Mit Engineering-KI schneller, günstiger und nachhaltiger
zu robusten Produkten
Wie kann KI bei der Produktentwicklung unterstützen, wenn noch wenige Daten vorliegen? Mit einer Engineering-KI, die nur kleine Anlernstichproben benötigt (6-50 Bauteile), und einer Methode, die systematisch die Daten für eine valide Anlernstichprobe identifiziert, lassen sich Anlaufzeit und -kosten in der Produktentwicklung halbieren.
Engineering-KI als Wettbewerbsvorteil bei der Entwicklung neuer Produkte
Die Produktentwicklung steht zunehmend unter Druck: Kürzere Innovationszyklen, steigende Anforderungen an Qualität und Nachhaltigkeit, Kostendruck sowie Fachkräftemangel verlangen nach neuen Ansätzen. Künstliche Intelligenz kann hier helfen, wenn sie bereits auf Basis weniger tatsächlicher Daten funktioniert, da große Datenmengen in der Produktentwicklung meist noch nicht vorliegen.
Herausforderungen in der Produktentwicklung
Gerade in der frühen Entwicklungsphase von Maschinenbauprodukten ist die Datengrundlage begrenzt. Dennoch müssen kritische Qualitätsmerkmale abgesichert, Entwicklungszeiten verkürzt und Risiken beherrscht werden. Typische Herausforderungen:
- Fehlende Transparenz über Einflussgrößen und Wirkzusammenhänge
- Lange und kostenintensive Anläufe bis zur Serienreife
- Hohe Risiken in Bezug auf Qualität und Lebensdauer
- Hoher Ausschuss und Nacharbeit in frühen Fertigungsphasen
Klassische Ingenieurmethoden stoßen hier an ihre Grenzen, wenn die Zahl der möglichen Einflussfaktoren und Qualitätsanforderungen zu groß ist. Aber auch Machine Learning, wenn es auf Künstlichen Neuronalen Netzwerken fußt, ist oft nicht geeignet. Denn es benötigt zum Anlernen große Datenmengen („Big Data“) und birgt die Gefahr, dass Scheinkorrelationen entstehen, die das Ergebnis verfälschen. Es bedarf neuer Ansätze, die bereits mit kleinen, gezielt erhobenen Datenmengen präzise und belastbare Aussagen ermöglichen.
Engineering-KI: Produkt-Entwicklung auf Basis smarter Datennutzung
Das speziell für das Engineering entwickelte KI-System Analyser® kann bereits auf Basis kleiner Anlernstichproben Vorhersagemodelle erstellen und genaue Angaben zur Produktauslegung liefern, um Überraschungen zu vermeiden.
Mit einer gezielten Kombination aus der Engineering-KI und der Methode „Robust Design“ wird es möglich, bereits in frühen Phasen der Produktentwicklung valide Vorhersagemodelle aufzubauen, auch bei hunderten Qualitätsmerkmalen und einer vierstelligen Anzahl an Einflussfaktoren. Statt auf große (historische) Datenmengen angewiesen zu sein, genügen gezielte Anlernstichproben mit 10 bis 30 Datensätzen, um:
- wesentliche Einflussgrößen systematisch zu identifizieren und zu priorisieren
- komplexe Wirkzusammenhänge zwischen Parametern und Qualitätsmerkmalen aufzudecken
- optimale Einstellungen („Best Settings“) für Produktmerkmale und Toleranzen zu bestimmen.
Die Besonderheit: Statt auf Big Data setzt das Engineering-KI-System mit einem international patentierten Algorithmus auf „Smart Data“ – also wenige Daten aus relevanten Anlernstichproben. Auf dieser Basis erstellt der Analyser® schon in der Entwicklung valide Vorhersagemodelle, sagt die Qualität und Zuverlässigkeit über Lebensdauer voraus und errechnet die Best Settings für die Parametrierung und Tolerierung der Produkte und Design-Merkmale (und später auch der Prozesse).
