Digitalisierung im Maschinenbau

VDMA zeichnet Nachwuchs-Talente aus

Der VDMA-Fachverband Software und Digitalisierung und die Abteilung Bildung des VDMA haben zum 6. Mal herausragende Absolventinnen und Absolventen aus den Fachbereichen Ingenieurwissenschaften und Informatik mit dem Nachwuchspreis ’Digitalisierung im Maschinenbau’ ausgezeichnet.

Bild: VDMA e.V.

Bild: VDMA e.V.

Insgesamt 44 Absolventinnen und Absolventen wurden für den diesjährigen Nachwuchspreis ’Digitalisierung im Maschinenbau’ in den Kategorien Bachelor und Master von Professorinnen und Professoren von Hochschulen aus Deutschland und Österreich nominiert. „Ein neuer Beteiligungsrekord“, sagt Prof. Claus Oetter, Geschäftsführer des VDMA Software und Digitalisierung.

„Die Vielfalt der eingereichten Abschlussarbeiten mit Praxisfokus und die jährlich wachsende Anzahl an teilnehmenden Hochschulen, verdeutlichen sehr gut, dass die Zusammenarbeit zwischen Hochschulen und Unternehmen enorm fruchtbar für die Industrie ist“, sagt Dr. Jörg Friedrich, Leiter der Abteilung Bildung im VDMA.

Auszeichnungen für Bachelor- und Masterabsolventen

Jonas Weber, Informatik-Student an der Hochschule Konstanz, wird mit dem 1. Preis für die beste Masterarbeit ausgezeichnet. Weber erstellte die Arbeit unter der Betreuung von Prof. Dr. Rainer Mueller und in Kooperation mit der Maschinenfabrik Berthold Hermle. Seine Arbeit soll zeigen, dass eine vollständige Predictive Maintenance Lösung auf einer modernen Maschine auch ohne den Einsatz externer Komponenten möglich ist. Dazu standen historische Linearachs-Messungen zur Verfügung, die das Trainieren künstlicher neuronaler Netze ermöglichten. Die Arbeit folgt in der Umsetzung dem Standard-Vorgehensmodell zum Data Mining (CRISP) und liefert als Ergebnis ein auf der Maschinensteuerung ausführbares Programm mit eingebetteter Datenaufbereitung, Datenauswertung und Ergebnisausgabe.

Simon Griesbeck, Student an der Hochschule für angewandte Wissenschaften Kempten, erhält den 2. Preis in der Kategorie Masterarbeit. Unter der Betreuung von Prof. Dr. Matthias Kuba der Fakultät für Elektrotechnik, entwickelte er bei der Firma Autefa Solutions Germany ein Machine-Learning-System zur Optimierung der Gewichtsgenauigkeit von Faserballenpressen. Genutzt werden diese Hochleistungspressen, um große Mengen von Textilfasern zu komprimieren, damit deren Transport und Lagerung effizienter ist. Das entwickelte System ermöglicht es, so in den Dosiervorgang einzugreifen, dass die Abweichung vom Sollgewicht deutlich reduziert wird. Der Lösungsansatz lässt sich auf weitere Anwendungen übertragen, die eine hohe Dosiergenauigkeit erfordern. Profitieren könnten insbesondere Unternehmen der Prozessindustrie.

Fabian Kabl, Student an der Ostbayerischen Technischen Hochschule Regensburg, wird mit dem 1. Preis in der Kategorie Bachelorarbeit ausgezeichnet. Im Rahmen seiner Abschlussarbeit, die er in der Fakultät Elektro- und Informationstechnik bei Prof. Dr. Armin Sehr verfasste, untersuchte er bei Krones 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. 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.

Deniz Yesilyurt, Maschinenbaustudent an der RWTH Aachen, wird mit dem 2. Preis in der Kategorie Bachelorarbeit ausgezeichnet. Prof. Dr. Thomas Gries und Felix Pohlkemper vom Institut für Textiltechnik der RWTH betreuten die Abschlussarbeit. In Kooperation mit der Heinen Automation entwickelte Yesilyurt 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. Die Ergebnisse der Arbeit sind wegweisend für eine effiziente und nachhaltige Herstellung von Carbonfasern.

Das könnte Sie auch interessieren

Quantencomputer versprechen enorme Rechenleistung und bieten großes Potenzial für Gesellschaft und Wirtschaft. Sie könnten etwa dazu eingesetzt werden, neue medikamentöse Wirkstoffe zu finden. Doch wie ist der aktuelle Stand der Technologie? Dr. Marco Roth vom Fraunhofer IPA gibt einen Überblick.‣ weiterlesen

Capgemini hat die TechnoVision 2023 mit dem Titel 'Right the Technology, Write the Future' veröffentlicht. Der Report hebt Technologietrends hervor, die Führungskräften bei der technologiebasierten Transformation ihres Unternehmens helfen sollen.‣ weiterlesen

Im aktuellen Global CEO Survey von des Beratungsunternehmens PwC geben mehr als 80 Prozent der befragten deutschen CEOs an, dass sie mit einem Rückgang des Weltwirtschaftswachstums rechnen. Inflation, makroökonomische Volatilität und geopolitische Konflikte werden von den Befragten als die größten Gefahren für das Geschäft genannt.‣ weiterlesen

Unternehmen suchen zunehmend nach Konnektivität für eine Vielzahl von Anlagen. Eine größere Vielfalt an Konnektivitätstypen, mehr Sensorfunktionen und Formfaktoren sowie eine größere Softwareintelligenz ermöglichen es dem Markt für Condition-Based Monitoring (CBM), neue Anwendungsfälle zu erschließen und einen größeren Wert für Anwender zu generieren. Einem neuen Bericht des Technologieunternehmens ABI Research zufolge sollen die zustandsorientierten Überwachungssensoren bis 2026 277 Millionen Anschlüsse erreichen.‣ weiterlesen

In sechs neuen Projekten des Spitzencluster it's OWL entwickeln 18 Unternehmen und fünf Forschungseinrichtungen gemeinsam Ansätze und Lösungen, um konkrete Herausforderungen der Industrie anzugehen.‣ weiterlesen

Maschinen mit IIoT-Funktionalitäten werden meist mit Sensorik ausgeliefert, die aktuelle Fertigungsdaten erhebt und verarbeitet. Um diese IIoT-Daten jedoch übergreifend zu nutzen, braucht es eine weitere Software-Instanz zur Verarbeitung: das Manufacturing Execution System (MES) .‣ weiterlesen