Wissenschaftliche/r Mitarbeiter/in (w/m/d) - Einsatz von Machine Learning bei Wälzlager-CFD-Sim[...]

RWTH Aachen University; Aachen; Vor Ort; EUR 48.000 - 60.000; Vollzeit

Zusammenfassung

RWTH Aachen University sucht einen Wissenschaftlichen Mitarbeiter (w/m/d) für ein Projekt zur CFD-Simulation in der Elektro-Mobilität. Die Rolle umfasst die Entwicklung von Modellen mittels Machine Learning und die experimentelle Validierung. Bewerber sollten einen Masterabschluss im Maschinenbau haben und eine selbstständige Arbeitsweise mitbringen.

Qualifikationen

• Bereitschaft zur Einarbeitung in neue Themenfelder.
• Ausgeprägte Kenntnisse von Simulationsmethoden sind von Vorteil.
• Vorkenntnisse in Matlab sind wünschenswert.

Aufgaben

• Mitarbeit an einem institutsübergreifenden Forschungsprojekt.
• Entwicklung von CFD-Ersatzmodellen mittels Machine Learning.
• Experimentelle Validierung der CFD-Simulationen.

Kenntnisse

Selbstständige und eigenverantwortliche Arbeitsweise

Strukturierte Herangehensweise

Kommunikations- und Teamfähigkeit

Ausbildung

Master oder vergleichbarer Hochschulabschluss im Maschinenbau

Tools

Matlab

CFD

CAD

FE

EHD

Jobbeschreibung

Wissenschaftliche/r Mitarbeiter/in (w/m/d) - Einsatz von Machine Learning bei Wälzlager-CFD-Simulationen für die Elektro-Mobilität [V000008038], Aachen

RWTH Aachen University

Aachen, Germany

Das Institut für Maschinenelemente und Systementwicklung (MSE) erforscht das grundlegende strukturelle und tribologische Verhalten von Maschinenelementen und bildet dieses in experimentell validierten Modellbeschreibungen ab. Diese Modellbeschreibungen werden genutzt, um das Funktions-, Verlust- und Geräuschverhalten gesamthafter technischer Systeme mit Fokus auf die Antriebstechnik von Windenergieanlagen, mobilen Arbeitsmaschinen und der Elektro-Mobilität zu analysieren und zu gestalten. Ergebnis sind rechnerische und konstruktive Ausgestaltungen konkreter technischer Lösungen inklusive Nachweis der geforderten Systemeigenschaften auf Großprüfständen. Zahlreiche Erfahrungen mit derartigen modellbasierten Lösungsfindungen bis hin zur Konzeption konfigurierbarer Produkte ermöglichen dem MSE die Erforschung und Entwicklung von Methoden des Model Based Systems Engineering als zentrales Element künftiger, industrieller Produktentstehungsprozesse.
Der Bereich Lagertechnik des MSE erforscht das tribologische sowie strukturelle Verhalten der Maschinenelemente Wälzlager, Freiläufe und Gleitlager und stellt somit das Verbindungselement zwischen der Grundlagenforschung und der Betrachtung auf Systemebene dar. Im Fokus der anwendungsorientierten Forschung steht bspw. der Einsatz in Antriebssystemen von Windenergieanlagen und der Elektro-Mobilität. Thematische Schwerpunkte sind hierbei die interdisziplinäre Beschreibung von Schadensmechanismen, die modellbasierte Lebensdauerprognose (insb. Ermüdung und Verschleiß) sowie die Schadensfrüherkennung mit neuartigem Condition-Monitoring. Dabei werden aktuell zur Verfügung stehende Werkzeuge wie komplexe Simulationsmethoden, das Machine Learning und hocheffiziente Rechencluster in Kombination genutzt, um grundlegende Erkenntnisse zu generieren. Aktuelle branchenübergreifende Fragestellungen rund um die Lagerung von elektromechanischen Antriebssträngen werden durch die Kopplung von experimentellen und theoretischen Arbeiten methodisch untersucht und beantwortet.

• Überdurchschnittlicher Hochschulabschluss (Master oder vergleichbar) im Bereich Maschinenbau oder einer ähnlichen Disziplin
• Selbstständige und eigenverantwortliche Arbeitsweise
• Strukturierte Herangehensweise zur Lösung komplexer, interdisziplinärer Problemstellungen
• Bereitschaft zur Einarbeitung in neue Themenfelder und Durchführung sowohl theoretischer als auch experimenteller Arbeiten
• Sichere Beherrschung der deutschen und englischen Sprache
• Ausgeprägte Kommunikations- und Teamfähigkeit
• Bereitschaft zu Dienstreisen (national/international)
• Umfangreiche Kenntnisse von Simulationsmethoden im Maschinenbau (u.a. CFD, CAD, FE und EHD) sind von Vorteil
• Vorkenntnisse in Matlab sind gewünscht
• Wir freuen uns auch über Bewerber/innen mit Industrieerfahrung, die in einer Promotion den nächsten Schritt ihrer Karriere sehen

Ihre Aufgaben

Sie verstärken unser Team im Bereich der Lagertechnik, Gruppe Wälzlager. Sie arbeiten im Rahmen einer
institutsübergreifenden Kooperation zwischen dem FZG (München) und dem MSE (Aachen) in einem Projekt,
welches die CFD-Simulation der Schmierölströmung in Getrieben von elektrisch betriebenen Fahrzeugen
fokussiert. Ziel ist die Entwicklung von CFD-Ersatzmodellen der in den Getrieben eingesetzten Wälzlager durch den
Einsatz von Machine Learning. Die hierzu notwendigen CFD-Simulationen sowie die entwickelten CFDErsatzmodelle
werden Sie durch begleitende Experimente an unseren Wälzlagerprüfständen und an den
Getriebeprüfständen in München validieren. Ihre Aufgaben umfassen:

• Mitarbeit an einem institutsübergreifenden Forschungsprojekt mit deutlicher Relevanz für die Industrie mit sowohl theoretischem als auch experimentellem Charakter
• CFD-Simulationen der Schmierölströmung im Wälzlager
• Entwicklung von CFD-Ersatzmodellen der Wälzlager mittels Machine Learning
• Experimentelle Validierung der CFD-Simulationen und der CFD-Ersatzmodelle
• Zusammenarbeit mit internationalen und nationalen wissenschaftlichen sowie industriellen Partnern
• Präsentation und Veröffentlichung der Projektergebnisse auf Sitzungen von Projektausschüssen sowie auf nationalen und internationalen Kongressen und Konferenzen
• Planung neuer Forschungsaktivitäten sowie auf Wunsch Aufgaben in der universitären Ausbildung zukünftiger Ingenieurinnen und Ingenieure
• Promotion im Zuge der Bearbeitung des Forschungsprojektes

Unser Angebot

Die Einstellung erfolgt im Beschäftigtenverhältnis.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet auf ein Jahr.
Eine Verlängerung um 2 weitere Jahre ist vorgesehen.
Die befristete Beschäftigung erfolgt im Rahmen der Befristungsmöglichkeiten des Wissenschaftszeitvertragsgesetzes.
Es handelt sich um eine Vollzeitstelle.
Eine Promotionsmöglichkeit besteht.
Die Eingruppierung richtet sich nach dem TV-L.
Die Stelle ist bewertet mit EG 13 TV-L.