course: Smart Apparatuses

number:
139180
teaching methods:
lecture with tutorials
responsible person:
Prof. Dr.-Ing. Marcus Grünewald
Lecturers:
Prof. Dr.-Ing. Marcus Grünewald (Maschinenbau), Dr.-Ing. Philip Biessey (), Prof. Dr. Asja Fischer (Mathematik), Prof. Dr.-Ing. Thomas Musch (ETIT)
language:
german
HWS:
4
CP:
5
offered in:
winter term and summer term

goals

  • Verfahrens- und messtechnische Komponenten, die zum Betrieb einer Bodenkolonne erforderlich sind, auswählen, auslegen und die Anlage im An- und Abfahr- sowie im stationären Betrieb sicher und selbstständig operieren
  • experimentelle Versuchsreihen zur fluiddynamischen Charakterisierung verfahrenstechnischer Apparate am Beispiel einer Bodenkolonne selbstständig planen und durchführen
  • die erfassten Messergebnisse mittels Machine Learning-gestützter Methoden auswerten und darauf basierend den fluiddynamischen Zustand der untersuchten Bodenkolonne bewerten
  • die Aussagekraft der experimentellen Untersuchungen sowie die Auswertung der Ergebnisse mittels Machine Learning-gestützter Methoden kritisch bewerten

content

Die Lehrveranstaltung adressiert sowohl Schlüsselaspekte der Digitalisierung in der chemischen Industrie aus auch die Kooperation von Studierenden aus den Fachrichtungen Verfahrenstechnik (UI/ MB), Elektrotechnik und Mathematik (Machine Learning). Daraus ergeben sich folgende inhaltliche Schwerpunkte:

  • Auslegung und Betrieb verfahrenstechnischer Apparate am Beispiel einer Bodenkolonne
  • Experimentelle Versuchsreihen zur fluiddynamischen Charakterisierung einer Bodenkolonne
  • Auswahl, Einsatz und Bewertung von Messtechnik und deren Messgrößen für eine sensorbasierte Zustandsdiagnostik
  • Auswertung von Messdaten mittels Machine Learning-gestützter Methoden und deren Interpretation