Von Oberflächenkennwerten zur Reibungszahl: Datenbeasierte Analyse der Modellierbarkeit

Die Reibung zwischen technischen Oberflächen spielt in vielen industriellen Anwendungen eine entscheidende Rolle. Gleichzeitig ist der Zusammenhang zwischen Oberflächenbeschaffenheit und Reibungszahl häufig komplex und nicht eindeutig analytisch beschreibbar. Moderne Data-Science- und Machine-Learning-Methoden bieten die Möglichkeit, solche komplexen Zusammenhänge datengetrieben zu analysieren und zu modellieren. Die Arbeit verbindet somit ingenieurwissenschaftliche Fragestellungen mit methodischen Ansätzen aus der Datenanalyse. Neben der praktischen Relevanz bietet sie die Möglichkeit, grundlegende Kompetenzen in Datenaufbereitung, explorativer Analyse, Korrelationsuntersuchung und nichtlinearer Modellierung zu erwerben. Gleichzeitig liefert die Untersuchung wertvolle Erkenntnisse darüber, ob und unter welchen Bedingungen eine datenbasierte Prognose der Reibungszahl realistisch ist.

Aufgabe:

Im Rahmen der Arbeit sollen vorhandene Daten zu Oberflächenbeschaffenheit und Reibungszahlen aufbereitet und analysiert werden. Ziel ist es, Korrelationen und Zusammenhänge zu identifizieren und die Modellierbarkeit der Reibungszahl zu bewerten – insbesondere unter Einsatz nichtlinearer Machine-Learning-Modelle. Die Arbeit konzentriert sich auf Datenanalyse, Visualisierung und Bewertung der Prognosefähigkeit.

Profil:

• Studium im ingenieurwissenschaftlichen Bereich
• Kreative Denk- und eigenständige Arbeitsweise
• Lernbereitschaft und Engagement
• Programmiererfahrung (Python) von Vorteil
• Vorkenntnisse in der Datenanalyse und -auswertung von Vorteil
• Erfahrung mit etablierten Datenanalyse-Bibliotheken (z.B. NumPy, pandas und SciPy, scikit-learn) von Vorteil

Die genannten Erfahrungen und Vorkenntnisse sind keine zwingende Voraussetzung und können durch Lernbereitschaft und Engagement ausgeglichen werden. Sie sind jedoch hilfreich für eine schnelle und reibungslose Einarbeitung.

Hat diese Ausschreibung Ihr Interesse geweckt? Dann senden Sie bitte eine aussagekräftige Bewerbung mit Lebenslauf und aktuellem Notenauszug an: andreas.stach∂kit.edu