Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.


Lehrveranstaltungen

Einsatz von maschinell lernenden Algorithmen in den Materialwissenschaften und der Fertigungstechnik (Seminar)

Dozent/in: Benjamin Klusemann

Termin:
wöchentlich | Donnerstag | 14:15 - 15:45 | 15.10.2020 - 29.01.2021 | Online-Veranstaltung

Inhalt: Im Rahmen dieses Lehrforschungsprojektes sollen maschinell lernende Algorithmen in Hinblick auf materialwissenschaftliche und fertigungstechnische Fragestellungen angewendet werden. Dieses geschieht in enger Zusammenarbeit mit der Forschung am Helmholtz-Zentrum Geesthacht in der Abteilung Festphase-Fügeprozesse. Hierzu soll an einer ausgewählten Problemstellung, maschinell lernende Algorithmen systematisch analysiert und erprobt werden. Die folgenden zwei Themen sind hier beispielhaft zu verstehen: Z.B. soll für einen Festphase-Fügeprozess unter der Verwendung maschinell lernender Algorithmen ein oder mehrere Modelle erstellt werden, um Zusammenhänge zwischen Prozessparametern, mechanischen Bauteileigenschaften und ggf. Versagens- sowie Dauerfestigkeitsverhalten zu identifizieren und für Vorhersagen nutzbar zu machen. Die Verarbeitung und Auswertung der bereitgestellten experimentellen Datensätze sowie das Trainieren, Validieren und Testen der maschinell lernenden Algorithmen, wie z.B. Random Forrest, Support Vector Machines und/oder künstliche neuronaler Netze, kann in einer gängigen Programmiersprache wie Python, Matlab oder R implementiert werden. In einem weiteren Thema sollen für einen Festphase-Fügeprozess auf Basis von makroskopischen und mikroskopischen Querschliffbildern maschinell lernende Algorithmen auf Basis von Bildverarbeitung zur Objekterkennung, - charakterisierung sowie –klassifizierung verwendet werden. Die Verarbeitung und Auswertung der bereitgestellten experimentellen Datensätze sowie das Trainieren, Validieren und Testen von künstlichen neuronalen Netzen, insbesondere sog. „faltende neuronale Netzte“ (Englisch: „Convolutional Neural Networks (CNN, ConvNet)“) kann in einer gängigen Programmiersprache wie Python, Matlab oder R implementiert werden. Ziel ist es, die bildbasierte Objekterkennung mit Prozessparametern und mechanischen Bauteileigenschaften in Verbindung zu bringen. Weitere Themen werden im Rahmen der Veranstaltung definiert.

Fachdidaktik der Ingenieurwissenschaften (Seminar)

Dozent/in: Brit-Maren Block

Termin:
wöchentlich | Dienstag | 14:15 - 15:45 | 12.10.2020 - 29.01.2021 | C 12.101

Inhalt: Einführung in die Fachdidaktik der Ingenieurwissenschaften und deren Methoden. Dazu wird ein Überblick über aktuelle Forschungsentwicklungen in diesem Feld gegeben und auf die verschiedenen interdisziplinären Zugänge eingegangen. In Teamarbeit erfolgt die Einarbeitung in die Methoden und Theorien, die am Beispiel eines eigenen Kleinforschungsprokjektes (praktisch, empirisch oder theoretisch) angewandt und umgesetzt werden. Es besteht die Möglichkeit, die eigenen Arbeitsergebnisse in der Lehrpraxis zu erproben.

Intelligent Systems for Production (Seminar)

Dozent/in: Anthimos Georgiadis

Termin:
wöchentlich | Dienstag | 14:15 - 15:45 | 12.10.2020 - 29.01.2021 | C 40.147 | Bitte ZG

Inhalt: Lehrforschungsprojekte 1. Die Möglichkeiten der Vernetzung verschiedener Systeme in einer Produktionsumgebung sollen innerhalb des Lehrforschungsprojekts untersucht werden. Konzepte hierfür sollen auf ihre Vor-und Nachteile überprüft werden oder neue Ansätze entwickelt werden. Eine erste Implementierung soll mit einer Maschine an der Universität getestet werden. Das Ziel soll es sein eine Maschine in der Maschinenhalle über PC fernzusteuern. Dabei soll auf ein Kommunikationskonzept zurückgegriffen werden, dass im Sinne von Industrie 4.0 eine systemübergreifende Vernetzung ermöglicht um auf lange Sicht so verschiedene Systeme einzubinden. 2. Entwicklung einer neuartigen Messeinrichtung zur Prüfung der Lagerluft im montierten Zustand Es wird gerade ein Prototyp einer Messeinrichtung entwickelt, die die Lagerluft innerhalb von Kugellagern messen soll. Diese Messaufgabe soll mit Hilfe eines elektromagnetischen Aktuators (Hubmagneten) stattfinden. Hierfür soll der Magnet über einen Mikrocontroller angesteuert werden. Folgende Aufgaben können dabei bearbeitet werden: - Weiterentwicklung eines C-Programms zur definierten Ansteuerung des Hubmagneten - Implementierung in die Messeinrichtung - Durchführung von Messreihen, die die Funktion der Messeinrichtung untermauern - Dokumentation der Ergebnisse Natürlich können auch eigene Ideen im Zusammenhang mit der Messeinrichtung berücksichtigt und bearbeitet werden!

Simulationsstudien und Datenanalysen in der Produktionslogistik (Seminar)

Dozent/in: Jens Heger

Termin:
wöchentlich | Donnerstag | 10:15 - 11:45 | 12.10.2020 - 29.01.2021 | C 12.009

Inhalt: Simulationsstudien und Datenanalysen in der Produktionslogistik Beispielhafte Themen: 1. Eine Auswahl eines Transportsystems für eine flexible Fließfertigung? a. Kennzahlen einer flexiblen Fließfertigung b. Aufbau einer Simulation für die vers. Transportsysteme im - AGV - Milkrun c. Auswahl eines entsprechenden Systems unter Betrachtung verschiedener Parameter 2. Layout-Pläne basierend auf basierenden Daten heuristisch generieren und durch Simulation evaluieren a. Kennzahlen der Fabrikplanung b. Methoden der Prozessbeschreibung / Fabrikplanung / c. Generierung eines Algorithmus zur automatischen Erstellung von Fabriklayouts basierend auf Wertstromanalyse d. Halbautomatisierte Dimensionierung von Anlagen basierend auf Kennzahlen 3. Reihenfolgeplanung - Vergleich Prioritätsregeln - Zentrale Heuristiken: z.B. Shifting Bottleneck implementieren 4. Standortentscheidungen mit Hubs unter Betrachtung von Mengenflüssen (AnyLogic Übung + Optimierung) - Kennzahlen von Distributionsnetzwerke - Optimierung eines Produktionsnetzwerkes - Erweiterung eines Netzwerkes um einen Standort