About this role
In Kooperation mit dem Lehrstuhl für Technologie Optischer Systeme TOS bietet das Fraunhofer-Institut für Lasertechnik ILT, Europas führendes Zentrum für Auftragsforschung und -entwicklung im Bereich Lasertechnik, die Möglichkeit einer Abschlussarbeit mit dem Thema: »KI-basierte lokale Qualitätsvorhersage für das Laser Powder Bed Fusion«.
Aktuell entwickeln wir Machine-Learning-basierte Ansätze, um den Laser Powder Bed Fusion (LPBF) Prozess effizienter und qualitativ hochwertiger zu gestalten. Dafür entsteht eine skalierbare Datenbasis aus Sensor- und Prozessdaten, die als Grundlage für ML-Modelle zur Bauteilsegmentierung, strategischen Bahnplanung und Prozessoptimierung dient. Ziel ist es, datengetriebene Lösungen für die automatisierte Analyse von Schmelzbädern, Porosität und weiteren qualitätsrelevanten Kenngrößen im 3D-Druck zu ermöglichen.
Hier sorgst Du für Veränderung
- Du entwickelst eine modulare Datenstruktur zur Ablage von Sensor- und Metadaten
- Dabei erstellst Du ein einfaches Surrogate-Modell zur Abbildung qualitätsrelevanter Kenngrößen
- Zur Validierung führst Du erste Versuchsreihen durch und analysierst die Ergebnisse
- Abschließend überprüfst du, ob das Modell Kenngrößen eines Demonstrator-Bauteils zuverlässig vorhersagen kann