{"id":732,"date":"2020-07-07T15:38:21","date_gmt":"2020-07-07T13:38:21","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/stec\/?post_type=projects&p=732"},"modified":"2023-03-10T14:07:26","modified_gmt":"2023-03-10T13:07:26","slug":"neurocad-intelligentes-cad-bauteile-assessment","status":"publish","type":"projects","link":"https:\/\/s-tec.de\/en\/projects\/neurocad-intelligentes-cad-bauteile-assessment\/","title":{"rendered":"NeuroCAD: Intelligentes CAD-Bauteile-Assessment"},"content":{"rendered":"\n\n
\n
\n
\n
\"Assessment
\u00a9 Fraunhofer IPA<\/figcaption><\/figure>\n<\/div><\/div>\n\n\n\n

Fr\u00fchzeitige Bewertung montagerelevanter Eigenschaften<\/h4>\n\n\n\n

Ziel des Projekts NeuroCAD ist es, Methoden der K\u00fcnstlichen Intelligenz (KI)<\/a> zur Verbesserung der Produzierbarkeit zu nutzen. Insbesondere sollen durch intelligentes CAD-Bauteile-Assessment die wirtschaftliche Montage einer Konstruktion ermittelt und relevante Bereiche markiert werden. So erm\u00f6glicht es NeuroCAD, montagerelevante Eigenschaften bereits w\u00e4hrend der Konstruktionsphase zu bewerten.<\/p>\n\n\n\n

NeuroCAD Entscheidungen durch xAI visualisieren<\/h4>\n\n\n\n

NeuroCAD ist bereits in der Lage eine F\u00fclle von einfachen CAD-Bauteilen korrekt zu bewerten. Allerdings ist nicht gekl\u00e4rt, welche Bereiche f\u00fcr die jeweilige Bewertung verantwortlich sind. Dieses Problem soll im Rahmen des Exploring Projects gel\u00f6st werden. Ausgehend davon k\u00f6nnen Konstruierende die Bauteile ad\u00e4quat anpassen und gleichzeitig die Qualit\u00e4t und Zuverl\u00e4ssigkeit der trainierten neuronalen Netze gew\u00e4hrleisten.<\/p>\n\n\n\n

Bewerten der Montierbarkeit durch KI <\/h4>\n\n\n\n

Im Rahmen des Exploring Projects lag der Fokus auf den Ans\u00e4tzen der explainable AI (xAI). Das Ziel ist hierbei die Methoden der xAI, namentlich der Sensitivit\u00e4tsanalyse und der Layer-wise Relevance Propagation (LRP), f\u00fcr NeuroCAD umzusetzen. Die Herausforderung lag darin, diese Methoden auf den dreidimensionalen Anwendungsfall zu erweitern und eine geeignete Visualisierungstrategie der Ergebnisse auszuarbeiten. Mithilfe dieser Verfahren konnten die Projektpartner jene Bereiche sichtbar machen, die f\u00fcr die KI bei der Entscheidungsfindung von Interesse gewesen sind.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Projektablauf<\/h4>\n\n\n\n

Die Durchf\u00fchrung des Projekts erfolgte in mehreren Schritten. Zun\u00e4chst erweiterten die Projektpartner den bestehenden Datensatz durch zus\u00e4tzliches Fachwissen. Die Basis f\u00fcr das zu trainierende neuronale Netz bildeten diese Daten. Parallel hierzu erfolgte die Adaption der xAI Methoden (Sensitivit\u00e4tsanalyse und LRP) auf den dreidimensionalen Anwendungsfall. Abschlie\u00dfend wurden die Entscheidungen des Netzes mithilfe der xAI Tools analysiert. Die Ergebnisse des CAD-Bauteile-Assessment wurden abschlie\u00dfend gerendert und visualisiert.<\/p>\n<\/div>\n\n\n\n

\n
\n\n
\n

Ihr Kontakt<\/p>\n\n\n\t\t\t

\r\n\t\t\t

\r\n\t\t\t\t\t M.Sc. Raoul Sch\u00f6nhof<\/span>
\r\n\t\t\t\t\t\t Phone +49 711 970-1843<\/span>
\r\n\t\t\t\t\t\t Send email<\/a><\/span>

\r\n\t\t\t\t\t\t <\/p>\r\n\t\t\t\t\t\t\t<\/div>\r\n\t\t<\/div>\n\n\n\n

\n

Weitere Informationen<\/p>\n\n\n\n

\n