Masterarbeit: »Deep-Learning für die Defekterkennung bei Batteriezellen«

En el Fraunhofer IPT en Aquisgrán, trabajamos con más de 530 empleados diariamente para que la producción del futuro sea más digital, flexible y sostenible. En el departamento de Calidad de Producción, nos dedicamos a la aplicación de tecnologías digitales para la optimización de procesos de producción, especialmente a través del uso de inteligencia artificial para hacer la producción más sostenible. Un enfoque principal de nuestro trabajo se centra en la optimización de los procesos de producción de celdas de batería de iones de litio y celdas de combustible.

La creciente demanda de sistemas de almacenamiento de energía sostenibles requiere una producción eficiente y rentable con una calidad de producción constantemente alta. Para este propósito, utilizamos procedimientos de rollo a rollo para un recubrimiento eficiente de electrodos. Sin embargo, en este paso del proceso, pueden ocurrir defectos que causan altas tasas de rechazo. Para resolver este problema, estamos desarrollando un sistema moderno de detección de defectos basado en Deep Learning. Un paso crucial para la aplicación de este sistema es la reducción del esfuerzo de anotación por parte de los expertos en procesos. Un enfoque prometedor para reducir este esfuerzo son los métodos en el área de Transfer Learning, que queremos utilizar para la clasificación de defectos basada en Deep Learning.

En el marco de esta tesis, se implementarán y probarán varios enfoques de Deep Learning.

• Investigación y selección de enfoques adecuados en el área de Transfer Learning para modelos de Deep Learning.
• Entrenamiento de modelos de Deep Learning para la detección de defectos y análisis de los resultados.
• Implementación de modelos de Deep Learning adecuados en el sistema de detección de defectos.

• Estudias ingeniería mecánica, ingeniería industrial, informática, ingeniería eléctrica, física o una disciplina comparable.
• Primera experiencia con PyTorch, Deep Learning y Transfer Learning.
• Forma de trabajo autónoma y disfrute del trabajo en equipo interdisciplinario.
• Buen conocimiento de idiomas en alemán y/o inglés.

• Trabajo científico sobre un tema actual y relevante en la práctica.
• Servidor GPU para aplicaciones de Ciencia de Datos y para trabajar eficientemente con modelos grandes.
• Participación en proyectos innovadores de investigación y desarrollo con socios industriales reconocidos.
• Si estás interesado, existe la posibilidad de publicar los resultados en una publicación científica.

Valoramos y fomentamos la diversidad de competencias de nuestros empleados y, por lo tanto, damos la bienvenida a todas las solicitudes, independientemente de la edad, género, nacionalidad, origen étnico y social, religión, ideología, discapacidad, así como orientación sexual e identidad. Las personas con discapacidades graves serán contratadas preferentemente si están igualmente calificadas.

Con su enfoque en tecnologías clave relevantes para el futuro, así como en la explotación de los resultados en la economía y la industria, la Sociedad Fraunhofer desempeña un papel central en el proceso de innovación. Como pionera e impulsora de desarrollos innovadores y excelencia científica, contribuye a la configuración de nuestra sociedad y nuestro futuro. ¿Hemos despertado tu interés? Entonces postúlate ahora en línea con tus documentos de solicitud significativos. ¡Esperamos conocerte!

Para preguntas sobre esta tesis, por favor contacta a:

Alexander Kreppein M.Sc.
Investigador »Calidad de Producción«
Teléfono: +49 241 8904-289

Instituto Fraunhofer de Tecnología de Producción IPT
www.ipt.fraunhofer.de

Número de referencia: 74326
Fecha límite de solicitud: