Interpretation von Schaltplänen

Kontext

Ein Schaltplan ist eine grafische Darstellung einer elektrischen Schaltung. Schaltpläne werden beispielsweise für die Stromkreise von Schaltschränken erstellt. Dabei werden die Funktion der einzelnen Bauelemente und deren elektrische Verknüpfungen abstrahiert abgebildet. Die Anordnung oder Gestalt der Bauelemente wird nicht dargestellt. Für die Erstellung von Schaltplänen werden klar definierte und genormte Symbole für die einzelnen Bauelemente und Verschaltung verwendet. Es existieren unterschiedliche Arten von Schaltplänen, wie z. B. Übersichtsschaltpläne oder Stromlaufpläne in aufgelöster oder zusammenhängender Darstellung. In der Praxis stellen die Analyse und Interpretation von bestehenden Schaltplänen mitunter eine zeitaufwändige Aufgabe dar.

Ansatz

Ein Lösungsansatz ist die Nutzung von maschinellen Lernverfahren, konkret die Nutzung von neuronalen Netzwerken. Zunächst wird das entsprechende Schaltplandokument eingelesen. Der Machine Learning-Algorithmus labelt die Funktionen anhand von vorab definierten Klassen. Danach extrahiert der Algorithmus Merkmale, wie z. B. den Klassennamen und Verbindungen zwischen den Schaltplänen, um die Klassen der Schaltpläne zu erlernen. Daraufhin trifft der Machine Learning-Algorithmus eine Vorhersage für die Klassen der Schaltpläne. Abschließend werden die Schnittstellen inklusive aller Informationen an den Nutzer zurückgegeben.

Auswirkung

Die automatische Interpretation von Schaltplandokumenten führt zu einer signifikanten Zeitersparnis für Nutzer. Gleichzeitig wird der Machine Learning-Algorithmus mit Hilfe von manuellen Korrekturen des Nutzers weiter trainiert und optimiert. Auf diese Weise erhöht sich die Qualität des Algorithmus im Zeitverlauf. Um die Vorhersagen von Beginn an mit einer hohen Erfolgsrate treffen zu können, wird jedoch initial eine Vielzahl an Trainingsdaten benötigt.

 

Sie haben Interesse an einer ähnlichen KI-Lösung?

Kontakt aufnehmen