Autor: Möbelfertigung

Der VDMA Software und Digitalisierung zeichnet erneut gemeinsam mit der Bildungsabteilung des VDMA herausragende Abschlussarbeiten von Absolventinnen und Absolventen aus den Fachbereichen Ingenieurwissenschaften und Informatik mit dem Nachwuchspreis „Digitalisierung im Maschinenbau“ aus. Die Arbeiten sind besonders durch ihren hohen Innovationsgrad und die Praxistauglichkeit für die Branche geprägt.

Digitalisierung ist für die Wettbewerbsfähigkeit des Maschinen- und Anlagenbaus essenziell. Deshalb setzt sich der VDMA Software und Digitalisierung verstärkt für die Würdigung von jungen Digitalisierungs-Talenten ein. Ebenso wie die VDMA Abteilung Bildung, die mit der Initiative „Maschinenhaus – Plattform für innovative Lehre“ den Nachwuchspreis unterstützt.

Professorinnen und Professoren deutscher Hochschulen nominierten ihre besten Studierenden aus den Fachbereichen Ingenieurwissenschaften und Informatik für den VDMA-Nachwuchspreis. Insgesamt 38 Absolventinnen und Absolventen von 22 Hochschulstandorten aus elf deutschen Bundesländern standen mit ihren Abschlussarbeiten aus Bachelor- Master- und Diplomstudiengängen zur Wahl. Ein neuer Teilnahmerekord.

Die Lösungsvielfalt und der hohe Innovationsgrad der Abschlussarbeiten in diesem Jahr verdeutlichen die Bedeutung der Zusammenarbeit zwischen Hochschule und Industrie vor allem im Hinblick auf die Digitalisierung des Produkt- und Dienstleistungsangebotes des Maschinenbaus. „Der Preis zielt darauf ab, dass die Notwendigkeit der Digitalisierung aus den Unternehmen in die Hochschulen hineingetragen wird“, sagt Karl Friedrich Schmidt, Vorsitzender der Jury, „deshalb würdigt der VDMA besonders gute Abschlussarbeiten.“

Dr. Jörg Friedrich, Leiter der Abteilung Bildung im VDMA, hebt zu dem hervor: „Wenn Hochschulen und Industrieunternehmen bei der Digitalisierung noch intensiver Kooperationen eingehen, profitieren beide Seiten in einem hohen Maße davon.“ Eine wichtige Kooperationsform sind auch studienintegrierte Forschungs- und Entwicklungsprojekte mit Unternehmen. Eine VDMA Befragung zeigt, dass die Hälfte der Studiengänge der Ingenieurwissenschaften und Informatik dies bereits eingebunden hat. „Um noch mehr Beispiele für erfolgreiche Praxiskooperationen aufzuzeigen, unterstützen wir als VDMA Bildung daher mit unserer Maschinenhaus-Initiative den Nachwuchspreis“, ergänzt Friedrich.

Unter der Leitung von Karl Friedrich Schmidt wählte die Jury folgende Preisträger für den Nachwuchspreis 2020:
Max Schemmer, Student des Economics Engineering am Karlsruher Institut für Technologie (KIT), wird mit dem ersten Preis für die beste Masterarbeit ausgezeichnet. Die Arbeit entstand am KIT unter der Betreuung von Prof. Dr. Gerhard Satzger und wurde in Kooperation mit der Ceratizit Austria GmbH verfasst. Schemmer entwickelt eine Lösung zur automatisierten, bildgestützten Analyse von Werkzeugverschleiß basierend auf Künstlicher Intelligenz. Die Arbeit folgt einem iterativen Design Science Research Ansatz: In engem Austausch mit Domänenexperten wurden zunächst Anwendungsfälle und Anforderungen erhoben. Mit agilen Methoden wurden dann mehrere Versionen einer Web-Applikation entwickelt und jeweils mit Experten evaluiert. Die entstandene innovative Lösung soll über neue Service-Angebote des Unternehmens dessen Geschäftsmodell ergänzen.

Stefan Kögl, Student an der Hochschule für angewandte Wissenschaften Landshut, erhält den zweiten Preis in der Kategorie „Masterarbeit“. Im Rahmen seiner Masterthesis, die er an der Fakultät für Informatik bei Prof. Dr.-Ing. Jürgen Wunderlich verfasste, hat er bei der Siemens AG eine Anomaliedetektion für eine Papiermaschine mit Hilfe von Machine Learning entwickelt. Die Lösung reduziert durch die schnellere und zuverlässigere Erkennung von Rissen in der Papierbahn den Wartungsaufwand und die Stillstandskosten um schätzungsweise 30.000 Euro monatlich im Vergleich zur aktuell eingesetzten Lösung. Die Ergebnisse ermöglichen ferner Potenziale für eine präventive Detektion von Bahnrissen und dadurch der Produktionsstillstände. Der generische Lösungsansatz erlaubt außerdem eine Übertragung der Anomaliedetektion auf weitere Papiermaschinen.

Samuel Bender, Maschinenbaustudent an der Technischen Universität Hamburg, wird mit dem ersten Preis in der Kategorie „Bachelorarbeit“ ausgezeichnet. Betreut wurde seine Abschlussarbeit durch Prof. Dr.-Ing. Wolfgang Hintze und Jan Mehnen vom Institut für Produktionsmanagement und -technik. In seiner Arbeit beschäftigte er sich mit der Vorhersage von Prozesskräften und -parametern einer semiautomatischen Bohrvorschubeinheit der Johannes Lübbering GmbH mittels maschinellen Lernens. Weiterhin wurden mit den aus den Motorstromdaten gewonnenen Features Vorhersagen zur Prozessgüte und dem bearbeiteten Werkstoff getroffen. Die erarbeiteten Ergebnisse zeigen Möglichkeiten für die kostengünstige Überwachung von Bohrprozessen auf.

Florian Jacobs, Maschinenbaustudent an der Rheinisch-Westfälische Technische Hochschule Aachen, erhält den zweiten Preis in der Kategorie „Bachelorarbeit“. Die von ihm bei Prof. Dr.-Ing. Thomas Bergs am Lehrstuhl für Technologie der Fertigungsverfahren am Werkzeugmaschinenlabor mit Unterstützung des Industrie-Arbeitskreises Feinschneiden verfasste Bachelorthesis untersuchte die Anwendbarkeit von Verfahren der datengetriebenen Zeitreihenanalyse und des maschinellen Lernens zur zerstörungsfreien Werkstoffanalyse mittels Barkhausenrauschens am Beispiel des Feinschneidens. Mit einem Unsupervised Learning Ansatz ließen sich Eigenschaftsänderungen im Werkstoff eindeutig nachweisen, was einen proaktiv regulierenden Eingriff während des Prozesses ermöglicht. Somit könnte eine bessere Werkstoffausnutzung erreicht und das Potenzial der Feinschneidtechnologie als hochwirtschaftliches Trennverfahren in der metallverarbeitenden Blechindustrie weiter ausgeschöpft werden.