Startseite » Stud. Arbeiten » Entwicklung eines auf Machine Learning Algorithmen basierenden Tools zur Priorisierung von Energiemessstellen

Entwicklung eines auf Machine Learning Algorithmen basierenden Tools zur Priorisierung von Energiemessstellen

Aufgabenstellung

Aufgrund des hohen Anteils der Industrie am Gesamtenergiebedarf wird der Effizienzsteigerung eine zentrale Bedeutung zugeschrieben, um die ambitionierten Ziele der Politik und Wirtschaft zu erreichen. Angesichts der in der Praxis oftmals energetisch nicht optimierten Produktionsbedingungen findet sich in der industriellen Produktion großes Potenzial zur Erhöhung der Energie.

Mit bisher vorhandenen Methoden ist es sehr zeit- und kostenintensiv, sich einen ersten Überblick über den Energiebedarf einer Fertigung zu verschaffen. Daher soll im Rahmen dieser Arbeit ein Tool entwickelt werden, das die potenziell relevantesten Hauptverbraucher anhand von Schaltplaninformationen als bevorzugte Messstellen vorschlägt und diese mit geeigneten Effizienzmaßnahmen ergänzt.

Bildquelle:

  • AdobeStock_167812893-1: AdobeStock 167812893

Schwerpunkte

  • Recherche zu genormten Symbolen in elektrischen und hydraulischen Schaltplänen von
    Produktionsmaschinen sowie daraus ableitbarer Effizienzmaßnahmen
  • Weiterentwicklung eines Tools zur Identifikation der Maschinenkomponenten, zugehöriger Metadaten und möglicher Messstellen zur Erfassung des Strombedarfs basierend auf Schaltplänen
  • Entwicklung einer Methode zur maschinenübergreifenden Priorisierung von Messstellen
  • Kategorisierung von identifizierten Verbrauchern und Zuordnung zu möglichen
    Energieeffizienzmaßnahmen
  • Validierung des Tools anhand mobiler Messungen in der ETA-Fabrik und bei einem Industriepartner
  • Dokumentation der Ergebnisse

Bildquelle:

  • AdobeStock_167812893-1: AdobeStock 167812893

Hilfreiche Vorkenntnisse

Vorerfahrung in der Programmierung in Python wird empfohlen.

Bildquelle:

  • AdobeStock_167812893-1: AdobeStock 167812893

Kontakt

Teile diese Ausschreibung

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on print
Share on email