Assistenzsystem zur Unterstützung der datengetriebenen Produktentwicklung

Engineering assistance system to aid data-driven product development

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-145972
  • 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 maschinellenDer 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.show moreshow less
  • 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 dataDigital 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.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Christof KüstnerORCiD
Persistent identifiers - URN:urn:nbn:de:bvb:29-opus4-145972
Persistent identifiers - DOI:https://doi.org/10.25593/978-3-96147-349-6
ISBN:978-3-96147-349-6
Series (Volume number):FAU Studien aus dem Maschinenbau (353)
Publisher:FAU University Press
Place:Erlangen
Editor:Jörg Franke, Nico Hanenkamp, Marion Merklein, Michael Schmidt, Sandro Wartzack
Referee:Sandro Wartzack, Klaus‐Dieter Thoben
Advisor:Sandro Wartzack
Document Type:Doctoral Thesis
Language:German
Year of publication:2020
Date of online publication (Embargo Date):2020/09/24
Publishing Institution:FAU University Press
Granting institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Acceptance date of the thesis:2020/06/26
Release Date:2020/09/28
Tag:Data-Mining; Datengetriebene Produktentwicklung; Eigenschaftsabsicherung; Machine Learning; Produktgenerationen; Wissensbasiertes Assistenzsystem; produktbeschreibende Daten
SWD-Keyword:Produktentwicklung; Assistenzsystem; Produktlebenszyklus; Maschinelles Lernen; Datenanalyse; Wissen; Assoziationsanalyse; Windenergie; Ingenieurwissenschaften; Maschinenbau; Produktionstechnik
Length/size:xii, 219 Seiten
Notes:
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-348-9
Original publication:mb.fau.de/diss
Institutes:Technische Fakultät / Department Maschinenbau
Technische Fakultät / Department Maschinenbau / Lehrstuhl für Konstruktionstechnik (KTmfk)
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 006 Spezielle Computerverfahren
6 Technik, Medizin, angewandte Wissenschaften / 60 Technik / 600 Technik, Technologie
6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften / 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
6 Technik, Medizin, angewandte Wissenschaften / 65 Management, Öffentlichkeitsarbeit / 658 Allgemeines Management
open_access (DINI-Set):open_access
Collections:Universität Erlangen-Nürnberg / FAU University Press
Licence (German):Creative Commons - CC BY-NC - Namensnennung - Nicht kommerziell 4.0 International
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.