Assistenzsystem zur Unterstützung der datengetriebenen Produktentwicklung

Files
14597_Kuestner_Diss_MB_353.pdf (5.17 MB)
Diss. Reihe Maschinenbau, Band 353

Language
de
Document Type
Doctoral Thesis
Issue Date
2020-09-28
Issue Year
2020
Authors
Küstner, Christof
Editor
Franke, Jörg
Hanenkamp, Nico
Merklein, Marion
Schmidt, Michael
Wartzack, Sandro
Publisher
FAU University Press
ISBN
978-3-96147-349-6
Abstract

Digital transformation, along with globalization, is a major challenge for companies today. In this change, engineers are challenged with new requirements on technical products and constantly increasing product complexity. Despite the diverse methodologies and tools available to engineers, it is often not possible to identify the root causes for deviating product properties, which prevents or at least makes it more difficult for virtual assurance of product properties in product development. In recent years, methods from the field of machine learning have found their way into product development. Machine learning methods enable the identification of correlations and trends in large data sets. On the one hand, however, product developers lack the methodological competence to develop and conduct analyses using machine learning methods. On the other hand, knowledge is required for data preparation and contextualization of the identified patterns. In this work, a concept for a knowledge‐based engineering assistance system to support data‐driven product development and its implementation is presented. By utilizing machine learning methods and their integration into existing product development processes, the potential of data‐driven analyses in the context of product properties assurance is revealed.

Abstract

Der digitale Wandel stellt neben der Globalisierung heutzutage eine große Herausforderung für Unternehmen dar. Die Ingenieure sind in diesem Wandel mit neuen Anforderungen an die technischen Produkte und stetig steigender Produktkomplexität konfrontiert. Trotz der vielseitigen Methoden und Werkzeuge, die den Ingenieuren zur Verfügung stehen, können häufig die Einflüsse auf abweichende Produkteigenschaften nicht benannt werden, wodurch die virtuelle Eigenschaftsabsicherung in der Produktentwicklung verhindert oder zumindest erschwert wird. In den vergangenen Jahren haben Methoden aus dem Bereich des maschinellen Lernens ihren Weg in die Produktentwicklung gefunden. Die maschinellen Lernmethoden ermöglichen die Identifikation von Zusammenhängen und Tendenzen in großen Datensätzen. Allerdings fehlt den Produktentwicklern zum einen die Methodenkompetenz zur Entwicklung und Durchführung von Analysen mittels maschineller Lernmethoden. Zum anderen ist Wissen zur vorangestellten Datenaufbereitung und zur Kontextualisierung der identifizierten Muster notwendig. In der vorliegenden Arbeit wird ein Konzept für ein wissensbasiertes Assistenzsystem zur Unterstützung der datengetriebenen Produktentwicklung und dessen Umsetzung vorgestellt. Mithilfe von maschinellen Lernmethoden und deren Integration in bestehende Produktentwicklungsprozesse wird das Potential der datengetriebenen Analysen im Kontext der Eigenschaftsabsicherung offengelegt.

Series
FAU Studien aus dem Maschinenbau
Series Nr.
353
Citation
Notes
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-348-9
Faculties & Collections
Zugehörige ORCIDs