Abschlussarbeit zum Thema Neuronale Netze ab September 2023

Der Einsatz von faserverstärkten polymeren Werkstoffen in technischen Anwendungen im Automobil gewinnt in Zeiten steigender akustischer, thermischer und mechanischer Bauteilanforderungen zunehmend an Bedeutung. Durch hochproduktive Herstellungsverfahren, das hohe Dämpfungsvermögen und die geringe thermische Leitfähigkeit bieten sich diese Werkstoffe an, bestehende Metallanwendungen durch innovative Entwicklungslösungen zu substituieren.

Immer kürzere Entwicklungszeiten für neue Fahrzeugkonzepte erfordern zunehmend die Verlagerung in frühere Entwicklungsphasen der rechnerischen Auslegung zur Reduzierung langer Komponenten- und Gesamtfahrzeugerprobungen. Umso wichtiger wird der Einsatz von Simulationswerkzeugen auf Basis der Finiten-Elemente-Methode (FEM) zur Berechnung des Bauteilverhaltens unter realen Betriebsbedingungen sowie der Einsatz von Teilbereichen der KI, wie z.B. Deep Learning zur Reduktion der Berechnungszeit und -komplexität. Kunststoffe werden im Allgemeinen durch den Einsatz von Fasern verstärkt, sodass zur Beschreibung des Verformungs- und Beanspruchungsverhaltens die werkstoffspezifische Anisotropie berücksichtigt werden muss. Zudem zeigen sie ausgeprägtes viskoelastisches Verhalten, eine Abhängigkeit von der Verformungsgeschwindigkeit und -amplitude sowie den Umgebungsbedingungen, wie der Temperatur und der relativen Luftfeuchtigkeit.

Ziel der Arbeit ist die Weiterentwicklung und Optimierung eines Künstlichen Neuronalen Netzwerkes (KNN) zur Erstellung mehrdimensionaler Materialkarten, die als Grundlage für die Modellierung des linear-viskoelastischen Materialverhaltens kurzfaserverstärkter Kunststoffe genutzt werden sollen. In diesem Rahmen werden dynamische Steifigkeits- und Dämpfungskennwerte (Output) des Materials in Abhängigkeit von Umgebungseinflüssen, wie der Temperatur und der Luftfeuchtigkeit sowie von der Anregungsfrequenz und des Faseranteils (Input) von dem KNN abgebildet. Um den Modellierungsspielraum zu erweitern soll die experimentelle Datengrundlage analysiert und anschließend über ein DoE gezielt ausgeweitet werden. Dies ist die Basis für die Weiterentwicklung des KNN und dessen Integration in den Simulationsworkflow.

Diese Herausforderungen kommen auf Sie zu:

• Literaturrecherche zum Stand der Technik hinsichtlich der experimentellen Bestimmung viskoelastischer Kennwerte von Kunststoffen und der Entwicklung und der Integration von KNN in den Simulationsprozess
  
• Analyse der Datengrundlage mit geeigneten Softwaretools
  
• Entwicklung eines DoE zur Erweiterung der Datensätze
  
• Experimentelle Charakterisierung des komplexen Elastizitätsmoduls in Abhängigkeit verschiedener Umgebungseinflüsse
  
• Anpassung der Netzarchitektur, Hyperparameterstudie
  
• Anlernen des KNN auf Basis der experimentellen Datensätzen
  
• Validierungs- und Optimierunsgstufen zur Verbesserung der Vorhersagegenauigkeit, der numerischen Robustheit und der Auswertungszeit
  

Die endgültige Themenfindung erfolgt in Absprache mit der Hochschule, Ihnen und uns.

• Studiengang: Luft- und Raumfahrttechnik, Maschinenbau, Physik, Materialwissenschaften oder ein vergleichbarer Studiengang
  
• IT-Kenntnisse: MS-Office, Vorkenntnisse in Programmiersprachen wie Python, Matlab o.ä. sind wünschenswert
  
• Hardware Kenntnisse: Erfahrung im Umgang mit Messtechnik, Kunststoffcharakterisierung o.ä.
  
• Persönliche Kompetenzen: Selbstständige, teamorientierte und kommunikative Arbeitsweise
  
• Sonstiges: Kenntnisse und Erfahrungen im Umgang mit Deep Learning, Neuronalen Netzen oder ML Libraries (Tensorflow, Pytorch etc.) sind von Vorteil
  

Zusätzliche Informationen:

Ganz ohne Formalitäten geht es natürlich auch bei uns nicht. Bewerben Sie sich bitte ausschließlich online und fügen Sie der Bewerbung einen Lebenslauf, aktuelle Immatrikulationsbescheinigung mit Angabe des Fachsemesters, aktuellen Notenspiegel, relevante Zeugnisse (max. Gesamtgröße der Anhänge 5 MB) bei und markieren Sie im Online-Formular Deine Bewerbungsunterlagen als "relevant für diese Bewerbung".

Weiterführende Informationen zu den Einstellkriterien finden Sie " hier ".

Angehörige von Staaten außerhalb des europäischen Wirtschaftsraums schicken ggf. bitte ihre Aufenthalts-/Arbeitsgenehmigung mit.

Wir freuen uns insbesondere über Onlinebewerbungen schwerbehinderter und ihnen gleichgestellter behinderter Menschen. Bei Fragen können Sie sich unter sbv-untertuerkheim@mercedes-benz.com zudem an die Schwerbehindertenvertretung des Standorts wenden, die Sie gerne nach Ihrer Bewerbung im weiteren Bewerbungsprozess unterstützt.

Bitte haben Sie Verständnis dafür, dass wir keine Papierbewerbungen mehr entgegennehmen und es keinen Anspruch auf Rückversand gibt.

Fragen zum Bewerbungsprozess beantwortet Ihnen gerne HR Services per Mail an hrservices@mercedes-benz.com o der auf unserer Karriereseite der "Chat-Bot" über die Sprechblasen unten rechts.

Fragen zur Stelle beantwortet Ihnen gerne Frau Sally Köster aus dem Fachbereich unter +49 151 5862 0518 oder per Mail sally.koester@mercedes-benz.com.