Data-Driven Engineering - Optimierungstool zur Elektrifizierung von Lkw-Flotten und Speditionsstandorten

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Semesterarbeit / Masterarbeit /
Inhalt
theoretisch /  
Beschreibung

Du interessierst dich für die Elektrifizierung von Lkw-Flotten und möchtest einen wichtigen Beitrag zur nachhaltigen Transformation des Schwerlastverkehrs leisten? Dann könnte die folgende Arbeit interessant für dich sein.

Telemetrie-Daten, die während des Betriebs gesammelt werden, bieten wertvolle Einblicke für datenbasierte Entscheidungsfindung. Im Rahmen dieser Arbeit soll daher ein datengetriebenes Optimierungstool entwickelt werden, das anhand realer Telemetrie-Daten spezifische Handlungsempfehlungen zur Elektrifizierung für eine Spedition erstellt. Ziel ist es, die Elektrifizierung von Lkw-Flotten und Depots entlang eines festgelegten Zeithorizonts wirtschaftlich und technisch optimal zu gestalten.

In deiner Arbeit entwickelst du ein Optimierungsmodell und implementierst es in Python. Dabei werden unterschiedliche Elektrifizierungsszenarien simuliert und bewertet. Abschließend erfolgt die Validierung durch Tests mit realen Telemetrie-Daten und die Ableitung von Empfehlungen.

Aufgabenbeschreibung: Deine Arbeit gliedert sich in folgende Arbeitspakete:

  • Literaturrecherche zu bestehenden Optimierungsansätzen für Flotten- und Depot-Elektrifizierung
  • Einarbeitung in Datenanalyse und Simulationstools zur Untersuchung bestehender Modelle
  • Entwicklung & Implementierung eines Optimierungsmodells zur techno-ökonomischen Analyse
  • Validierung mit realen Telemetrie-Daten und Durchführung von Benchmarking-Szenarien
  • Interpretation der Ergebnisse und Ableitung von Handlungsempfehlungen für Speditionen

Idealerweise bringst du mit:

  • Interesse an der Elektrifizierung des Schwerlastverkehrs
  • Erste Erfahrung mit Python und Datenanalyse
  • Selbstständige und strukturierte Arbeitsweise

Was du mit dieser Arbeit lernst:

  • Vertiefte Kenntnisse in der Nutzung von Telemetrie-Daten für die Entscheidungsfindung
  • Praktische Erfahrung in der Implementierung von Optimierungsmodellen in Python
  • Methodenkompetenz in techno-ökonomischer Analyse und Entscheidungsunterstützung

Interessante Literatur hierzu: Borlaug, B., Muratori, M., Gilleran, M. et al. Heavy-duty truck electrification and the impacts of depot charging on electricity distribution systems. Nat Energy 6, 673–682 (2021). https://doi.org/10.1038/s41560-021-00855-0

Interessiert? Sende deine Bewerbung inklusive Lebenslauf und Notenauszug sehr gerne an:

Anna Paper, M.Sc.
anna.papertum.de
+49 89 289 15769

Tags
FTM Studienarbeit, FTM SM, FTM Paper
Möglicher Beginn
sofort
Kontakt
Anna Paper, M.Sc.
Raum: MW 3503
Tel.: 089 289 15769
anna.papertum.de
Ausschreibung