Menü
Startseite » Stud. Arbeiten » Feature Engineering als Schritt des Machine Learning Prozess am Bespiel der ETA-Fabrik

Feature Engineering als Schritt des Machine Learning Prozess am Bespiel der ETA-Fabrik

Aufgabenstellung

Unternehmen der industriellen Fertigung befinden sich in einem Spannungsfeld, das zunehmend durch verschärfende Entwicklungen der Produktionsbedingungen, wie etwa steigende Energiekosten, knapper werdende Ressourcen und der Forderungen nach gesellschaftlicher Verantwortung, beschrieben wird. Den Energiebedarf in der Industrie effizienter und flexibler zu gestalten kommt daher eine zentrale Bedeutung zu. Voraussetzung für die energetische Optimierung einer Fabrik stellen Lastprognosen dar. (Energie-)Datenerfassungssysteme liefern umfangreiche Datenreihen zu Energieflüssen und Produktionsinformationen, welche zu Prognosezwecken verwendet werden können. Ziel der Arbeit ist es, aus den bereits vorliegenden Features geeignete Features zur Prognose des Leistungsbedarfs neu zu generieren auszuwählen.

Schwerpunkte

Das Arbeitspaket umfasst folgende Punkte:

  • Literaturrecherche zum State of the Art von Times Series Analysis Methoden sowie Feature Engieering Methoden und Algorithmen im Allgemeinen, im Bereich des Supervised Learnings sowie zur Prognose
  • Auswahl von Feature Engineering Methoden und Algorithmen anhand geeigneter Kriterien für Prognoseanwendungen in der ETA-Fabrik
  • Umsetzung der Auswahl mittels Python anhand von Messdaten der ETA Fabrik
  • Validierung der Umsetzung anhand geeigneter Kriterien

Interessierte Student/-innen richten die schriftliche Bewerbung bitte per E-Mail an Fr. Walther. Rückfragen gerne auch telefonisch oder vor Ort in der ETA-Fabrik.

Notwendige Vorkenntnisse

Überblick

Kontakt

Teile diese Ausschreibung

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