Jobangebot connecticum Job-1764364
Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Jobdatum: 12. August 2024
Info zum Arbeitgeber
Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Wissenschaft & Forschung, Luft- und Raumfahrt, Energie, Verkehr, Sicherheit, Digitalisierung
Firmensprache
Deutsch, Englisch
Gründungsjahr
1907
Mitarbeiter
10.001 - 50.000
Branche
Energie, Forschung, IT Hardware, Luft- und Raumfahrttechnik, Sicherheit, Transport und Verkehr
Kontakt
Bei Fragen zu Stellenangeboten aus unserem Jobportal DLR.de/jobs wenden Sie sich bitte an die in den Stellenanzeigen genannten Ansprechpartnerinnen und Ansprechpartner.
Homepage
DLR.de
Karriere-Website
DLR.de/jobs
Mehr Jobangebote von Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Studien-/ Abschlussarbeit Steigen Sie ein in die faszinierende Welt des Deutschen Zentrums für Luft- und Raumfahrt (DLR), um mit Forschung und Innovation die Zukunft mitzugestalten! Mit dem Know-how und der Neugier unserer 11.000 Mitarbeitenden aus 100 Nationen sowie unserer einzigartigen Infrastruktur, bieten wir ein spannendes und inspirierendes Arbeitsumfeld. Gemeinsam entwickeln wir nachhaltige Technologien und tragen so zur Lösung globaler Herausforderungen bei. Möchten Sie diese große Zukunftsaufgabe mit uns zusammen angehen? Dann ist Ihr Platz bei uns! Für unser Institut für Bauweisen und Strukturtechnologie in Stuttgart suchen wir eine/n Masterand/in Informatik, Ingenieurswesen, Naturwissenschaften (w/m/d) Entwicklung und Training eines ML-Modells zur Vorhersage von Materialeigenschaften tapegelegter Strukturen Das erwartet Sie: Die Fertigung von Faserverbundbauteilen mit dem Tapelegeverfahren wird stets mit fertigungsbedingten Defekten (wie Spalten oder Überlappungen zwischen parallelen Tapes) konfrontiert, welche auf die Materialeigenschaften beeinflussen können. Die Lokalisierung und Größe dieser Defekte hängt von zahlreichen Fertigungsparameter und können zurzeit erst am Ende der Fertigung quantifiziert werden. Bisher werden die Einflüsse dieser Defekte auf die Materialeigenschaften (z.B. auf die Druckfestigkeit) mit Hilfe von aufwändigen mechanischen Laborversuchen untersucht und anhand der Ergebnisse werden Zusammenhänge gezogen. Zur Reduzierung des experimentellen Aufwandes und zur Verbesserung der Aussagegüte hat diese Masterarbeit für Ziel, ein Modell für maschinelles Lernen (ML) zu entwickeln und zu trainieren, welches aus in-situ Messungen nach der Fertigung Informationen über die resultierenden mechanischen Eigenschaften des Materials geben kann. Zum Training des Modells werden detaillierte Finite-Element Modelle zur Verfügung gestellt, welche physikalisch die Defekte abbilden.
In der Arbeit sollen erstmal verschiedene ML Methoden für die vorgegebene Problematik gesichtet werden. Zum Training der ausgewählten Modelle werden synthetische Daten mit Hilfe von der Finite Element Methode generiert. Hierfür sollen die notwendige Menge und den notwendigen Inhalt der Daten definiert werden. Nach Training der ML Modelle soll eine Bewertung im Hinblick auf die Genauigkeit der Vorhersage stattfinden. Die Validierung des besten Modells erfolgt mit experimentellen oder numerischen Datensätzen.
Die Arbeit umfasst folgende Teilaufgaben:
Das erwarten wir von Ihnen:
Unser Angebot: Das DLR steht für Vielfalt, Wertschätzung und Gleichstellung aller Menschen. Wir fördern eigenverantwortliches Arbeiten und die individuelle Weiterentwicklung unserer Mitarbeitenden im persönlichen und beruflichen Umfeld. Dafür stehen Ihnen unsere zahlreichen Fort- und Weiterbildungsmöglichkeiten zur Verfügung. Chancengerechtigkeit ist uns ein besonderes Anliegen, wir möchten daher insbesondere den Anteil von Frauen in der Wissenschaft und Führung erhöhen. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung. Weitere Angaben: Eintrittsdatum: sofort
Dauer: zunächst befristet auf 6 Monate Beschäftigungsgrad: Vollzeit (Teilzeit möglich) Vergütung: je nach Vereinbarung
Kennziffer: 95191
Kontakt: Mathieu Vinot Institut für Bauweisen und Strukturtechnologie Tel.: 0711 6862 8204 |
Masterand/in Informatik, Ingenieurswesen, Naturwissenschaften (w/m/d)