Digitalisierung VDMA zeichnet Studenten mit Nachwuchspreis aus

Anbieter zum Thema

VDMA e.V.

MPDV Mikrolab GmbH

Schneider Electric GmbH

Telefonica Germany GmbH & Co. OHG

Die für den Nachwuchspreis „Digitalisierung im Maschinenbau“ eingereichten Abschlussarbeiten drehte sich alles um KI und Optimierung. Rund 70 verschiedene Hochschulstandorte haben seit 2017 bereits an den Nominierungsphasen teilgenommen.

Der VDMA hat bereits zum sechsten Mal Absolventen aus den Studienbereichen Ingenieurwissenschaften und Informatik mit dem Nachwuchspreis „Digitalisierung im Maschinenbau“ ausgezeichnet. Laut einer Mitteilung überzeugten die Abschlussarbeiten der Gewinner mit ihrem hohen Innovationsgrad und einer großen Praxistauglichkeit für die Branche. Insgesamt wurden 44 Absolventen für den diesjährigen Nachwuchspreis in den Kategorien Bachelor und Master von Professorinnen und Professoren von Hochschulen aus Deutschland und Österreich nominiert. Dies sei ein neuer Beteiligungsrekord.

Kategorie Masterarbeit

Den ersten Preis für die beste Masterarbeit erhielt Jonas Weber, Informatik-Student an der Hochschule Konstanz. Er hat gezeigt, dass Predictive Maintenance auf einer modernen Maschine auch ohne den Einsatz externer Komponenten möglich ist. Hierzu standen historische Linearachs-Messungen zur Verfügung, die das Trainieren künstlicher neuronaler Netze ermöglichten, heißt es weiter.

Der zweite Preis in der Kategorie Masterarbeit ging an Simon Griesbeck von der Hochschule für angewandte Wissenschaften Kempten. Er entwickelte ein Machine-Learning-System zur Optimierung der Gewichtsgenauigkeit von Faserballenpressen. Genutzt werden diese Hochleistungspressen laut VDMA, um große Mengen von Textilfasern zu komprimieren. So werde der Transport und die Lagerung effizienter. Das entwickelte System ermögliche es in den Dosiervorgang einzugreifen, um die Abweichung vom Sollgewicht zu reduzieren.

Kategorie Bachelorarbeit

In der Kategorie Bachelorarbeit gewann Fabian Kabl von der Ostbayerischen Technischen Hochschule Regensburg den ersten Preis. Er untersuchte 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, so der VDMA. 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.

Der Maschinenbaustudent Deniz Yesilyurt von der RWTH Aachen University gewann den zweiten Preis in der Kategorie Bachelor. Er entwickelte 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.

(ID:48839052)