Abschlussarbeiten

Hintergrund:

• Das Recycling von Schiffen stellt eine mögliche neue Industrie in Europa dar und ist daher eine große Chance
• Es bestehen jedoch bisher keine systematisierten Prozessmodelle (Mensch, Technik, Organisation)

Aufgabenbeschreibung:

• Literaturrecherche zum Stand der Forschung des Schiffsrecycling (international)
• Vergleich von bestehenden Prozessmodellen
• Entwicklung eines Prozessmodells unter Berücksichtigung von regionalen Unterschieden (EU vs. Asien)
• Validierung mittels Experteninterviews

Voraussetzung:

• Sehr gutes Studium Wirtschaftsingenieurwesen oder Produktionstechnik
• Starkes Interesse an konzeptioneller Arbeit
• Gute Englisch- und Deutschkenntnisse
• Analytische Herangehensweise und selbstständige Arbeitsweise

Ansprechpartner:

BIBA, Forschungsbereich: Intelligente Produktions- und Logistiksysteme (IPS)
Dr.-Ing. Dennis Keiser
E-Mail: ked@biba.uni-bremen.de 
Tel.: 0421 / 218 - 50183

Hintergrund:

• Automatisiertes Fahren für den Umschlag von Fertigfahrzeugen auf Automobilterminals bietet ein enormes Potential für die Fahrzeuglogistik.
• 5G-Mobilfunktechnologie ermöglicht die notwendige Kommunikation zwischen Fahrzeugen und Infrastruktur.
• Die Leistungsfähigkeit des Systems ist unmittelbar mit der Latenzzeit verknüpft.

Aufgabenbeschreibung:

• Identifikation und Analyse relevanter Einflussfaktoren auf die Latenzzeiten im 5G-Netzwerk für automatisiertes Fahren.
• Durchführung von Messkampagnen und Auswertung realer Testdaten auf dem Automobilterminal.
• Ableitung von Maßnahmen und Optimierungsstrategien zur Latenzreduzierung.

Voraussetzung:

• Grundkenntnisse in Mobilfunktechnologien wünschenswert.
• Abgeschlossenes Bachelorstudium (Systems Engineering, Produktionstechnik o. Ä.) mit der Note „sehr gut“.
• Selbstständiges Arbeiten und hohe Zuverlässigkeit.
• Sehr gute Deutsch- und Englischkenntnisse.

Ansprechpartner:

Die Arbeit erfolgt in Kooperation mit der Volkswagen Konzernlogistik. Anfragen sind stets an beide Ansprechpartner zu richten:

BIBA, Forschungsbereich: Intelligente Produktions- und Logistiksysteme (IPS)
Simon Leohold
E-Mail: leo@biba.uni-bremen.de
Tel.: 0421 / 218 - 50167

Volkswagen Konzernlogistik, IT Strategy & Projects
Mohamed Elghawar
E-Mail: mohamed.elghawar@volkswagen.de

Hintergrund:

• Die zunehmende Automatisierung in der Fahrzeuglogistik verspricht erhebliche Potentiale. Besonders in komplexen Umgebungen, wie auf RoRo-Terminals, kann das automatisierte Fahren von Fertigfahrzeugen den reibungslosen Ablauf und die Sicherheit verbessern.
• Die Entwicklung von Strategien und Modellen zur nahtlosen Integration dieser Technologien ist essenziell, um zukünftige Hafenprozesse zu optimieren.
• Die Komplexität der Abläufe in RoRo-Terminals, einschließlich der dynamischen An- und Abfahrten von Schiffen sowie der Interaktion zwischen manuell gesteuerten und automatisierten Fahrzeugen, erschwert die Implementierung von automatisiertem Fahren.
• Bisher fehlen umfassende Simulationsmodelle, die die spezifischen Herausforderungen und Interdependenzen bei der Integration von automatisierten Fahrzeugen in diese Umgebungen abbilden.

Aufgabenbeschreibung:

• Entwicklung eines Simulationsmodells, das definierte Abläufe und Prozesse in einem RoRo-Terminal abbildet, um die Auswirkungen der Integration automatisierter Fahrzeuge zu untersuchen.
• Bewertung der Leistungsfähigkeit des Systems unter verschiedenen Bedingungen (z.B. bei unterschiedlichem Verkehrsaufkommen, Schiffsgrößen und Automatisierungsgraden & -technologien).
• Identifizierung von Optimierungspotenzialen und Ableitung von Handlungsempfehlungen für eine effiziente und sichere Koexistenz von manuell und automatisiert gefahrenen Fahrzeugen im realen RoRo-Terminal-Betrieb.

Voraussetzung:

• Gute Kenntnisse in Plant Simulation wünschenswert.
• Abgeschlossenes Bachelorstudium (Systems Engineering, Produktionstechnik o. Ä.) mit der Note „sehr gut“.
• Selbstständiges Arbeiten und hohe Zuverlässigkeit.
• Sehr gute Deutsch- und Englischkenntnisse.

Ansprechpartner:

Die Arbeit erfolgt in Kooperation mit der Volkswagen Konzernlogistik. Anfragen sind daher stets an beide Ansprechpartner zu richten:

BIBA, Forschungsbereich: Intelligente Produktions- und Logistiksysteme (IPS)
Ricardo Caballero Gonzalez
E-Mail: cab@biba.uni-bremen.de
Tel.: 0421 / 218 - 50164

Volkswagen Konzernlogistik, IT Strategy & Projects
Mohamed Elghawar
E-Mail: mohamed.elghawar@volkswagen.de

Hintergrund

• Die Identifikation und Auswahl von Technologien zur Unterstützung intralogistischer Prozesse ist häufig zeitaufwändig und erfordert ein zum Teil sehr tiefgreifendes Technologieverständnis.
• Expertensysteme sollen eine Entscheidungsfindung in komplexen Auswahlprozessen auch ohne explizites Fachwissen ermöglichen.
• Klassische Systeme benötigen dazu komplexe Algorithmen zur Entscheidungsfindung sowie eine strukturierte Datengrundlage, darunter eindeutig beschriebene Lösungsräume.

Zielsetzung

In der Arbeit soll untersucht werden, ob Large Language Modelle (LLMs) mit Reasoning-Fähigkeiten für die Entscheidungsfindung auf Grundlage nicht-einheitlich strukturierter Informationen verwendet werden können, um eine bedarfsgerechte Technologieauswahl für einen intralogistischen Arbeitsprozess vorzuschlagen.

• Analyse des Stands der Technik und Wissenschaft zur Technologieauswahl
• Entwicklung einer Methode für einen LLM-gestützten Auswahlprozess von technischen Assistenzsystemen für die Intralogistik
• Vergleich verschiedener LLMs und Initial Prompts
• Vereinheitlichung des Outputs verschiedener LLMs
• Evaluation der Methode

Voraussetzung

• Studium im Fachbereich 4
• Selbständiges Arbeiten und hohe Zuverlässigkeit
• Sehr gute Deutsch- und Englischkenntnisse

Ansprechpartner

BIBA, Forschungsbereich: Intelligente Produktions- und Logistiksysteme (IPS)
Nils Hendrik Hoppe
E-mail: hpp@biba.uni-bremen.de
Tel.: 0421 / 218 - 50181

Hintergrund

• Fehlmontagen bei Kränen sind sicherheitskritisch
• KI-basierte Objekterkennung basierend auf synthetischen Trainingsdaten bietet neue Lösungsansätze

Aufgabenbeschreibung

• Generierung synthetischer Bilddaten verschiedener Kranmontagezustände
• Training eines Objekterkennungsmodells zur Detektion von Gegengewichten
• Validierung mit realen und synthetischen Bildquellen (z. B. Drohnenaufnahmen).

Zielsetzung

• Entwicklung eines KI-Prototyps zur visuellen Prüfung der Kranmontage

Voraussetzung

• Kenntnisse in Python und Deep Learning (z. B. YOLO).
• Interesse an 3D-Tools wie Omniverse, Blender o. ä.
• Optional Interesse an Drohnen im industriellen Anwendungen.

Ansprechpartner

BIBA, Forschungsbereich: Intelligente Produktions- und Logistiksysteme (IPS)
Nicolas Jathe
E-Mail: jat@biba.uni-bremen.de
Tel.: 0421 / 218 - 50048

Hintergrund:

• Das Recycling von Schiffen stellt eine mögliche neue Industrie in Europa dar und ist daher eine große Chance
• Es bestehen jedoch verschieden Herausforderungen (Wirtschaftlichkeit, Prozess, Technologien, etc.)

Aufgabenbeschreibung:

• Systematische Literaturanalyse zum Stand der Forschung des Schiffsrecycling (international)
• Ansätze und Ableitung von Herausforderungen in Europa
• Bewertung und Ableitung von strategischen „Enablern“
• Ableitung weitere Forschungsbedarfe

Voraussetzungen:

• Studium Wirtschaftsingenieurwesen oder Produktionstechnik
• Starkes Interesse an konzeptioneller Arbeit
• Sehr gute Englisch- und Deutschkenntnisse
• Analytische Herangehensweise und selbstständige Arbeitsweise

Ansprechpartner:

BIBA, Forschungsbereich: Intelligente Produktions- und Logistiksysteme (IPS)
Dr.-Ing. Dennis Keiser 
E-Mail: ked@biba.uni-bremen.de 
Tel.: 0421 / 218 - 50183

Hintergrund:

• Die stoffliche Verwertung recycelbarer Abfälle wird immer wichtiger, um Energie und fossile Brennstoffe einzusparen und natürliche Ressourcen zu schonen – ein Anliegen, das auch politisch unterstützt wird. Dabei liegt ein Fokus auf der Senkung des Energieverbrauchs bei der Trennung und Sortierung von Abfällen, die für das Recycling genutzt werden sollen.
  
  
• Im Projekt EnSort (Energieeffiziente Sortieranlage) soll der Energieaufwand von Maschinen, die im komplexen Sortierprozess verwendet werden, mithilfe von KI-basierter Materialerkennung optimiert werden. Ziel ist es, den Sortierprozess für recycelbare Materialien effizienter zu gestalten und die Anlage an unterschiedliche Qualitäten des Abfallmaterials flexibel anzupassen. Dies wird durch die Digitalisierung des bisher manuell gesteuerten Prozesses ermöglicht.

Problemstellung:

• Für die Entwicklung eines Digitalen Zwillings, um die Gesamtanlage zu simulieren, ist die Prognose der Sortierergebnisse der Nahinfrarot-Sortieraggregate notwendig. Diese hochtechnologischen Geräte, welche als Kernelemente jeder Sortieranlage eigesetzt werden, klassifizieren mittels Nahinfrarot-Spektroskopie verschiede Materialien auf dem darunterliegenden Fließband in Sekundenbruchteilen und separieren diese im Anschluss mittels Druckluft in die verschiedenen Materialfraktionen

Zielsetzung:

• Darstellung des Stands der Technik bezüglich geeigneter Methoden für die Datenvorverarbeitung und Machine Learning-Algorithmen
• Evaluieren verschiedener Maschinenkenngrößen und Zusammenstellen des Testdatensatzes
• Data preprocessing zur Optimierung der Datenverarbeitung
• Umsetzung verschiedener Algorithmen mit anschließendem Vergleich mithilfe verschiedener Kenngrößen

Voraussetzungen:

• Kenntnisse in der Datenverarbeitung und Python
• Interesse an Nachhaltigkeit und Kunststoffrecycling
• Erfahrung im Maschinellen Lernen
• Selbstständige und verantwortungsbewusste Arbeitsweise

Ansprechpartner:

BIBA - Bremer Institut für Produktion und Logistik GmbH
Informations- und kommunikationstechnische Anwendungen in der Produktion (IKAP)
Marcel Wiechmann
E-Mail: wim@biba.uni-bremen.de
Tel.: 0421 / 218 - 64864

Hintergrund:

• Fertigende Industriebetriebe und Lohnfertiger stehen heute in großer Konkurrenz zueinander.
• Eine hohe Auslastung der Maschinen bei gleichzeitiger hoher Liefertreue stellen große Anforderungen an die Produktionsplanung.

Zielsetzung:

• Auf Basis einer von Industriepartnern bereitgestellte Fallstudie soll eine Planungsanwendung mit diesen spezieller Herausforderungen prototypisch entwickelt und validiert werden.

Aufgabenbeschreibung:

• Systemanalyse und Lösungsdesign für Planungsmethode
• Implementierung einer mathematischen Optimierung für das Planungsproblem
• Evaluation der Anwendung

Voraussetzung:

• Gute Programmierkenntnisse in Python
• Erste Erfahrung in mathematischer Programmierung wünschenswert
• Offen für neue Herausforderungen
• Sehr gute Deutsch- und Englischkenntnisse
• Hohe Motivation und Selbstständigkeit

Ansprechpartner:

BIBA, Forschungsbereich: Data Analytics und Prozessoptimierung
Lennart Steinbacher
E-Mail: stb@biba.uni-bremen.de
Tel.: 0421 / 218 - 50092

Motivation:

• Moderne Montageassistenzsysteme verfügen über ein integriertes Informationsmanagement, das die während der Montage anfallenden Daten speichert, auswertet und weiterleitet, um den Auftragsstatus und die Produktqualität zu dokumentieren und die Produktivität des Gesamtprozesses zu messen.
• Durch die zunehmende Integration von Sensorik und manuellen Eingaben der Werker sowie die Verfügbarkeit externer Datenquellen steigt die zu verarbeitende Datenmenge rasant an.

Problemstellung:

• Diese Entwicklung eröffnet die Möglichkeit, Algorithmen zur automatischen Auswertung und Interpretation der Daten einzusetzen. Beispielsweise können Anomalien bei der Durchführung von Montagetätigkeiten erkannt und diese Informationen für Prozessverbesserungen zur Verfügung gestellt werden.
• Zudem können auf der Basis von Vergangenheits- und Echtzeitdaten Prognosen generiert und auf dieser Grundlage Optimierungen vorgenommen werden.

Zielsetzung:

• Im Rahmen der Masterarbeit soll eine Methode entwickelt und evaluiert werden, die eine zuverlässige Unterscheidung von regulären und irregulären Beobachtungen in Montageprozessdaten ermöglicht.
• Dazu sollen auf Basis einer systematischen Literaturanalyse geeignete Algorithmen ausgewählt und für den vorliegenden Anwendungsfall implementiert und evaluiert werden.
• Die Vorgehensweise soll sich am CRISP-DM oder einem anderen geeigneten Vorgehensmodell orientieren.

Voraussetzung:

• Gute Programmierkenntnisse (Python) oder Bereitschaft zur selbstständigen Einarbeitung
• Selbständiges Arbeiten und hohe Zuverlässigkeit
• Gute Englischkenntnisse

Ansprechpartner:

BIBA, Forschungsbereich: Intelligente Produktions- und Logistiksysteme (IPS)
Hendrik Engbers
E-Mail: eng@biba.uni-bremen.de
Tel.: 0421 / 218 - 50148