Projekte SS 2017 - Umwelt
Werbung
Institut für Betriebs– und Technologiemanagement PROJEKTARBEIT GENERATIVE FERTIGUNG VON ERSATZTEILEN ZIELGRUPPE BESCHREIBUNG Interdisziplinäre Projektarbeit Ein wesentliches Konzept bei der generativen Fertigung 2 Studierende ist die Herstellung von Ersatzteilen defekter Werkstücke. Bachelor oder Master Hierzu sollen im Rahmen dieser Projektarbeit Einzel- Studiengänge: MB, PT, DPE teile eines defekten Bauteils zunächst dreidimensional gescannt, anschließend virtuell zusammengefügt und schließlich gedruckt werden. Im letzten Schritt sollen die Ersatzteile hinsichtlich ihrer Bauteilqualität sowie ihrer Maße in Bezug auf das Originalbauteil untersucht werden. Der vollständige Reproduktionsprozess soll umfas- KONTAKT send dokumentiert und veranschaulicht werden. Das Ersatzteil, welches reproduziert werden soll, wird zu Beginn der Projektarbeit festgelegt. Prof. Dr. Michael Wahl E-Mail: [email protected] VORAUSSETZUNGEN Prof. Dr. Henrik te Heesen E-Mail: • Sehr gute Kenntnisse in Siemens NX [email protected] • Gute Kenntnisse in Werkstoffkunde • Gute Fähigkeiten bei der Visualisierung des Prozesses zur Ersatzteilfertigung • Eigeninitiative bei der generativen Fertigung PROJEKT-/ABSCHLUSSARBEIT ENERGIEEFFIZIENZ IN DER GENERATIVEN FERTIGUNG ZIELGRUPPE BESCHREIBUNG Master- oder Bachelorarbeit Die generative Fertigung von Bauteilen ein zentraler Studiengänge: EE, MB, PT, DPE Bestandteil der vierten industriellen Revolution (Industrie oder 4.0). Im Zuge der Projekt- bzw. Abschlussarbeit soll un- Interdisziplinäre Projektarbeit tersucht werden, wie sich der Energie- und Ressourcen­ (2 Studierende) einsatz beim Druck von Kunststoffwerkstücken auf die Studiengänge: EE, MB, PT, DPE Bauteilqualität auswirkt. Hierzu soll unter anderem die Zugfestigkeit von Normbauteilen mit dem Energieverbrauch korreliert werden. Ziel ist es, ein verallgemeinerbares Modell zu entwickeln, um die Bauteilqualität aus KONTAKT Prof. Dr. Henrik te Heesen den Eingangs- und Druckparametern abzuleiten. VORAUSSETZUNGEN Gebäude 9925, Raum 012 Telefon: • Gute Kenntnisse in CAD und Werkstoffkunde 06782/17-1908 • Gute Kenntnisse in MS Office, insbesondere Excel E-Mail: • Eigeninitiative bei der generativen Fertigung und der [email protected] Datenauswertung PROJEKT-/ABSCHLUSSARBEIT ENTWICKLUNG EINES TOOLS ZUR LASTPROFILANALYSE ZIELGRUPPE BESCHREIBUNG Master- oder Bachelorarbeit Die Analyse von Lastprofilen des Strom- bzw. Wärme- Studiengänge: AI, MI, UET, EE, UP bedarfs spielt eine zentrale Rolle bei der Identifikation oder von Maßnahmen zur Energieeinsparung. Die Modellie- Interdisziplinäre Projektarbeit rung von synthetischen Lastprofilen wird insbesondere (1-2 Studierende) bei der Auslegung von Photovoltaikanlagen und BHKW Masterstudiengänge: AI, MI, UET eingesetzt. Hierzu soll ein Tool entwickelt werden, um Lastprofile automatisiert zu analyieren. Des Weiteren soll das Tool Lastprofile auf Basis von Verbrauchsparamentern synthetisieren. KONTAKT VORAUSSETZUNGEN Prof. Dr. Henrik te Heesen Gebäude 9925, Raum 012 • Gute Fähigkeiten im algorithmischen Denken Telefon: 06782/17-1908 • Gute Kenntnisse in Energietechnik E-Mail: [email protected] • Gute Programmierkenntnisse in Skriptsprachen (PHP oder Python) und Datenbankanwendungen (SQL) von Vorteil • Hohe Eigeninitiative bei der Datenanalyse PROJEKTARBEIT TOOL ZUR EIGENVERBRAUCHSANALYSE VON PHOTOVOLTAIKANLAGEN ZIELGRUPPE BESCHREIBUNG Interdisziplinäre Projektarbeit Anhand eines Lastprofils sowie eines Stromerzeugungs- (1-2 Studierende) profils einer Photovoltaikanlage soll ein Excel-Tool ent- Bachelorstudiengänge: EE, UP wickelt werden, um automatisiert die wesentlichen Be- Masterstudiengang: UET triebskennzahlen in Bezug auf den Eigenstromverbrauch und den Autarkiegrad zu bestimmen. Des Weiteren soll die Nutzung einer Batterie berücksichtigt werden. Im Mittelpunkt steht dabei eine hohe Benutzerfreundlichkeit des Tools sowie die graphisch ansprechende Aufbereitung der Ergebnisse. KONTAKT Das Excel-Tool soll schließlich über die Webseite des Umwelt-Campus einer breiten Öffentlichkeit zugänglich gemacht werden. Prof. Dr. Henrik te Heesen Gebäude 9925, Raum 012 Telefon: 06782/17-1908 VORAUSSETZUNGEN E-Mail: [email protected] • Gute Kenntnisse in Photovoltaik und Energietechnik • Sehr gute Kenntnisse in Excel • Hohe Eigeninitiative PROJEKT-/ABSCHLUSSARBEIT ERTRAGSDATENANALYSE VON PHOTOVOLTAIKANLAGEN ZIELGRUPPE BESCHREIBUNG Master- oder Bachelorarbeit Im Zuge der Erstellung einer Studie zum Ertrag von Studiengänge: AI, MI, UET, EE Photovoltaikanlagen in Deutschland liegen mehrjähri- oder ge Stromproduktionsdaten vor. Diese Daten sollen im Interdisziplinäre Projektarbeit Rahmen einer Abschluss- oder Projektarbeit analysiert (1-2 Studierende) werden. Ziel dieser Untersuchung ist, Aussagen zur Qua- Masterstudiengänge: AI, MI, UET lität der PV-Anlagen in der Betriebsphase herauszuarbeiten. Die Ergebnisse aus der Datenanalyse sollen auf einer wissenschaftlichen Konferenz präsentiert werden. KONTAKT VORAUSSETZUNGEN Prof. Dr. Henrik te Heesen • Gute Kenntnisse in Datenbankanwendungen (SQL) Gebäude 9925, Raum 012 • Gute Programmierkenntnisse in Skriptsprachen (PHP oder Python) Telefon: 06782/17-1908 • Grundkenntnisse von Photovoltaik von Vorteil E-Mail: • Hohe Eigeninitiative bei der Datenanalyse [email protected] PROJEKTARBEIT TECHNISCHE OPTIMIERUNG DER PV-ANLAGE AM UMWELT-CAMPUS ZIELGRUPPE BESCHREIBUNG Interdisziplinäre Projektarbeit Die Photovoltaikanlage am Umwelt-Campus Birken- (1-3 Studierende) feld soll im Rahmen der Projektarbeit technisch geprüft Bachelorstudiengänge: EE, UP werden. Des Weiteren soll das Fernüberwachungssys- Masterstudiengang: UET tem optimiert werden. Hierzu zählen unter anderem die Verbesserung des Alarmierungssystems als auch die Integration der Wettermessdaten. Die Ergebnisse sollen in einem Bericht zusammengefasst und dem Betreiber der PV-Anlage zur Verfügung gestellt werden. Schließlich soll das Betriebsjahr 2016 der PV-Anlage KONTAKT untersucht und ein Jahresbericht verfasst werden. Falls drei Studierende an der Projektarbeit teilnehmen, lässt sich die Aufgabenstellung auf weitere PV-Anlagen Prof. Dr. Henrik te Heesen erweitern. Gebäude 9925, Raum 012 Telefon: 06782/17-1908 E-Mail: [email protected] VORAUSSETZUNGEN • Gute Kenntnisse in Photovoltaik und Energietechnik • Gute Kenntnisse in Excel für die Datenanalyse • Gute Sprachkenntnisse • Hohe Eigeninitiative Projektarbeit: Produktion eines Campuskartenspieles Betreuer: Peter Knebel Titel: Produktion eines Campuskartenspieles 1. Teil Inhalt: Anhand bereits vorhanden kurzen Basisregeln soll ein Kartenspiel entwickelt werden, welches den Umwelt-Campus darstellt. Neben dem Marketingeffekt im Hinblick auf potentielle Studierende soll der Spieler einen Einblick in den Campus, dessen Ziele, dessen Studiengänge, dessen Orte und ähnliches auf spielerische Art und Weise erhalten. In einem ersten Schritt sollen hierzu die vorhandenen Basisregeln vervollständigt und auf den Campus übertragen werden. Im Ergebnis soll ein Prototyp ohne Design mit fertiger schriftlicher Anleitung erschaffen werden. Als Folgeprojekt in einem späteren Semester besteht dann die Möglichkeit das Design der Karten und der Anleitung anzufertigen und eine Kostenaufstellung für die Produktion anzulegen. Art des Projektes: IP/FP Zielgruppe: UPUT Bachelor Maximale Teilnehmerzahl 2 besondere Voraussetzungen: keine Kontaktaufnahme per [email protected] oder meine Sprechstunde am Mittwoch ab 11.00 Uhr Fachprojekt / Interdisziplinäre Projektarbeit Betreuer: Prof. Dr. Stefan Stoll Titel: Ausarbeitung thematischer Exkursionen im Nationalpark Inhaltsbeschreibung: Es werden zwei thematische Exkursionen im Nationalpark ausgearbeitet. Das Thema der ersten Exkursion ist „Auswirkungen des Klimawandels im Nationalpark“, das Thema der zweiten Exkursion ist noch offen. In der Projektarbeit werden die fachlichen Hintergrundinformationen recherchiert, die auf den Exkursionen zu vermittelnden Inhalte festgelegt und didaktisch aufbereitet und es werden Anschauungsobjekte dazu angefertigt. Schließlich wird eine passende Wegstrecke für die Exkursion im Nationalpark ausgewählt, entlang der die zu vermittelnden Inhalte erlebbar gemacht werden können. Der gesamte Prozess wird in einem schriftlich ausgearbeiteten Leitfaden für jede Exkursion dokumentiert und den Nationalpark-Rangern zur Durchführung der Exkursionen übergeben. Zielgruppe: Bevorzugt Master, auch Bachelor möglich Max. Teilnehmerzahl: 6 Personen. Es werden zwei Exkursionen in jeweils möglichst interdisziplinären 3er-Teams ausgearbeitet. Erstes Treffen: Mo, 27.3. um 11:00 in Raum 9917-150. Security and Interfaces for Industry4.0 Bachelor-/Masterarbeit, Praktikum Kontakt: Prof. Dr.-Ing. G. Dartmann Motivation Hintergrund Szenario Die Zunahme der Vernetzung in der Industrie führt zu einer Vielzahl verschiedener industrieller Kommunik ationsprotokolle und Schnittstellen. Diese sind untereinander häufig nicht kompatibel. Dieses Vorhaben entwickelt Konz epte zur automatisierten Generierung v on Software-Sc hnittstellen für Industrie4.0-Anw endungen zur Lösung dies es Problems. Methodisch innov ativ ist hierbei das Heranziehen v on Modellen des Ges amtsystems und neuer Komponenten s owie Supervised Learning z um Trainieren dieser Modelle. Mit Hilfe di eser Modelle k ann als zweiter Aspekt di e IT-Sicherheit dies er System e v erbess ert werden. Die Folgen von IT-Angriffen k önnen abgemildert und Angriffe s elbst früher erk annt werden. Die Methoden, di e in di esem Vorhaben entwickelt werden, sollen anhand ei nes k onkreten Anw endungsfall in der Flaschenabfüllung für Getränk e ei nes mittelständischen U nternehm ens untersucht und validiert werden. Sensor-Hersteller Marktplatz / Cloud Feldger. x Sensor y p1 Modell y t3 t1 p2 t0 t2 p3 p1 p1 t3 t3 p2 t2 p1 t3 t1 t2 p1 t1 p2 t3 p2t0 t1 t2 p2 p3 t2 p1 t1 t0 p3 t0 p3 t0 t1 p2 t0 t2 Beschreibt Modell Modell x t3 p3 IoTaI erhält Sensormodell Simulator & GesamtSystem-Modell IoTaI-System p3 GesamtSystem SW-Schnittstelle n Neue Technologie Middleware für funktionelle Sicherheit Sensor ... Hierarchische Modellierung von Systemen Feldgerät Sensor p1 p1 t3 t3 Schnittstelle 1 Schnittstelle n-1 Modell der Anlage Schnittstelle n Anwendungen in der Linienproduktion p2 t2 p1 t3 t1 t2 p1 t1 p2 t3 p2t0 t1 t2 p2 p3 t2 t1 t0 p3 t0 p3 t0 Simulator & GesamtSystem-Modell p3 • • Grobes Modell (echtzeitfähig): Produktionsabläufe Flaschen-Parameter, Protokolle, Sensordaten p1 Anforderungen: Genauigkeit & Latenzzeit Erreichbare Genauigkeit & Latenzzeit t3 t1 p2 t2 p2 t1 t2 t3 t2 t0 p1 p3 Verfügbare Ressourcen t2 t2 t1 p3 t2 t1 t2 t1 t0 p3 t0 p3 t0 Teilsystem Detail-Simulation 1 ... • • Thema 1: Modellierung einer Linienproduk tion mit PetriNetzen und automatisiertes Trainieren dieser Modelle • Thema 2: Modellprädiktiv e Sicherheitsanaly se à Vorhersage von IT-Angriffen auf die Linienproduk tion Thema 3: Adaptive Schnittstellen, Maschinen Lernen für die automatisierte Generierung von IoT-Schnittstell en Thema 4: Entwicklung eines Marktplatzes für Sensoren und Aktoren und Ableitung von Software-Schni ttstell en Prof. Dr.-Ing. Guido Dartmann E-Mail: g.dartmann@ umw elt-c am pus.de Raum: 9917-146 t1 p1 t1 p2 t3 p2 t0t1 t2 p2 p3 t2 t1 t0 p3 t0 p3 t0 Teilsystem Detail-Simulation N p3 Modellierung auf unterschiedlic her Detailtiefe Anforderungen Mögliche Themen einer Arbeit Verteilte Systeme t3 p1 t3 Verfeinertes Modell (für forensische Untersuchungen und Anlagenplanung) • Strömungssimulation • Physikalische Modelle t0 p3 Aufgabenstellung • t2 t1 Anforderungen des Systems mit Fähigkeiten der Kommunikation verknüpfen • p2 t2 p3 p1 p1 t3 p3 Parametrisierbares Kommunikationsprotokoll (Schichten 1-4) • p1 p2 t3 p2 t0t1 t2 p2 t0 p1 t3 p2 t3 p1 t3 t1 p2 Parameter für Protokolle p1 p1 t3 p3 p2 Adaptive Middleware t0 p1 t3 Zielgruppe • Studierende des Masters und Bachelors der Informatik mit guten Programmierkenntnis sen • Studierende des Maschinenbaus mit Programmierkenntniss en Kooperationspartner • KHS GmbH • TU Kaiserslautern Kooperative Roboter Bachelor-/Masterarbeit, Projekt, Praktikum Kontakt: Prof. Dr.-Ing. G. Dartmann Prof. Dr.-Ing. N. Bajcinca (TUK) Motivation Anwendungen Szenario • Formationsflug bei Drohnen • Roboter von der TU Kaiserslautern und Drohnen kooperieren • Verteilte Roboter • Autonomes Fahren • Industrie 4.0 • Kommunikation über Funk: WLAN, Bluetooth • Sensorik: Kameras, Ultraschall. Roboter-Hardware Drohnen-Hardware Software-Übersicht Crazyflie 2.0 F. Altes et al. FIELD ROBOT EVENT 2014 June 2014, Bernburg-Strenzfeld, Germany Interdisziplinäre Zusammenarbeit Kooperation mit der TU Kaiserslautern • Teamarbeit mit Studenten der TU Kaiserslautern • Ziel: Teilnahme an einem Roboter-Wettbewerb • Field-Robot-Event: http://www.fieldrobot.nl • Interdisziplinäre Zusammenarbeit mit dem Lehrstuhl für Mechatronik der TU Kaiserslautern • https://www.mv.uni-kl.de/mec/home/ Verteilte Systeme Prof. Dr.-Ing. Guido Dartmann E-Mail: g.dartmann@ umw elt-c am pus.de Raum: 9917-146 https://www.bitcraze.io/blog/page/8/ Anforderungen Zielgruppe • Studierende der Informatik und Ingenieurwissenschaften Kenntnisse • Telematik, Betriebssysteme • Verteilte Systeme, JAVA und Programmierung III SIEM-Sensor für Virtuelle Kraftwerke Bachelor-/Masterarbeit, Praktikum Kontakt: Prof. Dr.-Ing. G. Dartmann Motivation : - - • Beitrag für den nationalen IT-Gipfel • Projektgruppe M2M (Internet der Dinge) der AG2 im nationalen IT-Gipfel • Umsetzung von Handlungsempfehlungen: Monitoringsystem für die M2M-Cybersicherheit (M2M-CERT) Vernetztes IT-System - : : - - A : & : Regenerative Energieerzeugung verlangt die Entwicklung sogenannter virtueller Kraftwerke. Aufgrund der digitalen Vernetzung solcher Anlagen, gibt es vielfältige Möglichkeiten diese Anlagen zu attackieren. Cyberattacken können bei virtuellen Kraftwerken immense Schäden anrichten. Ein Monitoringsystem, das Meldungen auf freiwilliger Basis entgegennimmt und einer breiten Öffentlichkeit zur Verfügung stellt, hilft erkannte Schwachstellen zu beseitigen und das Sicherheitsniveau der virtuellen Kraftwerke insgesamt zu verbessern. Sicherheit in Vernetzen Systemen : : : • VHPready: Virtual Heat and Power Ready • Offener Industriestandard zur Steuerung von Anlagen und zur Energieerzeugung • Echtzeitanalyse von Sicherheitsalarmen in Netzwerken • Dezentrale Anlagen: notwendig bei regenerativen Energiequellen • Data-Aggregation: Log-Management sammelt Daten von vielen Quellen: Netzwerk, Server, Anwendungen... • Langzeitspeicherung und Reporting von Log-Dateien • Identity- und Zugangsmanagement Fähigkeiten des Systems: • Korrelation: Sucht nach Verbindungen zwischen verschiedenen Ereignissen • Warnung: Automatische Korrelationsauswertung und Warnung Aufgabenstellung : Anforderungen : Informationsfluss Konfigurationen VHPready 4.0 LS Geschlossene Benutzergruppe OpenVPNServer VHPready 4.0 TE • Studierende des Masters und Bachelors der Informatik mit guten Programmierkenntinissen & : : • SSV Software Systems GmbH M2M-CERT SIEM-Sensor Verteilte Systeme Prof. Dr.-Ing. Guido Dartmann E-Mail: g.dartmann@ umw elt-c am pus.de Raum: 9917-146 • RWTH Aachen University : Machine Learning of System Biological Processes Bachelor-/Master thesis Contact: Prof. Dr.-Ing. G. Dartmann, Motivation Use Case Methodology Sepsis is a life-threatening disease with high morbidity and mortality. Although novel therapeutics are urgently needed, the development of new drugs reveals a time and cost intensive worldwide challenge. The past few years have seen a profound development of machine learning techniques applied in diverse fields. This knowledge offers a new component in the drug design process, which may revolutionize the way we develop drugs. Thus, we wish to investigate a novel holistic approach for a machine learning driven development of of sepsis therapeutics usingPetri nets. Methods Petri Nets In contrast to neural networks Petri nets have a unique ability to model the interaction between discrete models and continuous dynamic processes, whic h can be described with the help of differential equations. This allows complex dynamic relationships to be graphically modeled. This makes Petri nets particularly suitable for this research project in both multi-level modeling and simulation. Machine Learning and Optimization • System and control technology • Machine Learning for model adaption • Discrete and continuous optimization u(k) y(k) Unknown System Learning e(k) System Model Tasks Research Questions Requirements Students 1. Modelling of a simple example use case • Information technology 2. Identification of training data for learning • Computer Science 3. Development of a methodology to adapt a Petri net based on training data Cooperation Partners • University Hospital Aachen, OIM • RWTH Aachen University, ICE & TI • Trier University of Applied Sciences + ^ y(k)
