Student (w/m/d) für Bachelor-/Masterarbeit Additive Manufacturing

GKN Powder Metallurgy; Bonn; Vor Ort; EUR 40.000 - 60.000; Vollzeit

Zusammenfassung

Ein Unternehmen der Pulvermetallurgie in Bonn sucht engagierte Studierende für die Entwicklung eines Prozessüberwachungssystems in der additiven Fertigung. Bewerber sollten Immatrikulierte in einem technischen Studium wie Elektrotechnik oder Maschinenbau sein und praktische Erfahrungen in Bildverarbeitung und Datenanalyse mitbringen. Gute Deutsch- und Englischkenntnisse sind erforderlich. Eine eigenständige, zielorientierte Arbeitsweise wird erwartet.

Qualifikationen

• Immatrikulation in einem relevanten Studiengang.
• Praktische Erfahrungen im Bereich Bildverarbeitung.
• Erste Erfahrungen im Bereich Additive Manufacturing sind ein Plus.

Aufgaben

• Entwicklung eines Prozessüberwachungssystems.
• Bildaufnahme und Kalibrierung zur Analyse von Anomalien.
• Datensatz-Erstellung zur Annotation von Schichtbildern.
• Modelltraining zur hohen Erkennungsrate.
• Integration des Modells in die bestehende Geschäftslogik.
• Generierung eines Qualitätsberichts basierend auf Anomalien.

Kenntnisse

Bildverarbeitung

Datenanalyse

Eigenständige Arbeitsweise

Gute Englischkenntnisse

Gute Deutschkenntnisse

Ausbildung

Fortgeschrittenes technisches Studium

Studiengänge: Elektrotechnik, Informatik, Maschinenbau

Jobbeschreibung

Bei GKN Powder Metallurgy ist Engineering unsere Leidenschaft. Jeden Tag kombinieren unsere 6.200 Mitarbeiter an 29 Fertigungsstandorten auf der ganzen Welt modernste Pulvermetalle mit innovativen Porduktionstechnologien, um einzigartige Porduktlösungen herzustellen – intelligent, zuverlässig und präzise.

Aufgaben

Wir suchen engagierte Studierende, die es reizt, Teil unseres innovativen Teams zu werden.

Bei additiven Fertigungsverfahren wie dem Laser-Pulverbett-Schmelzen (LPBF) werden Bauteile Schicht für Schicht aufgebaut. Eine dünne Metallschicht wird aufgetragen und anschließend mithilfe eines Lasers selektiv aufgeschmolzen. Jede Schicht muss gleichmäßig verteilt und fehlerfrei sein, da Unregelmäßigkeiten zu Poren, Rissen oder anderen Defekten führen können. Selbst kleinste Störungen – wie Streifen durch eine abgenutzte Rakel, ungleichmäßig verteiltes Pulver oder Vibrationen – können die mechanischen Eigenschaften des Endbauteils beeinträchtigen. Die frühzeitige Erkennung solcher Defekte hilft, Material, Zeit und Kosten zu sparen, da der Bauprozess rechtzeitig korrigiert oder gestoppt werden kann.

Zielstellung:

• Entwicklung eines Prozessüberwachungssystems basierend auf Pulverbett-Kamerabildern und Bewertung der Bauteilqualität durch Erstellung eines Qualitätsberichts

Deine Aufgaben:

• Bilderfassung: Mit der Kamera werden die Pulver‑schichten unmittelbar nach den Rakeln und der Belichtung aufgenommen. Das Bild muss kalibriert und zentriert werden, um die Analyse von Anomalien zu ermöglichen.
• Datensatz‑Erstellung: Eine repräsentative Sammlung von Schichtbildern wird manuell mit Defektkategorien annotiert, um dem Algorithmus das Lernen zu ermöglichen
• Modelltraining: Mehrere Algorithmen werden trainiert und mit der Basislinie (EOS Powder Bed) verglichen. Ziel ist es, eine hohe Erkennungsrate zu erreichen und gleichzeitig die Rechenzeit gering zu halten.
• Integration: Das leistungsstärkste Modell wird in die bestehende Geschäftslogik (CT-Light) integriert, sodass während des Druckprozesses eine automatische Defekt‑erkennung und Berichterstellung möglich ist.
• Berichtserstellung: Ein Qualitätsbericht wird basierend auf den während des Druckprozesses auftretenden Anomalien generiert, was dem Kunden einen zusätzlichen Mehrwert bieten kann.

Qualifikation

Was solltest Du mitbringen?

• Immatrikulation im fortgeschrittenen technischen Studium an einer Universität oder Fachhochschule
• Studiengänge: Elektrotechnik, Informatik, Maschinenbau (Werkstofftechnik)
• Praktische Erfahrungen im Bereich Bildverarbeitung, Datenanalyse
• Eigenständige, zielorientierte Arbeitsweise
• Erste Erfahrungen im Bereich Additive Manufacturing in Zusammenhang mit Prozessüberwachung, Machine Learning oder In‑Situ‑Monitoring‑Systemen sind ein Plus.
• gute deutsche und englische Sprachkenntnisse

Du möchtest Teil unseres Teams werden? Dann bewirb dich jetzt, am besten online. Wir freuen uns auf Deine Bewerbung!