Vi vill vara mer! Forskningsinstitutet Swerim bedriver behovsmotiverad industriell forskning och utveckling kring metaller och deras väg från råvara till färdig produkt. Swerim har 200 medarbetare på två orter i Sverige - Luleå och Stockholm. Vår vision är en fossilfri och cirkulär industri. Projektbeskrivning Pulverbäddsfusion med laserstråle (PBF-LB) är en additiv tillverkningsprocess som möjliggör skräddarsydda materialegenskaper genom exakt kontroll av processparametrar. Det är dock fortfarande en utmaning att förutsäga hur dessa parametrar påverkar mikrostrukturen, såsom kornstruktur, fasfördelning och utfällning samt porositet. Traditionella "trial-and-error"-metoder är långsamma och kostsamma, vilket gör att datadrivna metoder blir allt viktigare. Nya studier visar att maskininlärning (ML) kan förutsäga mikrostruktur eller porositet utifrån processparametrar med hjälp av regression, djupinlärning och fysikaliskt informerade modeller. De flesta arbeten är dock inriktade på enstaka egenskaper (t.ex. porositet eller kornstorlek) och bygger ofta på sensordata snarare än omfattande mikrostrukturella deskriptorer. Att koppla mikrostrukturförutsägelser till mekaniska egenskaper diskuteras men implementeras sällan. På grund av de höga kostnaderna för experimentell datainsamling måste många ML-metoder dessutom fungera med glesa dataset, vilket kräver modeller som är robusta mot begränsad datatillgänglighet. Denna avhandling syftar till att utveckla en ML-baserad modell för att förutsäga mikrostruktur och porositet från PBF-LB-processparametrar. Experimentell tryckning och mikrostrukturell analys kommer att tillhandahålla data för modellträning. Den resulterande modellen kommer att ge insikter i förhållandet mellan parametrar och struktur och fungera som en grund för framtida optimering. När modellen väl är etablerad kan den senare utvidgas till att koppla samman mikrostruktur med mekaniska och funktionella egenskaper som styrka, seghet och korrosionsbeständighet. Omfattning och mål Du kommer att: * Genomföra en litteraturstudie om ML-tillämpningar inom additiv tillverkning och parameter-mikrostrukturrelationer. * Designa och skriva ut en begränsad uppsättning prover med hjälp av valda processparametrar (t.ex. lasereffekt, skanningshastighet, luckavstånd). * Karakterisera mikrostruktur och porositet, med fokus på kornstruktur, fasbildning och utfällningar med hjälp av mikroskopi. * Utveckla och träna en maskininlärningsmodell för att förutsäga mikrostrukturella egenskaper och porositet från processparametrar. * Utvärdera modellens prestanda och föreslå förbättringar för framtida iterationer. Metodik * Litteraturgenomgång * Sammanfatta nuvarande ML-metoder för mikrostrukturprediktion i PBF-LB. * Identifiera viktiga processparametrar och mikrostrukturella deskriptorer. * Experimentellt arbete * Skriv ut en liten matris av prover med varierade parametrar. * Utför mikrostruktur- och porositetsanalys med hjälp av optisk mikroskopi, SEM och bildbehandling. * Dataanalys och ML-modellering * Sammanställa experimentella data till en strukturerad dataset. * Träna och validera en prediktiv ML-modell som kopplar parametrar till mikrostruktur och porositet. * Rapportering och rekommendationer * Dokumentera resultat och föreslå nästa steg för optimering av flera egenskaper. Förväntade resultat * Ett dataset som kopplar processparametrar till mikrostrukturella egenskaper och porositet. * En första generationens ML-modell för att förutsäga mikrostruktur och porositet. * Rekommendationer för att utöka modellen för att koppla samman mikrostruktur med mekaniska och funktionella egenskaper i framtida arbete. Du kommer att ha friheten att forma projektet och välja relevanta analysmetoder, med stöd från handledare och kollegor på Swerim. Kvalifikationer Student inom materialvetenskap, datavetenskap, kemiteknik eller liknande områden. Erfarenhet av maskininlärning, metallografi, additiv tillverkning eller arbete i en industri- och/eller forskningsmiljö kommer att betraktas som en fördel. Projekttid Projektet är avsett för en masteruppsats (30hp). Startdatum är januari 2026 eller kan bestämmas gemensamt genom förhandlingar. Ytterligare information Detta projekt är avsett att utföras på Swerim i Stockholm. Swerim belönar studenten med 50 000 SEK för en godkänd masteruppsats (30hp). För ytterligare information vänligen kontakta: Emil Strandh, emil.strandh@swerim.se Ansökan Ansök genom att använda ansökningsfunktionen nedan. Ansökan kan skrivas på svenska eller engelska. Sista ansökningsdag är den 19 december. Du kommer att få en bekräftelse på att Swerim har mottagit din ansökan. Vänligen notera att vi tillsätter tjänsten så snart vi hittar en lämplig sökande, vilket innebär att vi kan tillsätta tjänsten innan sista ansökningsdag.