Unsicherheit und Transfer datengetriebener Rauheitsmodelle

Institut

Institut für Werkzeugmaschinen und Betriebswissenschaften (TUM-ED)

Typ

Semesterarbeit / Masterarbeit /

Inhalt

 

Beschreibung

Ausgangssituation 
Ein Vorhersagemodell für die Oberflächenrauheit liefert bisher nur einen Punktwert und wurde überwiegend an Vollmaterial trainiert. Für Planungsentscheidungen 
an additiv gefertigten Bauteilen reicht das nicht. 
Zielsetzung 
Untersucht wird, wie sich datengetriebene Rauheitsmodelle mit einer belastbaren Unsicherheitsaussage versehen und auf additiv gefertigte 
Bauteile übertragen lassen. Dazu werden Verfahren zur Unsicherheitsquantifizierung implementiert, ihre Kalibrierung bewertet und Strategien des Transfer Learning gegenübergestellt. Ergebnis ist ein Modell, das nicht nur vorhersagt, sondern angibt, wie sicher es sich ist. 

Voraussetzungen

Anforderungsprofil 
Interesse an maschinellem Lernen, Statistik und Fertigungstechnik. Gute Python-Kenntnisse werden vorausgesetzt. Erwartet wird selbstständiges Arbeiten. 

Möglicher Beginn

sofort

Kontakt

Moritz Göldner, M. Sc.
Raum: 2326
Tel.: 089 289 15532
moritz.goeldneriwb.tum.de

Ausschreibung