Graduation: Integrating Component Simulations in Digital Twins with Machine Learning
- Machine learning
- Other places
- 07/01/2024
- -
Тип задания: Дипломная работа
Дата начала: Сентябрь 2024
Длительность задания: 9 месяцев
Местоположение: Вегел
Уровень образования: WO (Магистр)
Желаемая специальность: Компьютерные науки, Математика, любая техническая специальность с навыками программирования
Язык: Нидерландский / Английский
О задании
В Vanderlande мы используем различные модели симуляций для уникальных случаев. Хоть модели симуляций компонентов предлагают высокую детализацию и точность, их сложность делает непрактичным их внедрение в крупномасштабные системы из-за чрезмерных вычислительных требований. Разработка более простых моделей компонентов требует значительных усилий и экспертных знаний, что часто угрожает точности. Кроме того, поддержание согласованности между детализированными и простыми моделями на протяжении жизненного цикла продукта представляет дополнительные трудности. Поэтому мы стремимся исследовать альтернативный подход. В этой дипломной работе вы будете использовать методы машинного обучения для тренировки упрощенной модели компонента с использованием данных из детализированной модели компонента для эффективной интеграции в систему симуляции.
Обзор отдела
Команда Digital Twin Suite разрабатывает программное обеспечение для настройки цифровых двойников на уровне системы, используемых в симуляции и эмуляции. Наша симуляционная команда кастомизирует эти платформы для проектных моделей для анализа и оптимизации производительности системы.
Задачи и обязанности
Навыки / Ваш профиль
Контакт
Вам близок этот сложный профиль? Вы ищете стажировку в нашей организации? Пожалуйста, заполните форму заявки и загрузите ваше резюме и сопроводительное письмо. Для получения дополнительной информации свяжитесь с нами по электронной почте на [email protected] или свяжитесь с Клейдои Филай (рекрутер по университетам) по телефону: +31 4 134 946 51.
Название компании: Vanderlande
Должность: Дипломная работа: Интеграция симуляций компонентов в цифровые двойники с помощью машинного обучения