Wissenschaftliche/r Mitarbeiter/in (w/m/d) - Einsatz von Machine Learning bei der Zustandsüberwachung von Gleitlagern

Weitere Informationen

Die Einstellung erfolgt im Beschäftigtenverhältnis.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet auf ein Jahr.
Die Möglichkeit der Verlängerung um 2 weitere Jahre ist vorgesehen.
Die befristete Beschäftigung erfolgt im Rahmen der Befristungsmöglichkeiten des Wissenschaftszeitvertragsgesetzes.
Es handelt sich um eine Vollzeitstelle.
Eine Promotionsmöglichkeit besteht.
Die Eingruppierung richtet sich nach dem TV-L.
Die Stelle ist bewertet mit EG 13 TV-L.

Unser Profil

Das Institut für Maschinenelemente und Systementwicklung (MSE) erforscht das grundlegende strukturelle und tribologische Verhalten von Maschinenelementen und bildet dieses in experimentell validierten Modellbeschreibungen ab. Diese Modellbeschreibungen werden genutzt, um das Funktions-, Verlust- und Geräuschverhalten gesamthafter technischer Systeme mit Fokus auf die Antriebstechnik von Windenergieanlagen, mobilen Arbeitsmaschinen und der Elektro-Mobilität zu analysieren und zu gestalten. Ergebnis sind rechnerische und konstruktive Ausgestaltungen konkreter technischer Lösungen inklusive Nachweis der geforderten Systemeigenschaften auf Großprüfständen. Zahlreiche Erfahrungen mit derartigen modellbasierten Lösungsfindungen bis hin zur Konzeption konfigurierbarer Produkte ermöglichen dem MSE die Erforschung und Entwicklung von Methoden des Model Based Systems Engineering als zentrales Element künftiger, industrieller Produktentstehungsprozesse.

Der Bereich Lagertechnik des MSE erforscht das tribologische sowie strukturelle Verhalten der Maschinenelemente Wälzlager, Freiläufe und Gleitlager und stellt somit das Verbindungselement zwischen der Grundlagenforschung und der Betrachtung auf Systemebene dar. Im Fokus der anwendungsorientierten Forschung steht bspw. der Einsatz in Antriebssystemen von Windenergieanlagen und der Elektro-Mobilität. Thematische Schwerpunkte sind hierbei die interdisziplinäre Beschreibung von Schadensmechanismen, die modellbasierte Lebensdauerprognose (insb. Ermüdung und Verschleiß) sowie die Schadensfrüherkennung mit neuartigem Condition-Monitoring. Dabei werden aktuell zur Verfügung stehende Werkzeuge wie komplexe Simulationsmethoden, das Machine Learning und hocheffiziente Rechencluster in Kombination genutzt, um grundlegende Erkenntnisse zu generieren. Aktuelle branchenübergreifende Fragestellungen rund um die Lagerung von elektromechanischen Antriebssträngen werden durch die Kopplung von experimentellen und theoretischen Arbeiten methodisch untersucht und beantwortet.

Ihr Profil

• Überdurchschnittlicher Hochschulabschluss (Master oder vergleichbar) im Bereich Maschinenbau oder einer ähnlichen Disziplin
• Selbstständige und eigenverantwortliche Arbeitsweise
• Strukturierte Herangehensweise zur Lösung komplexer, interdisziplinärer Problemstellungen
• Bereitschaft zur Einarbeitung in neue Themenfelder und Durchführung sowohl theoretischer als auch experimenteller Arbeiten
• Sichere Beherrschung der deutschen und englischen Sprache
• Ausgeprägte Kommunikations- und Teamfähigkeit
• Bereitschaft zu Dienstreisen (national/international)
• Umfangreiche Kenntnisse von Simulationsmethoden im Maschinenbau (u.a. CFD, CAD, FE und EHD) sind von Vorteil
• Vorkenntnisse in Matlab sind gewünscht
• Wir freuen uns auch über Bewerbende mit Industrieerfahrung, die in einer Promotion den nächsten Schritt ihrer Karriere sehen

Ihre Aufgaben

Sie verstärken unser Team im Bereich der Lagertechnik, Gruppe Gleitlager. Sie arbeiten im Rahmen einer institutsübergreifenden Kooperation zwischen dem MDT (TU Berlin) und dem MSE (RWTH Aachen) in einem Projekt, welches Machine Learning Methoden zur Zustandsüberwachung von Gleitlagern fokussiert. Ziel ist die Entwicklung eines Machine Learning Modells, welches auf Basis von Sensordaten den aktuellen Zustand und die Restlebensdauer des Gleitlagers prognostiziert. Die hierzu notwendigen Trainings- sowie Validierungsdaten werden Sie durch begleitende Experimente an unseren Gleitlagerprüfständen generieren. Ihre Aufgaben umfassen:

• Mitarbeit an einem institutsübergreifenden Forschungsprojekt mit deutlicher Relevanz für die Industrie mit sowohl theoretischem als auch experimentellem Charakter
• Sensornetzentwicklung für die Zustandsüberwachung eines Gleitlagers
• Entwicklung und Trainieren von Machine Learning Modellen zur Interpretation der Sensordaten
• Experimentelle Versuche am Gleitlager zur Generierung von Trainings- und Validierungsdaten
• Zusammenarbeit mit internationalen und nationalen wissenschaftlichen sowie industriellen Partner/innen
• Präsentation und Veröffentlichung der Projektergebnisse auf Sitzungen von Projektausschüssen sowie auf nationalen und internationalen Kongressen und Konferenzen
• Planung neuer Forschungsaktivitäten sowie auf Wunsch Aufgaben in der universitären Ausbildung zukünftiger Ingenieur/innen
• Promotion im Zuge der Bearbeitung des Forschungsprojektes

Über uns

Die RWTH ist als familiengerechte Hochschule zertifiziert.
Die RWTH bietet im Rahmen eines Universitären Gesundheitsmanagements eine Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten (z. B. Hochschulsport) an. Für Tarifbeschäftigte und Beamtinnen und Beamte besteht ein umfangreiches Weiterbildungsangebot und die Möglichkeit, ein Jobticket zu erwerben.
Die Stellenausschreibung richtet sich an alle Geschlechter.
Wir wollen an der RWTH Aachen University besonders die Karrieren von Frauen fördern und freuen uns daher über Bewerberinnen.
Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern sie in der Organisationseinheit unterrepräsentiert sind und sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen.
Bewerbungen geeigneter schwerbehinderter Menschen sind ausdrücklich erwünscht.
Im Sinne der Gleichbehandlung bitten wir Sie, auf ein Bewerbungsfoto zu verzichten.
Informationen zur Erhebung personenbezogener Daten nach Artikeln 13 und 14 Datenschutz-Grundverordnung (DS-GVO) finden Sie unter https://www.rwth-aachen.de/dsgvo-information-bewerbung.

Besoldung / Entgelt

EG 13 TV-L