Friedrich, Leiter der Abteilung Bildung im VDMA. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Auszeichnungen für Bachelor- und Masterabsolventen
Jonas Weber, Informatik-Student an der Hochschule Konstanz, wird mit dem 1. Preis für die beste Masterarbeit ausgezeichnet. Weber erstellte die Arbeit unter der Betreuung von Prof. Dr. Rainer Mueller und in Kooperation mit der Maschinenfabrik Berthold Hermle. Seine Arbeit soll zeigen, dass eine vollständige Predictive Maintenance Lösung auf einer modernen Maschine auch ohne den Einsatz externer Komponenten möglich ist. Dazu standen historische Linearachs-Messungen zur Verfügung, die das Trainieren künstlicher neuronaler Netze ermöglichten. Die Arbeit folgt in der Umsetzung dem Standard-Vorgehensmodell zum Data Mining (CRISP) und liefert als Ergebnis ein auf der Maschinensteuerung ausführbares Programm mit eingebetteter Datenaufbereitung, Datenauswertung und Ergebnisausgabe.
Simon Griesbeck, Student an der Hochschule für angewandte Wissenschaften Kempten, erhält den 2. Preis in der Kategorie Masterarbeit. Unter der Betreuung von Prof. Dr. Matthias Kuba der Fakultät für Elektrotechnik, entwickelte er bei der Firma Autefa Solutions Germany ein Machine-Learning-System zur Optimierung der Gewichtsgenauigkeit von Faserballenpressen. Genutzt werden diese Hochleistungspressen, um große Mengen von Textilfasern zu komprimieren, damit deren Transport und Lagerung effizienter ist. Das entwickelte System ermöglicht es, so in den Dosiervorgang einzugreifen, dass die Abweichung vom Sollgewicht deutlich reduziert wird. Der Lösungsansatz lässt sich auf weitere Anwendungen übertragen, die eine hohe Dosiergenauigkeit erfordern. Profitieren könnten insbesondere Unternehmen der Prozessindustrie. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Fabian Kabl, Student an der Ostbayerischen Technischen Hochschule Regensburg, wird mit dem 1. Preis in der Kategorie Bachelorarbeit ausgezeichnet. Im Rahmen seiner Abschlussarbeit, die er in der Fakultät Elektro- und Informationstechnik bei Prof. Dr. Armin Sehr verfasste, untersuchte er bei Krones zwei Long Short Term Memory Autoencoder zur Maschinenzustandsüberwachung an Karussellmaschinen. Dafür wurden Kraftdaten eines Klammersterns bei unterschiedlichen Umdrehungsgeschwindigkeiten aufgenommen, vorverarbeitet und zum Training des neuronalen Netzes verwendet. Einer der beiden getesteten Autoencoder konnte dabei nach dem Training die Datensätze im Bereich der niedrigen und mittleren Umdrehungsgeschwindigkeiten zu 100 Prozent und im Bereich der hohen zu 96 Prozent richtig klassifizieren.
Deniz Yesilyurt, Maschinenbaustudent an der RWTH Aachen, wird mit dem 2. Preis in der Kategorie Bachelorarbeit ausgezeichnet. Prof. Dr. Thomas Gries und Felix Pohlkemper vom Institut für Textiltechnik der RWTH betreuten die Abschlussarbeit. In Kooperation mit der Heinen Automation entwickelte Yesilyurt ein KI-basiertes Kamerasystem zur automatisierten Erkennung und Klassifizierung von Faserfehlern in den Carbonfasern. Mit einer Zuordnungsgenauigkeit von über 99 Prozent differenziert der präferierte Algorithmus zwischen sechs vorgegebenen Fehlerklassen und ermöglicht so eine Live-Auswertung während der Carbonfaser-Herstellung. Die Ergebnisse der Arbeit sind wegweisend für eine effiziente und nachhaltige Herstellung von Carbonfasern.
