Lehrstuhl für Thermodynamik (LTD)

Wissenschaftlicher Mitarbeiter

M.Sc. Justus Arweiler

FB Maschinenbau und Verfahrenstechnik
Lehrstuhl für Thermodynamik
Technische Universität Kaiserslautern
Erwin-Schrödinger-Straße 44
Gebäude 44/521
67663 Kaiserslautern
Tel.: +49(0)631 205-4520
Fax: +49(0)631 205-3835
E-Mail: justus.arweiler@rptu.de

Projektbeschreibung

Automatische Fehlererkennung in der Batch-Destillation mittels Maschinellem Lernen

Meine Forschung ist Teil der DFG Forschungsgruppe 5359, die das Ziel hat Methoden des Deep Learning auf chemische Prozessdaten anzuwenden, insbesondere um damit automatisiert und frühzeitig Fehler im Betrieb chemischer Anlagen zu identifizieren. Ein zentrales Problem dabei ist, dass Deep Learning Methoden viele Trainingsdaten benötigen, chemische Prozessdaten aber bislang extrem schlecht verfügbar sind.

Um das Datenproblem zu lösen werden drei Strategien verfolgt: Erstens sollen in einer Batch-Destillationsanlage im Labor, welche mit umfassender Sensorik ausgestattet wird, durch die Untersuchung unterschiedlichster Stoffsysteme große Mengen experimenteller Daten generiert werden. Zweitens erfolgt die Entwicklung und Verwendung von physikalischen Prozesssimulationen in Kooperation mit dem Fraunhofer ITWM, um zusätzliche Daten zu erzeugen. Drittens sollen gemeinsam mit der Arbeitsgruppe Maschinelles Lernen hybride generative Modelle entwickelt werden, um die Datensätze synthetisch deutlich zu vergrößern. Weiterhin gilt mein Interesse dem Umgang mit Unsicherheiten und unvollständigem Wissen in Prozessdaten und wie bisher nicht verwendete Prozessgrößen in der Prozesssimulation berücksichtigt werden können.

Informationen zu möglichen Themen studentischer Arbeiten bei mir oder meinen Kollegen finden sich unter: http://thermo.mv.uni-kl.de/lehre/studentische-arbeiten/ 

Vorlesungsbetreuung / Sprechzeiten

Vorlesungsbetreuung

Sprechzeiten

Nach Vereinbarung

Veröffentlichungen / Vorträge / Poster

Veröffentlichungen

  • -

Vorträge

  • N. Hayer, T. Specht, J. Arweiler, H. Hasse, F. Jirasek: Prediction of Activitiy Coefficients by Similarity-based Imputation using Quantum-Chemical Descriptors, Thermodynamik-Kolloquium, Chemnitz, 26.-28.09.2022.
  • J. Arweiler, N. Hayer, T. Specht, H. Hasse, F. Jirasek: Similarity-based Prediction of Activity Coefficients, Verfahrenstechnisches Doktorandenseminar der RPTU Kaiserslautern, Annweiler am Trifels, 21.-22.08.2023.
  • J. Arweiler, N. Hayer, T. Specht, H. Hasse, F. Jirasek: Similarity-based Prediction of Activity Coefficients, European Conference on Thermophysical Properties, Venice, Italy, 10.-13.09.2023.
  • J. Arweiler, N. Hayer, T. Specht, H. Hasse, F. Jirasek: Prediction of Activity Coefficients with Similarity-based Imputation using Quantum-chemical Descriptors and Machine Learning, 14th European Congress of Chemical Engineering , Berlin, 17.-21.09.2023.

Poster

  • J. Arweiler, T. Specht, K. Münnemann, H. Hasse, F. Jirasek: Automated NMR Fingerprinting and Thermodynamic Modeling of Poorly Specified Mixtures, Thermodynamik-Kolloquium, Hannover, 25.-27.09.2023.

Werdegang

10/2016 - 09/2020Bachelorstudium der Energie- und Verfahrenstechnik an der Technischen Universität Kaiserslautern
10/2020 - 09/2022Masterstudium der Energie- und Verfahrenstechnik an der Technischen Universität Kaiserslautern
Seit 10/2022Wissenschaftlicher Mitarbeiter am Lehrstuhl für Thermodynamik (LTD), Technische Universität Kaiserslautern
Zum Seitenanfang