Stellenangebot: Wissenschaftliche/r Mitarbeiter/in (w/m/d) - Data Science, Condition Monitoring and Predictive Maintenance for Rolling Element Bearings

Über uns

Die RWTH ist als familiengerechte Hochschule zertifiziert.
Die RWTH bietet im Rahmen eines Universitären Gesundheitsmanagements eine Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten (z. B. Hochschulsport) an. Für Tarifbeschäftigte und Beamtinnen und Beamte besteht ein umfangreiches Weiterbildungsangebot und die Möglichkeit, ein Jobticket zu erwerben.
Die Stellenausschreibung richtet sich an alle Geschlechter.
Wir wollen an der RWTH Aachen University besonders die Karrieren von Frauen fördern und freuen uns daher über Bewerberinnen.
Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern sie in der Organisationseinheit unterrepräsentiert sind und sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen.
Bewerbungen geeigneter schwerbehinderter Menschen sind ausdrücklich erwünscht.
Im Sinne der Gleichbehandlung bitten wir Sie, auf ein Bewerbungsfoto zu verzichten.
Informationen zur Erhebung personenbezogener Daten nach Artikeln 13 und 14 Datenschutz-Grundverordnung (DS-GVO) finden Sie unter https://www.rwth-aachen.de/dsgvo-information-bewerbung.

Anbieter

Lehrstuhl und Institut für Maschinenelemente und Systementwicklung

Unser Profil

Das Institut für Maschinenelemente und Systementwicklung erforscht das grundlegende strukturelle und tribologische Verhalten von Maschinenelementen und bildet dieses in experimentell validierten Modellbeschreibungen ab. Diese Modellbeschreibungen werden genutzt, um das Funktions-, Verlust- und Geräuschverhalten gesamthafter technischer Systeme mit Fokus auf die Antriebstechnik von Windenergieanlagen und mobile Arbeitsmaschinen zu analysieren und zu gestalten. Ergebnis sind rechnerische und konstruktive Ausgestaltungen konkreter technischer Lösungen inklusive Nachweis der geforderten Systemeigenschaften auf Großprüfständen. Zahlreiche Erfahrungen mit derartigen modellbasierten Lösungsfindungen bis hin zur Konzeption konfigurierbarer Produkte ermöglichen dem MSE die Erforschung und Entwicklung von Methoden des Modell Based Systems Engineering als zentrales Element künftiger, industrieller Produktentstehungsprozesse.

Die Gewährleistung der funktionalen Sicherheit über den Produktlebenszyklus bei gleichzeitiger Begrenzung der Instandhaltungskosten und Erhöhung der Gebrauchsdauer von Maschinen und Anlagen sind ist moderne industrielle Herausforderungen.

Der Bereich Tribologie des MSE erforscht das Degradationsverhalten von Maschinenelementen. Der Fokus der Forschung liegt auf der anwendungsorientierten Grundlagenforschung. Thematische Schwerpunkte sind die Wechselwirkungen zwischen dem Schmierstoff und den Oberflächen der geschmierten Komponenten, das Verschleißverhalten von Maschinenelementen sowie die gebrauchsbedingten Veränderungen von Schmierstoffen. Ein weiterer Themenschwerpunkt ist die Zustandsüberwachung und Gebrauchsdauerprognose von Maschinenelementen. Methodisch werden diese Themenkomplexe durch enges Zusammenwirken von Experiment, Simulation und Analyse betrachtet.

Ihre Aufgaben

• Bearbeitung von Forschungsprojekten im Bereich der Tribologie (Zustandsüberwachung, Data Science und vorausschauende Instandhaltung für Wälzlager, experimentelle Validierung)
• Implementierung der Methoden zur Datenanalyse inklusive Machine Learning Methoden
• Akquisition, Durchführung und Präsentation von Industrieprojekten aus dem Bereich der Tribologie
• Präsentation der Forschungsergebnisse auf nationaler und internationaler Ebene
• Auf Wunsch Mitarbeit in der Hochschullehre im Rahmen von Vorlesung und Übung (Tribologie)
• Mitwirkung bei der Weiterentwicklung des Bereichs Tribologie in Abstimmung mit der Bereichsleitung

Ihr Profil

• Erfolgreich abgeschlossenes Hochschulstudium (Master oder vergleichbar) der Fachrichtungen Maschinenbau, Mechatronik, Elektrotechnik, Automatisierungstechnik, CES, Data Science, Informatik oder einer vergleichbaren Fachrichtung
• Selbstständige und eigenverantwortliche Arbeitsweise
• Bereitschaft zur Einarbeitung in neue Themenfelder und Durchführung sowohl theoretischer als auch experimenteller Arbeiten
• Sichere Beherrschung der deutschen und englischen Sprache in Wort und Schrift
• Ausgeprägte Kommunikations- und Teamfähigkeit
• Vorkenntnisse zu Kenntnisse/Interessen im Bereich Machine Learning sind wünschenswert
• Vorkenntnisse im Bereich der Digitalen Signalverarbeitung sind ebenfalls wünschenswert
• Interesse an der Führung und Weiterentwicklung eines interdisziplinären Teams

Wir bieten

Die Einstellung erfolgt im Beschäftigtenverhältnis.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet auf ein Jahr.
Eine Verlängerung um zweimal zwei Jahre ist vorgesehen.
Die befristete Beschäftigung erfolgt im Rahmen der Befristungsmöglichkeiten des Wissenschaftszeitvertragsgesetzes.
Es handelt sich um eine Vollzeitstelle.
Eine Promotionsmöglichkeit besteht.
Die Eingruppierung richtet sich nach dem TV-L.
Die Stelle ist bewertet mit TV-L EG 13.