Doktorand (m/w/d)

Wir verstärken unser Team im Bereich Schmierstoffe und Tribologie am Standort Friedrichshafen. 

Die Stelle als Doktorand (m/w/d) ist auf drei Jahre befristet.

Reibung und Verschleiß beeinflussen das Systemverhalten von Fahrwerkskomponenten und können die Lebensdauer reduzieren. Zur Vertiefung des Systemverständnisses und zur robusteren Auslegung existieren etablierte Simulationsmethoden, womit sich Erprobungsaufwände reduzieren, Entwicklungszeiten verkürzen und zuverlässigere tribologische Systeme gestalten lassen. Diese stoßen allerdings aufgrund der Komplexität und den Nichtlinearitäten der tribologischen Systeme an Grenzen. Um diese Grenzen zu überschreiten, etablieren sich in der aktuellen Forschung zunehmend datengetriebene Ansätze unter Zuhilfenahme von Machine Learning Methoden. 
Im Rahmen der Promotion sollen die folgenden Aspekte bearbeitet werden:

Was Sie als Doktorand (m/w/d) erwarten können:

• Entwicklung eines Simulationsmodells zur physikalisch korrekten Abbildung von Reibung und Verschleiß und daraus resultierenden Einflüssen auf das Systemverhalten von Fahrwerkskomponenten
• Bewertung und Weiterentwicklung von etablierten Reibungs- und Verschleißmodellen auf Basis von vorhandenen und zu generierenden Versuchsdaten
• Modellparametrierung basierend auf etablierten Machine Learning Konzepten wie z.B. Physics-Informed Neural Network und Support Vector Machine unter Beachtung von Genauigkeit, Datengüte und Rechenzeit
• Integration von Designparametern und fertigungs- und montagebedingten Toleranzen als Beitrag zur Standardisierung und Steigerung der Fertigungsqualität
• Überführung des Modells in die bestehende Simulationsumgebung

Ihr Profil als Doktorand (m/w/d):

• Sehr gut abgeschlossenes Masterstudium der Fachrichtung Maschinenbau, Fahrzeugtechnik, Physik, Simulationstechnik, Informatik, Mathematik oder vergleichbar
• Fundierte Programmierkenntnisse z.B. in MATLAB/Simulink
• Kenntnisse in Machine Learning Methoden und deren Umsetzung z.B. in Python einschließlich PyTorch bzw. TensorFlow
• Erfahrung in der Simulation von tribologischen Kontakten einschl. Finite-Elemente-Analyse und der phänomenologisch motivierten Modellbildung von Reibung und Verschleiß
• Hohe Kommunikations- und Teamfähigkeit sowie Fähigkeit zur Koordination eines funktions- und standortübergreifenden Projektteams
• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift