Teilautomatisiertes Identifizieren von Merkmalen zur datenbasierten Klassifizierung von Nutzergruppen

Moderne Technologien und Fertigungsverfahren ermöglichen eine immer stärker werdende Individualisierung und Anpassung von Produkten an bestimmte Nutzergruppen in Sinne der nutzerzentrierten Produktentwicklung. Insbesondere in der Entwicklung von Power-Tools geht der Trend immer stärker dazu, dem Nutzer diverse Einstellungen zu ermöglichen. Gleichzeitig bietet der Einsatz von kompakter und günstiger Sensorik die Möglichkeit Daten über die Nutzung dieser Werkzeuge zu sammeln.

Um moderne intelligente Power-Tools, die sich selbstständig an den Nutzer anpassen und diese zielgerichtet unterstützen, entwickeln zu können, ist es wichtig zu wissen, von wem das Gerät nutzt wird. Eine wichtige Rolle für die individuelle Unterstützung spiel dabei die Unterscheidung der Nutzer zwischen Profi-Handwerken und Heimwerkern bzw. Laien. Am IPEK wird daran geforscht, wie sich diese Nutzergruppen auf Basis von Messdaten unterscheiden lassen. Um dies effizient umsetzen zu können, ist im ersten Schritt die Identifizierung relevanter Merkmale für die jeweilige Nutzergruppe wichtig. Hierzu werden Kraft und Bewegungsdaten aus verschiedenen Power-Tool-Anwendungen hinsichtlich dieser Merkmal hin untersucht.

Aufgabe:

Im Rahmen der ausgeschriebenen Arbeit ist es Ihre Aufgabe zu untersuchen, welche Algorithmen des Machine-Learning sich dafür eigen, in bestehenden Datensätzen gezielt Merkmalen zur Unterscheidung von Profis und Laien zu identifizieren. Nach einer umfangreichen Literaturrecherche, sollen verschiedene Algorithmen getestet und bewertet werden. Hierzu steht ein Datensatz mit Bewegungsdaten von professionellen Anwendern bei der Nutzung eines Freischneiders, wie im Bild zu sehen, zur Verfügung. Vor der Untersuchung der unterschiedlichen Algorithmen wird es Ihre Aufgabe sein, eine vergleichbare Studie mit Laien-Anwendern durchzuführen. Hierfür können Sie auf die Erfahrung und die Ausstattung am Institut zurückgreifen. Der genaue Schwerpunkt Ihrer Arbeit kann individuell vereinbart werden. Kommen Sie bei Interesse gerne auf mich zu.

Profil:

• Sie interessieren sich für eine Mischung dem praktischen Arbeiten mit Messtechnik und dem Einsatz von moderner Machine-Learning-Algorithmen in Ihrer Masterarbeit?
• Sie arbeiten selbständig und zuverlässig?
• Vorkenntnisse im Umgang mit Machine-Learning und Matlab werden nicht vorausgesetzt, jedoch die Bereitschaft und das Interesse sich selbständig in diese Themen einzuarbeiten

Habe ich Ihr Interesse geweckt?

Dann melden Sie sich bei mir! Sebastian.Helmstetter∂kit.edu