Logo

CLAAS

Integration von KI in Computer Aided Design (CAx)

Künstliche Intelligenz hat das Potential die Art und Weise wie gearbeitet und gewirtschaftet wird grundlegend zu verändern. Dieses Potential hat CLAAS GmbH & Co. KGaA, ein international agierender Landmaschinenhersteller, erkannt und erprobt im KI-Marktplatz einen speziellen Use Case für die Integration von KI in Computer Aided Design (CAx).

Vor dem Hintergrund der stetig steigenden Produktkomplexität und -varianten spielt die Wiederverwendung von Bauteilen eine große Rolle, um Herstell-, Entwicklungs- und Lagerkosten einzusparen. Die Suche nach Gleichteilen ist jedoch eine große Herausforderung, da diese oft im projektspezifischen Kontext entwickelt worden sind und somit nicht für die Wiederverwendung als Standardteil bedacht wurden. Ferner können Gleichteile oft nicht gefunden werden, da die Stammdaten nicht korrekt gepflegt sind.

Intelligentes Gleichteilemanagement

Aus diesem Grund wird in dem Projekt „KI-Marktplatz“ ein intelligentes Gleichteilemanagement konzipiert und prototypisch umgesetzt. Ausgehend von einer Merkmalsextraktion werden CAD-Modelle zunächst anhand ihrer Geometrie, später auch hinsichtlich Funktion, klassifiziert und fehlende Stammdaten bzw. weitere Meta-Daten ergänzt. Die so entstehende Wissensdatenbank ermöglicht es KI-Verfahren wie das Case Based Reasoning (CBR) zu verwenden und Gleichteile basierend auf Geometrie und im Hinblick auf ihrer Funktionalität zu identifizieren. Entsprechend des CBR-Zyklus muss zunächst die ausgehende Problemstellung beschrieben werden, worauf auf ähnliche Problemstellungen hingewiesen wird. Diese können wiederverwendet werden aber auch angepasst oder abgelehnt werden. Das Wissen über Wiederverwendung, Anpassung oder Ablehnung wird genutzt um die Leistungsfähigkeit des Systems zu verbessern.

Ziel ist es somit zunächst die Teileanzahl in der Bestandsdatenbank zu reduzieren. In einem weiteren Schritt können dann die Entwickler schon während der Konstruktion potentielle Gleichteile vorgeschlagen werden aber auch Evolutionsstufen vorgeschlagen werden, die den Aufwand der Konstruktion verringert. Somit sollen zukünftig Kosten, die durch Gleichteile verursacht werden, reduziert werden.

Projekte

DN_Logo_V_CMYK

Diebold Nixdorf

Wie können Service-Techniker optimal unterstützt werden? Dieser Frage widmet sich ein Pilotprojekt von Diebold Nixdorf Systems gemeinsam mit dem Fraunhofer IOSB-INA. Ziel ist es, eine KI-Anwendung zu entwickeln, die Service- und Sensordaten von Geldautomaten aus dem Feld ausliest und analysiert. Darauf aufbauend sollen differenzierte Reparaturanweisungen für Servicetechniker generiert werden. Als Datenbasis dient eine existierende Serviceplattform.

Mehr erfahren
ubermetrix

Ubermetrics

Ziel des Projektes von Ubermetrics ist eine KI-Anwendung, die relevante Informationen aus unstrukturierten oder semi-strukturierten Texten (z.B. Onlinebewertungen, Beschwerde-Emails, Serviceberichte, Reklamationsreports) extrahiert, analysiert und einem Entwickler systematisch verfügbar macht. Die Anwendung kann beispielsweise im Rahmen der gezielten Optimierung von Systemkomponenten genutzt werden.

Mehr erfahren
Düspohl

düspohl

In diesem Projekt soll ein Einrichtprozess in einem automatisierten Fertigungsprozess mithilfe von KI optimiert werden und das bisher noch manuelle „Einteachen“ ablösen. Darüber hinaus soll die voraussichtliche Herstellbarkeit neuer Produktspezifikationen automatisiert beurteilt werden können. Dieses Pilotprojekt wird von düspohl Maschinenbau GmbH und dem Fraunhofer IEM vorangetrieben.

Mehr erfahren
Westaflex_RGB-1-1024×156

Westaflex

Im Fokus des Projektes von Westaflex mit dem Fraunhofer IEM steht eine KI-Anwendung, mit deren Hilfe die Reihenfolgenplanung von Fertigungsaufträgen optimiert wird. Dazu sollen Echtzeitdaten aus der Produktionssteuerung sowie von Maschinen ausgewertet werden, um Hinweise für die optimalen Maschinenbelegungen zu extrahieren.

Mehr erfahren
Hella_Aglaia

Hella Aglaia

Schild, Baum oder Mensch? Damit selbständig fahrende Autos ihre Umgebung wahrnehmen können, müssen große Bild- und Videodaten ausgewertet und Objekte wie Schilder, Bäume oder Fußgänger präzise gekennzeichnet werden. Mit den markierten Daten wird ein Algorithmus trainiert, der beim autonomen Fahren zum Einsatz kommt. Ziel des Projektes mit Hella Aglaia und dem Fraunhofer IEM ist eine Lösung zur Analyse und Annotation von Video-Daten sowie dem Training und der Validierung von neuronalen Netzen für KI-Anwendungen.

Mehr erfahren
Hella_Gutmann_Solutions

Hella Gutmann

Derzeit setzt die Fahrzeugdiagnose in einer Werkstatt umfassende KFZ-Kenntnisse voraus und ist mit einem umfangreichen Arbeitsaufwand verbunden. Ziel von Hella Gutmann ist es daher, eine KI-Anwendung zur KI-gestützten Diagnose und Identifikation potentiell defekter KFZ-Bauteile auf Grundlage historischer Fahrzeugdaten (z.B. Fehlercodes, Sensormesswerte und KM-Stände) zu entwickeln und dabei eine weitere Vielzahl an Datenquellen (z.B. Rechnungsdaten, Reparaturinformationen etc.) zu integrieren.

Mehr erfahren