Studien​/Abschlussarbeit - Learning MPC & Safe RL auf IEDs für Batteriezellfertigung

Studien-/Abschlussarbeit - Learning MpC & Safe Rl Auf Ieds Für Batteriezellfertigung

Die Fraunhofer-Gesellschaft ist eine der weltweit führenden Organisationen für anwendungsorientierte Forschung. 74 Institute entwickeln wegweisende Technologien für unsere Wirtschaft und Gesellschaft – genauer: 30 000 Menschen aus Technik, Wissenschaft, Verwaltung und IT. Sie wissen:
Wer zu Fraunhofer kommt, will und kann etwas verändern. Für sich, für uns und die Märkte von heute und morgen. Ausschreibung für die Fachrichtungen wie z.

B.:
Automatisierungstechnik, Elektrotechnik, Informatik, Kybernetik, Luft- und Raumfahrttechnik, Maschinenbau, Mathematik, Mechatronik, Physik, Regelungstechnik, Softwareengineering, technische Informatik, Data Science, Industrial It / Iot oder vergleichbare.

Das Zentrum für Digitalisierte Batteriezellproduktion (Zdb) am Fraunhofer Ipa treibt die Digitalisierung der Zellfertigung im industriellen Maßstab voran. Heutige Produktionsanlagen werden durch statische Pid-Regler gesteuert, die bei dynamischen Prozessen und wechselhaften Materialparametern schnell an ihre Grenzen stoßen. Bedingt durch genau diese Umstände in der Batteriezellfertigung, speziell beim Wickeln der Jelly-Rolls, ist ein Paradigmenwechsel in der Regelungstechnik notwendig:
Prädiktive Modelle (Mpc) sollen anstatt klassischer Pid-Regelung eingesetzt werden. Allerdings sind diese MpC bei Taktzyklen im Millisekundenbereich oft zu rechenintensiv für echtzeitfähige Regelung. In dieser Masterarbeit untersuchen Sie die Kombination der hohen Inferenzgeschwindigkeit von Reinforcement Learning mit den harten Sicherheitsgarantien einer Model Predictive Control (Safe Rl). Ziel ist es, zu untersuchen, inwiefern und unter welchen Voraussetzungen diese Technologie als intelligente Edge-Applikation direkt an eine reale Batteriewickelanlage adaptierbar ist.

Hier sorgen Sie für Veränderung Agenten-Design (Safe Rl):
Sie entwickeln einen Reinforcement-Learning-Agenten, der die Bahnkantensteuerung für den Wickelprozess vorausschauend optimiert. Dabei implementieren Sie einen Safety-Filter (z.B. eine differenzierbare Projektionsschicht), um Maschinengrenzen strikt einzuhalten Edge-Deployment:
Sie übersetzen Ihren Python/C++ basierten Agenten in eine containerisierte Applikation (Docker) und deployen diese auf einem Siemens Industrial Edge Device It/Ot-Kommunikation:
Sie stellen sicher, dass die Ki-Ebene (It) asynchron via Opc Ua / Mqtt mit der deterministischen Sps-Ebene (Ot) der Anlage kommuniziert und dort adaptive Sollwert-Offsets schreibt Benchmarking:
Sie evaluieren Ihre selbstlernende Edge-MpC direkt an der realen Forschungsanlage und vergleichen Latenz sowie Regelgüte mit klassischen Steuerungskonzepten (Pid)

Hiermit bringen Sie sich ein

• Gültige Immatrikulation in einem Masterstudium an einer deutschen Hochschule oder Universität in den Fachrichtungen Regelungstechnik, Kybernetik, Mechatronik, Automatisierungstechnik, Informatik oder vergleichbar
• Hervorragende Kenntnisse in Python sowie vorzugsweise Erfahrung mit C/C++ für latenzkritische Industrie-Anwendungen
• Idealerweise Erfahrung mit hart echtzeitfähigen Anwendungen und Code-Implementierung
• Theoretische und praktische Vorkenntnisse im Bereich Model Predictive Control (MpC) und/oder Reinforcement Learning
• Starkes Interesse an modernen industriellen It/Ot-Architekturen (Edge Computing, Docker, Opc Ua, Mqtt)
• Die Begeisterung, komplexe Ki-Algorithmen vom Laptop direkt an eine echte Industrieanlage zu bringen und auszuprobieren

Was wir für Sie bereithalten

• Pionierarbeit:
  Sie bauen die Software-Architektur für die Gigafactories von morgen und arbeiten mit State-of-the-Art Hardware
• Proof of Concept:
  Sie simulieren nicht nur, sondern bringen Ihren Code auf einer echten Maschine zum Laufen (Proof of Concept an der Hardware)
• Wissenschaftliche Sichtbarkeit:
  Hervorragende Betreuung, enge Einbindung in das Forschungsteam und die Option auf Nennung in einer gemeinsamen wissenschaftlichen Publikation (Paper)
• Netzwerk & Perspektive:
  Knüpfen Sie wertvolle Kontakte in die Industrie und Forschung rund um das Thema Batterieproduktion und Automatisierung

Wir wertschätzen und fördern die Vielfalt der…