硕士论文:基于机器学习的插盘匹配优化

该职位已满,此论文项目暂不接受更多申请。


瑞典Gimo的Sandvik Coromant提供数据科学领域的论文项目职位。

基莫山特维克Coromant是世界领先的硬质合金车削、铣削和钻孔工具制造商。它拥有大约1500名员工,也是乌普萨拉县最大的私营雇主。

基莫的生产分为两个工厂,一个是硬质合金刀片的制造工厂,一个是刀柄的制造工厂。这两家工厂都是各自领域的世界领导者,2019年世界经济论坛将其评为全球16家“灯塔”制造商之一。

我们最大的客户是金属、汽车和航空航天工业,我们的目标是满足市场对新产品的精度和耐用性的需求。

该论文项目是一个将理论方法应用于实际设置的机会,其中统计工具,如机器学习,可以用来解决优化问题的硬质合金刀片制造。

项目背景和范围

在整个硬质合金刀片工厂,产品必须放置和更换在不同的托盘系统,以适应不同的操作和机器的个人需求。有许多变量被考虑为不同的部分选择合适的和功能的托盘。

用来确定哪个托盘用于一个订单的数据很大程度上是基于实验或不存在的数据,导致了次优或临时选择的托盘。要确定最佳方法,需要收集相关托盘并从数据库中插入数据,并根据参数确定最佳匹配的工作流或参考。

最初的研究范围仅限于标准文章和生产的单一部分。在最初的范围之外有很好的扩张机会。

我们想要回答的核心问题是1和2,3和4属于可选的扩展范围:

  1. 什么插入变量决定托盘匹配的参数?
  2. 如果模型是经过训练的/基于标准产品的现有数据,我们能否很好地预测在特定操作中哪个托盘应该容纳给定的插入?
  3. 如果模型是经过训练的/基于标准/特殊物品的现有数据,我们能否很好地预测在多个操作中哪个托盘应该容纳给定的插入?
  4. 我们能比已经分配到一个托盘上的文章的现有数据作出更好的预测吗?

工作描述

该研究包括插入/托盘数据的收集,并确定一个优化匹配的关键参数。这包括:

  • 设计和规划研究
  • 收集相关信息
  • 对收集的数据进行统计分析或类似的机器学习方法
  • 解释结果
  • 对建议的行动路线提出建议

学生背景

该研究适合工程物理/信息技术硕士学生进行。如果有统计学/机器学习/数据科学相关课程/经验,其他学科的学生也可以考虑。

我们积极努力创造一个以多样性和包容性为特征的工作场所。

持续时间

论文项目包括30个学分,持续20周,从2021年第一季度开始。该职位位于乌普萨拉的吉莫。

接触的人

如需本论文项目的更多信息,请联系:

Alvin Ljung,电话:+46 70 616 21 13
电子邮件:alvin.ljung@sandvik.com

Lars Rönne,电话:+46 173 848 72
电子邮件:lars.ronne@Sandvik.com

应用程序

请将申请发送至:

凯蒂Thyrestam,电子邮件:katarina.thyrestam@sandvik.com

选择是连续进行的。请尽快发送您的申请,但不迟于2020年11月29日。

更多关于山特维克·科罗曼特的信息,请访问网站www.sandvik.coromant.com