Bauteile in der Konstruktion dank KI identifizieren

Wenn Bauteile entworfen werden, werden sie oft mit Hilfe von CAD-Software konstruiert. Die Software für Computer Aided Design (CAD) unterstützt Anwender:innen bei konstruktiven Aufgaben wie dem Erstellen, Ändern und Optimieren eines Designs für ein Teil oder die Zusammenstellung von Teilen. In einigen Unternehmen geschieht die Konstruktion von Teilen verteilt. Dadurch kann es passieren, dass ähnliche oder sogar gleiche Bauteile, zwar für unterschiedliche Produkte, aber mit gleicher Funktionserfüllung erstellt werden. Dies sorgt nicht nur für mehr Aufwand in der Konstruktion, sondern verursacht auch eine höhere Teilevielfalt, die zu zusätzliche Kosten im Service führt. Dabei kann das Identifizieren von Bauteilen dank Künstlicher Intelligenz das Problem lösen.

Im Fokus der Erkennung von Bauteilen stehen die Gleichteile. Als Gleichteile werden Bauteile bezeichnet, die unverändert in verschiedenen Produkten verwendet werden können, jedoch keine Normteile sind. Normteile wie Schrauben oder Rohre werden meist nicht selbst hergestellt, sondern von hierauf spezialisierten Herstellern zugekauft.

Das Identifizieren von Gleichteilen in einer Datenbank geschieht einerseits, um die Teileanzahl für Service und Pflege zu reduzieren, andererseits, um auch ähnliche Teile während der Konstruktion vorzuschlagen und auf diese Weise den Aufwand und die Zeit der Entwicklung des Gleichteils zu reduzieren.

Bauteile vergleichen: Dieser Algorithmus kann helfen

Um dies erreichen zu können, müssen zunächst die CAD-Gleichteile in ein Histogramm oder Spektrogramm umgewandelt werden. In diesen Darstellungen können die Gleichteile leichter verglichen werden. Dies geschieht über statistische Klassifikationsverfahren wie dem k-Nearest-Neighbor Algorithmus (KNN) und des Euklidischen Abstands.

Der k-Nearest-Neighbor Algorithmus gilt als der einfachste und bewährteste Algorithmus, wenn es darum geht Daten zu klassifizieren. Der Algorithmus kann dazu verwendet werden, um einen ersten Überblick über die Daten zu erhalten. Im Gegensatz zu anderen Algorithmen benötigt er kein aufwendiges Training, da bei der Klassifizierung alle Daten verwendet werden. Dabei findet der Algorithmus zu einem gegeben Datenpunkt ähnliche Datenpunkte (Nachbarn). So kann festgestellt werden, zu welcher Klasse der Punkt gehört. Um den Abstand des gegebenen Datenpunkts mit den ähnlichen Datenpunkten zu vergleichen, wird der Euklidischen Abstand verwendet. Diese Methode ist eine Abstandsfunktion und kann den Abstand zwischen zwei Punkten sowohl auf einer Ebene als auch in einem dreidimensionalen Raum, wie bei dem Vergleich der Gleichteile, bestimmen. Dank des k-Nearest-Neighbor Algorithmus‘ und des Euklidischen Abstands können beispielsweise Dokumente automatisch bestimmt, Fertigungsprozesse vorhergesagt oder eben Gleichteile verglichen werden.

Entdecken Sie weitere KI-Potenziale

 

CLAAS setzt auf die Identifizierung von Bauteilen

Der international agierende Landmaschinenhersteller CLAAS GmbH & Co. KGaA erprobt im KI-Marktplatz einen speziellen Use Case für die Integration von KI im Computer Aided Design. Vor dem Hintergrund der stetig steigenden Produktkomplexität und -variantenzahl bietet die Wiederverwendung von Bauteilen eine wichtige Möglichkeit, um Herstell-, Entwicklungs- und Lagerkosten einzusparen.

Mit dem Identifizieren von ähnlichen Bauteilen soll eine kürzere Time-to-Market erreicht werden, da die Konstruktion und Freigabe von Bauteilen beschleunigt wird. Zusätzlich können geringere Kosten durch größere Bestellmengen erzielt werden. Das Identifizieren von gleichen Bauteilen in einer CAD-Datenbank kann zusätzlich dazu führen, dass bereits vorhandene Bauteile entfernt werden können, um so die Datenbank zu bereinigen.

Das könnte Sie auch interessieren

Das Wort Change prangt als weiße Schrift auf schwarzem Grund und spiegelt sich. Es soll den Einsatz von Künstlicher Intelligenz im Change Management darstellen.

Wie Künstliche Intelligenz das Change Management verbessert

Das Change-Management ist in der Produkt- und Dienstleistungsentwicklung von großer Bedeutung. Künstliche Intelligenz kann dabei helfen, Auswirkungen von Änderungen frühzeitig zu identifizieren und Fehler in der Entwicklung zu vermeiden.

Zwei Personen sitzen vor Dokumenten und analysieren Wettbewerbsdaten.

Effiziente Wettbewerbsanalyse unterstützt von KI

KI kann Unternehmen bei der Durchführung einer kontinuierlichen Wettbewerbsanalyse unterstützen, indem sie die Aufbereitung und Recherche von Daten automatisieren und die Interpretation und Visualisierung von Analysen vereinfachen.

Vier Textmarker sind auf weißem Grund zu sehen. Ein blauer, ein lilaner und ein oranger Textmarker sind geschlossen. Ein pinker Textmarker ist geöffnet.

Systementwurf: Dank KI relevante Infos extrahieren

KI kann beim Systementwurf unterstützen, indem sie relevante Informationen aus Prüf- und Testberichten extrahiert und diese für den aktuellen Systementwurf vorselektiert. Dies führt zu einer Verbesserung des Endprodukts und einer Optimierung der Datenqualität und Dokumentation.

Ein Kabelbaum auf organgem Grund.

Automatisierte Konsistenz im E/E Bereich

Erfahren Sie, wie Künstliche Intelligenz bei der Sicherstellung der Konsistenz von Modellen zwischen OEM und Zulieferern helfen kann und welche Vorteile dies bietet.

Ein abstraktes 3D Modell soll ein CAD-Modell darstellen, das bei der Finite-Elemente-Methode benötigt wird.

KI-Unterstützung in der Finite-Elemente-Methode

Erfahren Sie, wie Künstliche Intelligenz in der Finite-Elemente-Analyse eingesetzt werden kann und welche Vorteile dies für Unternehmen bietet.

Eine Person bedient einen Laptop. Auf dem Bildschirm des Laptop ist ein Daten-Diagramm zu sehen.

Field Quality Analytics: KI hilft Produktqualität sicherzustellen

Field Quality Analytics ist ein Ansatz, um Qualitätsprobleme in Produkten zu erkennen und zu beheben. Dabei kann KI eine Unterstützung sein.

Ein Bild eines Diagramms, das die Verbindungen zwischen verschiedenen Konzepten und Ideen in einem Knowledge-Graph darstellt.

Wie ein KI-basierter Knowledge Graph bei Innovationen unterstützt

Künstliche Intelligenz (KI) kann Unternehmen bei der Entwicklung von Innovationen unterstützen, indem sie die Erstellung und Nutzung von Technology Knowledge Graphs vereinfacht.

Viele Zahlenreihen sind zu sehen, ein Teil der Zahlen ist im Fokus, ein anderer Teil unscharf. Durch die Zahlen sollen die KI-Methoden symbolisiert werden, mit denen Anforderungen strukturiert werden können.

KI-unterstützte Strukturierung von Anforderungen

Künstliche Intelligenz kann bei der Strukturierung von textuellen Anforderungen in der Systementwicklung helfen. Erfahren Sie, welche Methoden zum Einsatz kommen.

Mit KI Konkurrenzprodukte analysieren

Künstliche Intelligenz (KI) kann bei der Analyse von Konkurrenzprodukten eine große Hilfe sein, denn sie analysiert schnell und deckt Schwächen und Stärken auf.

Präferenzen und Verhalten von Nutzer:innen mit KI analysieren

Die Analyse von Präferenzen und dem Verhalten von Nutzer:innen hilft Unternehmen bei der Optimierung ihrer Produkten und Dienstleistungen. Wir zeigen Ihnen wie Künstliche Intelligenz dabei helfen kann, die Daten auszuwerten.

Dank KI Anforderungsqualität sicherstellen

Die Zusammenstellung aller Anforderungen beispielsweise an eine Software ist eine komplexe Aufgabe. KI kann dabei Helfen die Qualität von Anforderungen zu überprüfen und somit sicherzustellen.

Anforderungsdokumente automatisiert vergleichen

Möchten Sie im Unternehmen Anforderungsdokumente wie beispielsweise die Rückmeldung von Lieferanten vergleichen, kann dies sehr zeitaufwendig sein. Abhilfe schaffen da Methoden der Künstlichen Intelligenz, wir zeigen Ihnen welche Methoden Ihnen helfen können.