Automatisierte Konsistenz im E/E Bereich

Wie können Unternehmen von Künstlicher Intelligenz profitieren, wenn es darum geht, die Konsistenz von Modellen zwischen OEM (Original Equipment Manufacturer, Hersteller von Originalteilen oder -komponenten für andere Unternehmen) und Zulieferern im Elektrik-/Elektronik-Bereich (E/E) sicherzustellen? Eine Möglichkeit ist die Nutzung von Machine Learning-Verfahren.

Was sind die Herausforderungen zwischen OEM und Zulieferern?

In der Regel werden Änderungen von Modellen bei OEMs und Zulieferern manuell vorgenommen. Beispielsweise entwickelt der OEM einen Kabelbaum für ein Produkt und gibt das Modell an einen Zulieferer weiter. Wenn der Zulieferer Änderungen am Modell vornimmt, muss auch der OEM das Modell manuell anpassen. Dadurch besteht die Gefahr, dass alte Versionen von Modellen verwendet werden und die Daten- und Dokumentenqualität sinkt. Eine automatisierte, konsistente Aktualisierung der Modelle könnte hier Abhilfe schaffen.

Wie kann KI in der Konsistenz im E/E Bereich unterstützen?

Ein Lösungsansatz ist die Verwendung von Merkmalsextraktion zum Auslesen der Modelle bei OEM und Lieferanten. Anschließend können Classifier (wie Support Vector Machines) oder Graph Similarity Algorithmen (wie Similarity Flodding) zum Abgleich der Modelle eingesetzt werden. Durch die Nutzung von KI-Methoden können Änderungen direkt und automatisiert kommuniziert werden und das Arbeiten mit alten Versionen von Modellen wird verhindert.

Die KI-Methoden kurz erklärt:

  • Feature Extraction: Feature Extraction ist ein Verfahren, bei dem wichtige Merkmale oder Eigenschaften aus einem Datensatz extrahiert werden. Im beschriebenen Fall werden die Modelle von OEM und Lieferanten ausgelesen und wichtige Eigenschaften wie die Anordnung von Kabeln oder die verwendeten Bauteile werden extrahiert.
  • Classifier: Classifier sind maschinelles Lernverfahren, die Daten in verschiedene Klassen oder Kategorien einteilen. Im beschriebenen Fall könnten Classifier verwendet werden, um zu bestimmen, ob zwei Modelle identisch sind oder nicht. Eine spezielle Art von Classifier, die im Text genannt wird, ist die Support Vector Machine (SVM). SVMs sind eine Art von Supervised Learning-Algorithmus, der zur Klassifikation von Daten verwendet wird.
  • Graph Similarity Algorithmen: Graph Similarity Algorithmen sind Verfahren, die die Ähnlichkeit von Graphen (also von Netzwerken) messen. Im beschriebenen Fall könnten Graph Similarity Algorithmen verwendet werden, um die Ähnlichkeit von Modellen von OEM und Lieferanten zu bestimmen. Eine spezielle Art von Graph Similarity Algorithmus, die im Text genannt wird, ist der Similarity Flooding Algorithmus. Der Similarity Flooding Algorithmus vergleicht die Struktur von Graphen und versucht, ähnliche Strukturen zu identifizieren.

Die KI-unterstützte Konsistenz im E/E Bereich zwischen OEM und Zulieferern bietet erhebliche Vorteile in der Prozessperformance. Der E/E Bereich umfasst alle elektrischen und elektronischen Komponenten und Systeme, die in einem Produkt oder einer Maschine verwendet werden, wie z. B. Steuerungen, Sensoren, Aktoren und Leitungen. Im E/E Bereich werden auch die Software und die Firmware entwickelt, die für die Steuerung und Überwachung dieser Komponenten und Systeme erforderlich sind. Der E/E Bereich spielt somit eine wichtige Rolle bei der Entwicklung von Produkten und Maschinen und trägt maßgeblich zu deren Funktionsfähigkeit bei.

Allerdings ist der Aufwand für die Erstellung oder Nutzung von AP’s und die Ausarbeitung der Lösungssystematik nicht zu unterschätzen.

Für mehr Anwendungsbeispiele und individuelle KI-Lösungen für Ihr Unternehmen besuchen Sie unsere Plattform.

Zur Plattform

 

You may also be interested in

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 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.

Analyzing user preferences and behavior with AI

The analysis of user preferences and behavior helps companies optimize their products and services. We show you how Artificial Intelligence can help to analyze the data.

Ensuring quality of requirements thanks to AI

The compilation of all requirements for software, for example, is a complex task. AI can help to check and thus ensure the quality of requirements.

Compare requirements documents automatically

If you want to compare requirements documents in the company, such as feedback from suppliers, it can be very time-consuming. Artificial Intelligence methods can help. We will show you which methods can help you.

Artificial Intelligence in Quality Assurance

With the help of a systematic analysis, defects in a product can be detected at an early stage. Artificial Intelligence methods can support such an analysis in quality assurance.