Vi ønsker å være mer! Forskningsinstituttet Swerim driver behovsbasert industriell forskning og utvikling av metaller og deres vei fra råmateriale til ferdig produkt. Swerim har 200 medarbeidere fordelt på to steder i Sverige - Luleå og Stockholm. Vår visjon er en fossilfri og sirkulær industri. Prosjektbeskrivelse Powder Bed Fusion by Laser Beam (PBF-LB) er en additiv produksjonsprosess som muliggjør skreddersydde materialegenskaper gjennom nøyaktig kontroll av prosessparametere. Det er imidlertid fortsatt utfordrende å forutsi hvordan disse parameterne påvirker mikrostrukturen, for eksempel kornstruktur, fasefordeling, utfelling og porøsitet. Tradisjonelle prøve-og-feile-metoder er langsomme og kostbare, noe som gjør datadrevne tilnærminger stadig viktigere. Nyere studier viser at maskinlæring (ML) kan forutsi mikrostruktur eller porøsitet ut fra prosessparametere ved hjelp av regresjon, dyp læring og fysikkinformerte modeller. Likevel er de fleste arbeidene rettet mot enkeltfunksjoner (f.eks. porøsitet eller kornstørrelse) og baserer seg ofte på sensordata i stedet for omfattende mikrostrukturelle deskriptorer. Det diskuteres å knytte mikrostrukturprediksjoner til mekaniske egenskaper, men dette blir sjelden implementert. På grunn av de høye kostnadene ved eksperimentell datainnsamling må mange ML-tilnærminger dessuten operere med sparsomme datasett, noe som krever modeller som er robuste overfor begrenset datatilgjengelighet. Målet med denne avhandlingen er å utvikle en ML-basert modell for å forutsi mikrostruktur og porøsitet ut fra PBF-LB-prosessparametere. Eksperimentell trykking og mikrostrukturanalyse vil gi data for modelltrening. Den resulterende modellen vil gi innsikt i forholdet mellom parametere og struktur og tjene som grunnlag for fremtidig optimalisering. Når modellen er etablert, kan den senere utvides til å koble mikrostruktur med mekaniske og funksjonelle egenskaper som styrke, seighet og korrosjonsbestandighet. Omfang og mål Du vil: * Gjennomføre en litteraturgjennomgang av ML-applikasjoner innen additiv produksjon og forholdet mellom parametere og mikrostruktur. * Designe og skrive ut et begrenset sett med prøver ved hjelp av utvalgte prosessparametere (f.eks. lasereffekt, skannehastighet, lukeavstand). * Karakterisere mikrostruktur og porøsitet, med fokus på kornstruktur, fasedannelse og utfellinger ved hjelp av mikroskopi. * Utvikle og trene en maskinlæringsmodell for å forutsi mikrostrukturelle egenskaper og porøsitet ut fra prosessparametere. * Evaluere modellens ytelse og foreslå forbedringer for fremtidige iterasjoner. Metodikk * Litteraturgjennomgang * Oppsummering av dagens ML-tilnærminger for mikrostrukturprediksjon i PBF-LB. * Identifisere viktige prosessparametere og mikrostrukturelle deskriptorer. * Eksperimentelt arbeid * Skrive ut en liten matrise av prøver med varierte parametere. * Utføre mikrostruktur- og porøsitetsanalyser ved hjelp av optisk mikroskopi, SEM og bildebehandling. * Dataanalyse og ML-modellering * Kompilere eksperimentelle data til et strukturert datasett. * Tren og valider en prediktiv ML-modell som kobler parametere til mikrostruktur og porøsitet. * Rapportering og anbefalinger * Dokumentere funn og foreslå neste trinn for optimalisering av flere egenskaper. Forventede resultater * Et datasett som kobler prosessparametere til mikrostrukturelle egenskaper og porøsitet. * En førstegenerasjons ML-modell for å forutsi mikrostruktur og porøsitet. * Anbefalinger for å utvide modellen for å koble mikrostruktur med mekaniske og funksjonelle egenskaper i fremtidig arbeid. Du vil ha frihet til å forme prosjektet og velge relevante analysemetoder, med støtte fra veiledere og kolleger i Swerim. Kvalifikasjoner Student innen materialvitenskap, datavitenskap, kjemiteknikk eller lignende fagfelt. Erfaring med maskinlæring, metallografi, additiv produksjon eller arbeid i industri og/eller forskningsmiljø vil være en fordel. Prosjektets varighet Prosjektet er beregnet på en masteroppgave (30hp). Startdato er januar 2026 eller kan avtales gjennom forhandlinger. Ytterligere informasjon Dette prosjektet er ment å utføres ved Swerim i Stockholm. Swerim belønner studenten med 50 000 SEK for en godkjent masteroppgave (30hp). For ytterligere informasjon, vennligst kontakt: Emil Strandh, emil.strandh@swerim.se Søknad Søk ved å bruke søknadsfunksjonen nedenfor. Søknaden kan skrives på engelsk eller svensk. Siste frist for søknad er 19. desember. Du vil motta en bekreftelse på at Swerim har mottatt søknaden din. Vær oppmerksom på at vi besetter stillingen så snart vi finner en passende søker, noe som betyr at vi kan besette stillingen før fristen går ut.