Fraunhofer-Gesellschaft
Studien-/Abschlussarbeit - Learning MPC & Safe RL auf IEDs für Batteriezellfertigung
Aufgaben
Entwicklung eines Reinforcement-Learning-Agenten mit Safety-Filter für die Bahnkantensteuerung beim Batterie-Wickelprozess • Containerisierung und Deployment des Agenten auf Siemens Industrial Edge Devices • Implementierung der IT/OT-Kommunikation via OPC UA/MQTT zwischen KI-Ebene und SPS-Ebene • Benchmarking und Evaluierung der selbstlernenden Edge-MPC an realer Forschungsanlage mit Vergleich zu klassischen PID-Regelungskonzepten
Anforderungen
Gültige Immatrikulation in Masterstudium an deutscher Hochschule in Regelungstechnik, Kybernetik, Mechatronik, Automatisierungstechnik, Informatik oder vergleichbar • Hervorragende Python-Kenntnisse, vorzugsweise C/C++-Erfahrung • Idealerweise Erfahrung mit hart echtzeitfähigen Anwendungen • Theoretische und praktische Vorkenntnisse in Model Predictive Control (MPC) und/oder Reinforcement Learning • Starkes Interesse an modernen IT/OT-Architekturen (Edge Computing, Docker, OPC UA, MQTT)
Redaktionelle Kurzfassung auf Basis der öffentlich zugänglichen Ausschreibung. Der vollständige Text steht bei der ausschreibenden Einrichtung. Zur Original-Ausschreibung →
Besonderheiten
Studien-/Abschlussarbeit - Learning MPC & Safe RL auf IEDs für BatteriezellfertigungStudien-/Abschlussarbeit - Learning MPC & Safe RL auf IEDs für BatteriezellfertigungStuttgartIPA - Produktionstechnik und Automatisierung
Schlagworte
Deutschlands Stellenbörse für die Wissenschaft
wissenschaftsstellen.de