NeuroCAD: Intelligentes CAD-Bauteile-Assessment

Assessment von CAD Bauteile: Umsetzung von Explainable AI für CAD
© Fraunhofer IPA

Frühzeitige Bewertung montagerelevanter Eigenschaften

Ziel des Projekts NeuroCAD ist es, Methoden der Künstlichen Intelligenz (KI) 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 ermöglicht es NeuroCAD, montagerelevante Eigenschaften bereits während der Konstruktionsphase zu bewerten.

NeuroCAD Entscheidungen durch xAI visualisieren

NeuroCAD ist bereits in der Lage eine Fülle von einfachen CAD-Bauteilen korrekt zu bewerten. Allerdings ist nicht geklärt, welche Bereiche für die jeweilige Bewertung verantwortlich sind. Dieses Problem soll im Rahmen des Exploring Projects gelöst werden. Ausgehend davon können Konstruierende die Bauteile adäquat anpassen und gleichzeitig die Qualität und Zuverlässigkeit der trainierten neuronalen Netze gewährleisten.

Bewerten der Montierbarkeit durch KI

Im Rahmen des Exploring Projects lag der Fokus auf den Ansätzen der explainable AI (xAI). Das Ziel ist hierbei die Methoden der xAI, namentlich der Sensitivitätsanalyse und der Layer-wise Relevance Propagation (LRP), für 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 für die KI bei der Entscheidungsfindung von Interesse gewesen sind.

Projektablauf

Die Durchführung des Projekts erfolgte in mehreren Schritten. Zunächst erweiterten die Projektpartner den bestehenden Datensatz durch zusätzliches Fachwissen. Die Basis für das zu trainierende neuronale Netz bildeten diese Daten. Parallel hierzu erfolgte die Adaption der xAI Methoden (Sensitivitätsanalyse und LRP) auf den dreidimensionalen Anwendungsfall. Abschließend wurden die Entscheidungen des Netzes mithilfe der xAI Tools analysiert. Die Ergebnisse des CAD-Bauteile-Assessment wurden abschließend gerendert und visualisiert.

Gefördert durch

BW_Ministerium_MWAW