Optimierung von Prozessgrößen in einer Erntemaschine

In Erntemaschinen sind eine Vielzahl von Prozessgrößen zu betrachten und einzustellen, um das optimale Ernteergebnis zu erzielen. Viele dieser Größen sind sensorisch noch nicht zu erfassen, sodass eine maximale wirtschaftliche Nutzung nicht sicherzustellen ist. Im Rahmen dieses Projektes sind auf Grundlage von Sensorwerten Prozessgrößen zu ermitteln und für den Anwender unter Nutzung von ML Modellen aufzubereiten. Auf dieser Basis ist eine Entscheidung möglich, wie die Erntemaschine optimal einzustellen ist.

Folgende Arbeitsaufträge werden an den Studierenden gestellt:

• Literaturrecherche zu relevanten Prozessgrößen in der Landwirtschaft
• Sichtung, Auswahl und Vorverarbeitung von Sensordaten
• Auswahl einer geeigneten Auswertemethodik
• Identifikation von Metriken zur quantitativen Bewertung von Prozessgrößen
• Statistische Betrachtung des Gesamtprozesses
• Berücksichtigung von Ressourcen im Entwicklungsprozess

Bezug zum Thema Data Science 

Folgende Bereiche des Data Science werden aufgegriffen:

• Machine Learning
• Deep Learning bzw. ANN und CNN
• Statistik
• Deployment und CI/CD

Verfügbare Ressourcen

Folgende Ressourcen stehen zur Verfügung:

• Sensordaten aus mehreren Versuchsreihen

• Hardware zur Datenauswertung

• Ansprechpartner mit fachlicher Expertise

Projektplan

Erstes Semester: Erstellung eines Forschungsexposés ist Prüfungsleistung.
Zusätzlich:

• Identifikation relevanter Prozessgrößen und Metriken für die Landwirtschaftliche Anwendung
• Vollumfängliche Erfassung des Prozesses und der Problemstellung
• Erstellung eines ersten Konzeptes zur Bestimmung relevanter Größen auf Basis von Sensordaten

Zweites Semester: Erstellung eines Papers, das einen Überblick über das jeweilige Forschungsgebiet gibt ist Prüfungsleistung.

• Umsetzung erster Konzepte zur Datenauswertung, sowie Gegenüberstellung der Verfahren

Drittes Semester: Erstellung eines Papers, mit ersten quantitativen Ergebnissen ist Prüfungsleistung.

• Umsetzung weiterer Konzepte zur Datenauswertung, sowie Gegenüberstellung der Verfahren und Einordnung im Bezug auf Nutzbarkeit unter gegebenen Rahmenbedingungen
• Statistische Betrachtung von Prozessketten

Viertes Semester: Masterarbeit und Kolloquium

• Vertiefung bestehender Konzepte, sowie eventuelle Anpassung bzw. Optimierung auf die Rahmenbedingungen
• Erste Betrachtungen von Langzeitstabilität und CI/CD

Zwingend: Bachelor in einem technischen Studiengang mit Ingenieursschwerpunkt, Kenntnisse in mindestens einer Programmiersprache, erste Erfahrungen im Bereich Machine Learning und Statistik
Optional: Landwirtschaftlicher Hintergrund, maschinenbauliche Expertise vorzugsweise im Kontext Landtechnik, Erfahrungen in der Forschung & Entwicklung mit Industriepartnern

Erwerbare Kompetenzen

Kompetenzen, die durch das Projekt erworben werden:

• Datenanalyse und Aufbereitung für die Anwendung von ML Methoden
• Grundlagen Statistik und die praktische Anwendung
• Diverse Methoden des ML und DL
• Ressourceneffiziente Entwicklung von Algorithmen
• Funktionsweise von mobilen Arbeitsmaschinen und Ernteprozessen
• Projektplanung und Durchführung in der Industrie
• Zielgruppengerechte Kommunikation und Präsentation von Ergebnissen