Masterarbeit Data Science in der MEMS-Entwicklung - Identifikation und Modellierung von kausalen Beziehungen
Aufgaben
MEMS (Mikro-Elektro-Mechanische Systeme) sind Geräte mit mechanischen Strukturen im Mikrometerbereich. Durch die Kombination mit einer Elektronik (ASIC) entsteht eine Sensorik auf einem einzelnen Chip. Sie sind in unserem Alltag unverzichtbar und finden Anwendung in Smartphones, Automobilen, Computern und Smart-Devices. Die Herstellung dieser feinen Strukturen ist ein mehrstufiger, komplexer Prozess. Während die kausalen Zusammenhänge für Teilsysteme der Produktionskette implizit bekannt sind, fehlt eine explizite Darstellung und systematische Aufarbeitung dieser Beziehungen. In anderen Bereichen der Produktion sind die kausalen Mechanismen weitestgehend unbekannt, man spricht von einer fehlenden, kausalen „Grundwahrheit“. Ziel der Arbeit ist die Modellierung der kausalen Grundwahrheit für das bekannte Teilsystem, sowie die Proposition und Validation einer Hypothese der Grundwahrheit des unbekannten Teilsystems.
- Während deiner Masterarbeit eignest du dir fundierte Kenntnisse über Kausalität und deren Abgrenzung zu Korrelation an, um die theoretischen Grundlagen deiner Arbeit zu festigen.
- Tiefgehend beschäftigst du dich mit der MEMS-Technologie, den spezifischen Produktionsprozessen und der komplexen MEMS-Produktion.
- Du identifizierst und analysierst kausale Beziehungen in bekannten Teilsystemen, indem du relevante Variablen verstehst und diese anhand von Literatur und Lehrbüchern herleitest.
- Anschließend entwickelst du Hypothesen und Modelle für die kausale Grundwahrheit dieser Systeme, die du explizit, analytisch und grafisch darstellst.
- Deine entwickelten Hypothesen validierst du im engen Austausch mit dem Bosch-Expertenteam und wendest die erarbeitete Methodik auf unbekannte Teilsysteme mit komplexeren Zusammenhängen an.
- Du evaluierst bekannte Algorithmen zur datengetriebenen Inferenz kausaler Beziehungen mithilfe deiner selbst entwickelten Modelle.
- Deine Ergebnisse bereitest du sorgfältig auf, analysierst sie und präsentierst sie regelmäßig in der Arbeitsgruppe.
Profil - Ausbildung: Masterstudium im Bereich Elektrotechnik, Mechatronik, Physik, Informatik, Mathematik oder vergleichbar mit guten bis sehr guten Studienleistungen
- Erfahrungen und Know-how: Programmierkenntnisse in Python; gutes Verständnis von Statistik und Wahrscheinlichkeitstheorie; Grundverständnis elektro-mechanischer Systeme; Erfahrung im Umgang mit Git; einfache SQL-Kenntnisse
- Persönlichkeit und Arbeitsweise: dir gelingt es, offen auf neue Themen zuzugehen, selbstständig Lösungen zu erarbeiten und dich engagiert in komplexe Problemstellungen einzuarbeiten, wobei du auch vor ungelösten Herausforderungen nicht zurückschreckst
- Arbeitsalltag: deine Präsenz vor Ort ist erforderlich, mobiles Arbeiten teilweise möglich
- Begeisterung: Interesse an physikalischen Systemen, sowie derer mathematischer Beschreibung
- Sprachen: gutes Deutsch und Englisch
- Ausbildung: Masterstudium im Bereich Elektrotechnik, Mechatronik, Physik, Informatik, Mathematik oder vergleichbar mit guten bis sehr guten Studienleistungen
- Erfahrungen und Know-how: Programmierkenntnisse in Python; gutes Verständnis von Statistik und Wahrscheinlichkeitstheorie; Grundverständnis elektro-mechanischer Systeme; Erfahrung im Umgang mit Git; einfache SQL-Kenntnisse
- Persönlichkeit und Arbeitsweise: dir gelingt es, offen auf neue Themen zuzugehen, selbstständig Lösungen zu erarbeiten und dich engagiert in komplexe Problemstellungen einzuarbeiten, wobei du auch vor ungelösten Herausforderungen nicht zurückschreckst
- Arbeitsalltag: deine Präsenz vor Ort ist erforderlich, mobiles Arbeiten teilweise möglich
- Begeisterung: Interesse an physikalischen Systemen, sowie derer mathematischer Beschreibung
- Sprachen: gutes Deutsch und Englisch
