Der Entwicklungszyklus eines Flugzeugtriebwerks von Forschungsbeginn bis zur Marktreife beträgt viele Jahre. Von dieser Zeit entfallen wiederum viele Jahre auf gezieltes Testen und Experimentieren. Diese Zeit wollen wir durch eine intelligente Analysesoftware für Messdaten verkürzen um damit neue Technologien schneller in die Praxis zu bringen. Derzeit arbeitet Rolls-Royce an einer neuartigen Turbinentechnologie mit dem Namen UltraFan. Sie reduziert u.a. den Kraftstoffverbrauch um 25%, wird aber wegen der notwendigen Tests wohl nicht vor 2025 marktreif sein.
Das Ziel unseres Bachelorprojektes ist es, eine innovative Analysesoftware für die Auswertung von Teststation-Messdaten zu entwerfen. Dabei werden wir Technologien des maschinellen Lernens (z.B. PyTorch und TensorFlow), des verteilten Programmierens (z.B. Akka, Kafka und Spark) und des modernen Plattformentwurfs (z.B. Spring, Angular und React) einsetzen. Es gilt eine ganzheitliche Architektur aufzusetzen, die Messdaten in Batch- und Stream-Form als Eingabe nimmt, Analysen entsprechend vom Nutzer gegebener Vorgaben durchführt und beobachtete Analyseergebnisse sowohl dem Nutzer präsentiert als auch sinnvoll persistiert. Auf diese Weise soll die Software effektiv Anomalien in den Messdaten finden, die Anomalien automatisch als z.B. Fehler oder Unauffälligkeit klassifizieren und die Auswertungen möglichst schnell an den Nutzer berichten.
