Data-driven Computational Materials Science and Engineering

  1. Universität
  2. Fakultäten
  3. Mathematisch-Naturwissenschaftlich-Technische Fakultät
  4. Institut für Materials Resource Management
  5. Lehrstühle, Professuren und Lehr- & Forschungseinheiten
  6. Data-driven Computational Materials Science and Engineering
  7. Team
  8. Jan Alexander Zak M.Sc.

Jan Alexander Zak M.Sc.

Doktorand in Zusammenarbeit mit der Mercedes-Benz AG
Data-driven Computational Materials Science and Engineering
Telefon: +49151 58610976
E-Mail:

Lebenslauf

Seit          04/2022   Doktorand , Mercedes-Benz AG und Universität Augsburg

02/2020 - 02/2022   Master-Studium Applied Information and Data Science (M. Sc.), Hochschule Luzern
09/2016 - 02/2020   Bachelor-Studium Wirtschaftsingenieurwesen (B. Eng.), Hochschule Aalen
 

Forschungsbereich

Das Widerstandspunktschweißen (WPS) ist das dominante Fügeverfahren im automobilen Rohbau. Das Verfahren wird üblicherweise für das Fügen von Stahl verwendet und optimiert. Mit der Einführung des Leichtbaus werden zunehmend Aluminiumlegierungen gefügt. Durch die veränderten Werkstoffeigenschaften müssen das Prozessverständnis und die Qualitätsvorhersage neu entwickelt werden.

Ein Ansatz dazu ist zugrunde liegende Gleichungen mit Machine Learning Algorithmen zu bestimmen, welche das WPS beschreiben. Hierzu werden experimentelle Signalverlaufs-, Prozess- und Materialdaten als annähernde Abbildung der Realität benutzt und für das Prozessverständnis und die Qualitätsvorhersage des WPS verarbeitet.

Suche