Waste-to-X: Machine Learning von Plastik-Pyrolyse mit Literaturdaten

Institut

Lehrstuhl für Energiesysteme

Typ

Bachelorarbeit / Semesterarbeit / Masterarbeit /

Inhalt

theoretisch /  

Beschreibung

Für das Projekt "H2-Reallabor Burghausen" ist der Aufbau einer mobilen (Container) Waste-to-X-Prozesskette, bestehend aus einer Drehrohrpyrolyse, sowie einer nachgeschalteten Plasma-Vergasung geplant. Dabei sollen unter anderem verschiedene Kunststofffraktionen als Abfallstoff im Drehrohrpyrolyse-Prozess eingesetzt und in Parameterstudien untersucht werden, um ein geeignetes chemisches Recyclingverfahren zu ermöglichen. Im Rahmen der ausgeschriebenen Arbeit soll der aktuelle Forschungsstand zu Machine-Learning/AI bei Pyrolyse von Plastik dargestellt werden. Darüber hinaus soll mit Hilfe von Literaturdaten ausgewählte Algorithmen verglichen und optimiert werten werden.

Arbeitspakete:

• Literaturrecherche zu Prozessparameter und deren Einfluss auf das Produktspektrum insbesondere bei verschiedenen Polymer(-mischungen)
• Darstellung State-of-the-Art für Einsatz von Machine Learning für (Plastik)-Pyrolyse Prozesse
• Vergleich und Optimierung von verschiedenen Machine Learning/AI Algorithmen

Voraussetzungen

• Interesse an Kreislaufwirtschaft und Pyrolyse von Kunststofffraktionen
• Fähigkeit zu selbständigem Arbeiten
• Erfahrung mit Python

Kenntnis mit Machine Learning/AI vorteilhaft

Möglicher Beginn

sofort

Kontakt

Lukas Martetschläger
Raum: 3712
Tel.: +49 89 289 16343
lukas.martetschlaegertum.de

Ausschreibung