• Themensuche und -vorstellung

Studierende, die eine Abschlussarbeit innerhalb der Professur „Business Analytics“ schreiben möchten, können Sie sich die Forschungs- und Themenfelder der Professur ansehen und sich bei der Themensuche daran orientieren.

Aktuell offene Themenstellungen der Professur werden regelmäßig im dafür vorgesehenen Abschnitt ausgeschrieben, es empfiehlt sich grundsätzlich jedoch auch ein persönliches Gespräch mit den wissenschaftlichen Mitarbeitern der Professur oder Professor Laroque selbst. Sie haben darüber hinaus die Möglichkeit, eigene Themenvorschläge für Ihre Abschlussarbeit zu unterbreiten. Jedes Thema bedarf der Bestätigung durch Professor Laroque im Sinne der Erst- oder Zweitbetreuung. Hierzu ist die Erstellung eines kurzen Exposés zur Themenvorstellung (Motivation, Zielstellung und vorgeschlagene Gliederung) empfohlen.

• Anmeldung und Bearbeitung

Bei Bestätigung der Themenstellung durch Professor Laroque im Sinne der Erst- oder Zweitbetreuung kann die Abschlussarbeit über den entsprechenden Antrag beim Prüfungsamt angemeldet werden. Nach Bestätigung der Zulassungsvoraussetzungen für die Abschlussarbeit durch das Prüfungsamt ist das Antragsformular beim Erst- und Zweitbetreuer zur Bestätigung der Themenstellung vorzulegen.

Nach Unterschrift des Antragsformulars durch den Prüfungsausschussvorsitzenden ist das Abschlussarbeitsthema offiziell vergeben und die Bearbeitungszeit entsprechend der jeweiligen Ordnungen zu Ihrem Studiengang beginnt.

Während der Bearbeitung unterstützen wir Sie gern bei konkreten Fragestellungen. In der Regel legen Sie eigenverantwortlich fest, wann und in welchem Umfang Sie ein persönliches Gespräch zur Präsentation Ihres Bearbeitungsstandes, Problemen und/oder Ergebnisses benötigen und setzen sich mit Professor Laroque und/oder weiteren Ansprechpartnern in Kontakt.

• Anfertigung der Abschlussarbeit

Hinweise zur Gestaltung der Abschlussarbeit entnehmen Sie dem Leitfaden für das Anfertigen wissenschaftlicher Arbeiten, es steht eine Formatvorlage zur Verfügung.

• Abgabe

Bei der Abgabe der Abschlussarbeit ist jeweils ein gebundenes Exemplar an Erst- und Zweitbetreuer zu übergeben. Die Abgabe erfolgt hierbei zentral über Herrn Schielke, der den Tag der Abgabe entsprechend protokolliert und die Exemplare an Erst- und Zweitbetreuer verteilt. Je nach aktueller Regelung an der Fakultät kann die Abgabe bei Einverständnis beider Betreuer auch vollständig digital erfolgen (Stand April 2022).

• Bewertung

Die Abschlussarbeit wird durch Erst- und Zweitbetreuer bewertet. Bewerten Erst- und Zweitbetreuer Ihre Abschlussarbeit positiv, erhalten Sie eine Einladung zum Kolloquium.

• Kolloquium

Für das Kolloquium bereiten Sie eine 20-minütige Präsentation vor, die die Ergebnisse Ihrer Arbeit noch einmal zusammenfasst. Die Einhaltung der Zeit +/- 10% gilt hierbei als ein Bewertungskriterium.

Im Anschluss an Ihre Präsentation werden Ihnen die Gutachter (Erst- und Zweitbetreuer) noch einige inhaltliche Fragen zu Ihrer Arbeit stellen. Das Prozedere dauert im Regelfall eine knappe Stunde.

• Wer sucht Erst- und Zweitbetreuer aus?

Im Regelfall gehen Sie auf die Professoren Ihrer Wahl zu. Fallweise kann es sein, dass Professoren einen geeigneten Zweitbetreuer vorschlagen oder Sie an einen Kollegen zur Erstbetreuung verweisen und selbst nur die Zweitbetreuung übernehmen.

• Ist der Tag der Anmeldung gleichbedeutend der Beginn des Bearbeitungszeitraumes?

Der Tag der Anmeldung muss nicht zwingend auch der Beginn des Bearbeitungszeitraumes sein. Entsprechend ist es auch möglich den Bearbeitungszeitraum in Absprache mit dem Erstbetreuer bis zu einem gewissen Grad zurück- oder vorzudatieren.

• Welchen Umfang soll/darf die Abschlussarbeit haben?

Für den Umfang Ihrer Abschlussarbeit (Textteil ohne Verzeichnisse und Anhang etc.) gelten die unten aufgeführten groben Vorgaben. Wichtiger als eine konkrete Seitenzahl ist der rote Faden der Arbeit und die inhaltlich-systematische Bearbeitung des Themas 

Bachelorarbeiten: ~50 Seiten

Diplomarbeiten: ~65 Seiten

Masterarbeiten: ~80 Seiten

• Wo finde ich Angaben über die Dauer meiner Abschlussarbeit?

Angaben über die Dauer der Bearbeitungszeit zu Ihrer Abschlussarbeit entnehmen Sie den entsprechend für Sie gültigen Ordnungen zu Ihrem Studiengang.

• Gibt es Vorgaben für das Layout meiner Abschlussarbeit?

Für das Layout Ihrer Abschlussarbeit stellen wir unter „Vorlagen und Handreichungen“ eine Vorlage bereit. Sie können nach Abstimmung mit dem Erstbetreuer auch eigene Vorlagen verwenden.

• Ausgangssituation und Einordnung

Die fortschreitende Digitalisierung von Fertigungssystemen bietet Unternehmen neue Möglichkeiten der Planung und Steuerung Ihrer wertschöpfenden Prozesse. Das Potential der heute schon verfügbaren Produktions-, Planungs- und Steuerungsdaten ist hoch, aber häufig ungenutzt; durch die Anwendung datengestützter Methoden und Modelle gelingt es, individuelle Lösungen zur Entscheidungsunterstützung zu entwickeln.

Diese Themenstellung adressiert die Schwierigkeit,eine auf maschinellem Lernen basierende Entscheidungsunterstützung und das dahinterstehende Vorhersagemodell von Grund auf mit neuen branchen- und problemspezifischen Daten trainieren zu müssen, sobald sich Eingabedaten entscheidend verändern und/oder ähnliche Anwendungsfälle/Domänen betrachtet werden sollen.

Das Transferlernen (engl. Transfer Learning) als eine Methode des Deep Learning beschäftigt sich auf Grundlage sogenannter faltender neuronaler Netze (engl. Convolutional Neural Networks, CNN) mit Ansätzen, das auf einen Anwendungsfall trainierte Modell als Eingabe für einen weiteren (verwandten) Anwendungsfall zu verwenden. Das Transferlernen kann sonach eine Verringerung der notwendigen Menge von Daten (Trainingsdaten oder Erfahrungswerten der Vergangenheit) und der Zeit, die für die Trainingsphase von Verfahren des maschinellen Lernens notwendig wird, oder eine Steigerung der Vorhersageleistung und schnellere Konvergenz des Modells bewirken.

• Zielstellung

Ziel der Arbeit ist es einerseits die theoretischen Grundlagen und den Stand der Technik des Transferlernens darzulegen. Andererseits sollen Potentiale und Herausforderungen des Transferlernens (branchenintern und branchenübergreifend) herausgearbeitet werden. Grundlage der Erschließung des Themenfeldes soll eine Literaturrecherche sein. Auf Basis der Literaturanalyse soll eine kritische Bewertung des heutigen Stands der Technik des Transferlernens und seiner Anwendung in Forschung und Praxis erfolgen.

• Beginn

Ab sofort, September 2022

• Ansprechpartner

Madlene Leißau, M.Sc., madlene.leissau.gel@fh-zwickau.de

Zielgruppe: Bachelor/Diplom/Master mit Schwerpunkt Datenanalyse

Problemstellung / Ziel der Arbeit:
Die moderne Autoindustrie beruht weitestgehend auf Just-in-Time Logistikprozessen, die ein hohes Maß an Effizienz und erhebliche Kostenersparnisse bringt. Allerdings ist Just-in-Time Logistik besonders anfällig auf Störungen im Produktionsprozess, sodass selbst kurze Stillstände in einem Produktionsschritt zur Verzögerung von Lieferterminen führen können. Aus diesem Grund sind große produzierende Unternehmen stark daran interessiert, deren Instandhaltung kontinuierlich zu verbessern und zu automatisieren. Ein Ansatz dazu ist Predictive Maintainance (Prädiktive Instandhaltung). Mit Predictive Maintainance bezeichnet man Methoden zur frühen Fehlererkennung, Vorhersage von Instandhaltungsbedarfen der Fertigungsanlagen, Instandhaltungsplanung und Ressourcenoptimierung. Typischerweise werden KI-gestützte Verfahren zur Datenerfassung und -verarbeitung angewendet, um den Zustand von Anlagen zu modellieren und den zukünftigen Zustand vorherzusagen. Diese Arbeit soll in Kooperation mit VW Sachsen, und dem Karosseriebau des Werks Zwickau-Mosel unternommen werden. Zunächst ist ein Datenanalysemodell zur Auswertung und Visualisierung der Daten der Zentralen Anlagenüberwachung zu entwickeln. Darauf aufbauend sollen Predictive Maintainance Methoden angewendet werden, um ein System zur Fehlerfrüherkennung im Karosseriebau aufzustellen.

Aufgabenstellung:

• Vertraut werden mit Zentraler Anlagen Überwachung ‚Legato‘ • Aufbau von Visualisierungen der ZAÜ-Daten
• Auswählen und Hinzuziehen von relevanten äußeren Einflussparametern (Hallentemperatur, Luftfeuchtigkeit, etc.)
• Ermitteln von möglichen Korrelationen/Zusammenhängen im Datensatz
• Zeitreihenanalyse der Daten
• Erstellen eines Modells von ausgewählten Zusammenhängen via geeigneter Machine Learning Methoden
• Auswertung und Dokumentation der gewonnenen Erkenntnisse

Keywords:
Volkswagen Sachsen, Datenanalyse, Multivariante Statistik, Künstliche Intelligenz, Machine Learning, Predictive Maintainance

Kontakt:
Prof. Dr. Christoph Laroque, E-Mail: christoph.laroque@fh-zwickau.de,
Wibke Kusturica, E-Mail: wibke.kusturica@fh-zwickau.de