Abschlussarbeit: ONNX-Plugin für Machine-Learning-Modelle in der virtuellen Inbetriebnahme [VIBN]

Overview

Die in Dresden ansässige Abteilung IIOT-Steuerungen und technische Kybernetik erarbeitet maschinennahe Methoden und Lösungen zur Umsetzung von Industrie 4.0 in engem Kontakt mit Industriepartnern.

Ökologische Betrachtungen spielen durch politisch festgesetzte Klimaziele und zunehmende gesetzliche Regularien eine immer größere Rolle in der Produktionsplanung. Modellierung und Simulation bietet die Möglichkeit, bereits im Vorfeld Aussagen zum Energieverbrauch einzelner Maschinen oder Prozessschritte zu treffen. So können die simulativ erzielten Ergebnisse als Grundlage für Investitionsentscheidungen oder Optimierungen einzelner Produktionsprozesse dienen. Um Analysen direkt anhand des Steuerungscodes durchzuführen, können Tools zur virtuellen Inbetriebnahme (VIBN) genutzt werden. Sie ermöglichen die Kopplung einer Steuerung an das Modell der Maschine oder Anlage, bieten aber oft keine integrierte Möglichkeit, physikalisch basierte Betrachtungen im Modell anzustellen.

Hier sorgen Sie für Veränderung

Responsibilities

• Recherche zu ONNX, der ONNX Runtime sowie zu Einsatzmöglichkeiten von Machine-Learning-Inferenz in Umgebungen der Virtuellen Inbetriebnahme,
• Analyse gängiger Tools der Virtuellen Inbetriebnahme (z. B. Process Simulate, fe-screen-sim, ISG virtuos) sowie deren Schnittstellen zum Zugriff auf Simulationsdaten,
• Entwicklung eines toolübergreifenden ONNX-Plugins zur Anbindung von ML-Modellen an VIBN-Simulationsdaten,
• Integration und Test des Plugins in VIBN-Tools,
• Bewertung des Laufzeitverhaltens, des Integrationsaufwands sowie der Übertragbarkeit des entwickelten Ansatzes,
• strukturierte Dokumentation und Aufbereitung der Ergebnisse im Rahmen einer Abschlussarbeit (Bachelor-, Master- oder Diplomarbeit).

Qualifications

• Immatrikulation in einem Studiengang der Fachrichtungen Informatik, Mechatronik, Automatisierungstechnik, Maschinenbau oder vergleichbar,
• gute Programmierkenntnisse in C/C++ und/oder Python,
• Kenntnisse oder erste praktische Erfahrungen mit ONNX, PyTorch und Machine-Learning-Modellen,
• Interesse an Simulation, Digitalen Zwillingen sowie datengetriebenen Methoden,
• fließend Deutsch- oder Englischkenntnisse in Wort und Schrift,
• hohes Maß an Eigeninitiative, Selbstständigkeit und Teamfähigkeit,
• strukturierte Arbeitsweise sowie Fähigkeit zur nachvollziehbaren technischen Dokumentation.

What we offer

• Praxisbezogene Arbeitsaufgaben in der Simulation von Produktionssystemen,
• gezielte fachliche Förderung für raschen Kompetenzaufbau,
• Arbeit in einem interdisziplinären Team,
• Möglichkeit einer Weiterbeschäftigung.

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht.

Fragen zu dieser Position beantwortet gern:
M.Sc. Muhammad Faisal Yaqoob

Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU