Heramb Narendra Somthankar

ML- und Deep-Learning-Modelle zur Anomalieerkennung und Klassifizierung entwickelt, trainiert und in bestehende Softwareprodukte integriert; Absicherung der Komponenten durch Unit-Tests mit Pytest. Testautomatisierung in Python mit Behave (BDD), Playwright und Pytest umgesetzt. Manuelle Testfälle für Integrations- und Regressions-Test durchgeführt. Bereitstellung von Testumgebungen über die Proxmox-API automatisiert. Arbeitssprache Deutsch: Abstimmungen, Code-Reviews und Dokumentation

Validierung der Daten des digitalen Zwillingsmodells mit den Daten der Hairpin Produktionsstationen. Analyse von Verschleißmustern von Pneumatikzylindern mit statistisch validierten Methoden der linearen Regression und des gleitenden Durchschnitts. Vorhersage des OEE-Verlusts der Hairpin-Produktionsstation durch Simulation von Verschleißdaten. Sicherstellung der Skalierbarkeit des digitalen Zwillings über andere Hairpin Produktionsstationen

Python-Programmierung mit Schwerpunkt auf Datenmanipulation und -visualisierung mit NumPy, SciPy, Pandas, Dask, Matplotlib, Seaborn und anderen Bibliotheken. Entwicklung und Einsatz von ML- und DL-Modellen unter Verwendung von ScikitLearn und TensorFlow für den Ausfall und die Ineffektivität von Schneidwerkzeugen. Entwickelt ML- und DL-Modelle unter Verwendung von Hyperparameter Abstimmungstechniken zur Vorhersage der RUL von Schneidwerkzeugen (KerasTuner, Optuna, GridSearchCV).

Umsetzung von IoT-Projekten (Internet der Dinge) mit Arduino und RaspberryPi mit Integration von Sensoren und Aktoren. Unterstützte Kollegen und Studenten bei der Erstellung von ML- und DL-Pipelines, um sie in der Produktionsumgebung einzusetzen. Erstellt Präsentationen, Seminare und Dokumentationen in den Bereichen IoT, ML und DL.