Die Abteilung Entwicklung von Industrial Engineering Methoden ist innerhalb des Industrial Engineering der Marke Audi im Bereich der Produktionsplanung angesiedelt. Unser Team bringt Erfahrung und Neugier, praktische Anwendung und wissenschaftliche neue Erkenntnisse zusammen, um Industrial Engineering Methoden bei Audi voranzubringen. Dabei setzen wir bekannte und bewährte Methoden wie MTM und die Ergonomiebewertung APSA ebenso ein wie neue Methoden der Simulation, Datenanalyse und KI, um unsere Methoden und Prozesse zur Anwendung zu bringen. Dies erfolgt im engen Kontakt mit den Anwendern in Planung und an den Audi-Produktionsstandorten einerseits und mit der Industrial Engineering-Community im Volkswagenkonzern andererseits.
Eines unserer Zukunftsprojekte ist die Arbeit an einer (teil-)autonomen Prozessplanung, bildlich ausgedrückt als „Taktung auf Knopfdruck“. Dieses fügt sich ein in die Arbeit an einer konzernweiten Digitalisierung der Planungsprozesse, in dem die Masterarbeit stattfinden wird.

Für die Taktung einer Montagelinie und deren Bandabschnitte gibt es eine Vielzahl von Eingangsgrößen und relevanter Parameter für die Optimierung. Mittels eines Optimierungstools können so unterschiedliche Szenarien erzeugt werden. Während Optimierungsparameter wie die z.B. Auslastung und Wertschöpfung bereits ermittelt werden können, ist es aktuell nur auf der Basis von Erfahrung und manueller Arbeit möglich, die Gültigkeit, also die Umsetzbarkeit, einer Taktungsvariante zu beurteilen.

Deine Aufgaben

  • Du ermittelst und klassifizierst Kriterien für die Gültigkeit
  • Du entwickelst ein Konzept für die automatisierte Ermittlung der Gültigkeit
  • Du erarbeitest einen Proof of Concept für dieses Konzept
  • Du bewertest und zeigst die Potentiale und Grenzen des Konzepts auf
  • Du gibst eine Empfehlung zum weiteren Vorgehen

Diese Arbeit erfolgt auf der Basis einer mit einem Optimierungsalgorithmus erstellten Taktung für ein reales Fahrzeugprojekt in Zusammenarbeit mit dem Team des Industrial Engineering und Taktern.

Qualifikationen

  • Du studierst an einer Hochschule Ingenieurwesen oder Informatik, hast dabei fundierte Kenntnisse in Datenanalyse/Data Science/KI und Programmierung erworben und idealerweise bereits erste Erfahrungen in der industriellen Anwendung gesammelt
  • Du bist zielstrebig, begeisterungsfähig sowie begierig, dein theoretisches Wissen in die Praxis zu bringen, um so die Zukunft vorzubereiten. Auftretende Hürden nimmst du als Herausforderung an
  • Du wirst inspiriert durch die Zusammenarbeit mit einer Vielzahl an internen und externen Kooperationspartnern und diese spornt dich an
  • Du verfügst über verhandlungssichere Sprachkenntnisse in Deutsch und Englisch und bist geübt im Umgang mit MSOffice (Excel, Powerpoint, ...)
  • Du kannst deine Arbeitsergebnisse mit Begeisterung auch Menschen mit ganz anderem Hintergrund nahebringen
  • Du hast fundierte Kenntnisse in Python und Knime darüber hinaus über Grundlagen in Programmierung und Datenanalyse

Den finalen Zeitraum vereinbarst du im Gespräch mit der Fachabteilung.

Einblicke von unseren Mitgliedern
Joanne
JoanneTechnische Universität MünchenProject Management and Science Communication 2024
Joanne erzählt uns von ihren Erfahrungen mit Bright Network und gibt Tipps zum Thema Berufseinstieg.
Read Joannes story
Joanne, Technische Universität München Project Management and Science Communication 2024
Theresa
TheresaUniversität PassauResearch Assistant IPMT 2022
Wir haben uns mit Theresa, einem unserer Mitglieder, zusammengesetzt, um über ihre Karriere und ihre Erfahrungen mit Bright Network zu reden. Hier findest du unser Interview mit ihr.
Read Theresas story
Theresa, Universität Passau Research Assistant IPMT 2022