09.08.2016 – Kategorie: Hardware & IT, Technik

Autodesk: Maschinelles Lernen für Bauteilsuche

inventor-2013-profile-deutsch

Autodesk will mit denen von Google vergleichbare Suchfunktionen in die Welt der 3D-Modelle bringen. Dies soll die Arbeit in Konstruktion und Produktentwicklung vereinfachen und beschleunigen. Daran arbeitet Autodesk unter Verwendung von Ideen aus dem maschinellen Lernen und stellt eine Lösung namens Design Graph vor.

Autodesk will mit denen von Google vergleichbare Suchfunktionen in die Welt der 3D-Modelle bringen. Dies soll die Arbeit in Konstruktion und Produktentwicklung vereinfachen und beschleunigen. Daran arbeitet Autodesk unter Verwendung von Ideen aus dem maschinellen Lernen und stellt eine Lösung namens Design Graph vor.

Design Graph ist ein System, das auf Algorithmen für das maschinelle Lernen beruht, um große Mengen von 3D-Designdaten zu extrahieren. Anschließend kategorisiert die Software jede einzelne Komponente und jedes Design, das vom Konstruktionsteam jemals erstellt worden ist, durch Klassifikation und Beziehungen. Daraus soll dann eine Art  lebender Katalog entstehen, der auf die Entwicklungen reagieren und zukünftige Konstruktionen in die Wege leiten kann.

Designer und Konstrukteure durchsuchen einfach all ihre Daten nach einem Bauteiltyp wie ein Niet oder ein Fahrradsattel, und Design Graph gibt hunderte Optionen aus.  

Design Graph könne wertvolle Zeit sparen, doppelte Arbeit eliminieren und kostspielige Fehler reduzieren, meint Mike Haley Sr., Director of Machine Intelligence bei Autodesk.

Mustererkennung und Vorhersagen

In den letzten Jahren haben Fortschritte in der Programmierung und die höhere Rechenleistung der Cloud den Computern nicht nur das Denken, sondern auch das unabhängige Lernen beigebracht: Mustererkennung und Vorhersagen auf der Basis des Gelernten. Und damit mehr als die eingeschränkte Logik, die hineinprogrammiert werden kann. Das maschinelle Lernen verbessert sukzessive die Fähigkeiten von Maschinen und Werkzeugen.

Das Ziel im Falle von Design Graph war, den Computern die Identifikation und das Verständnis von Konstruktionen eher auf der Grundlage ihrer inhaltlichen Charakteristik wie Form und Struktur und weniger aufgrund von irgendwelchen Tags oder Metadaten beizubringen. Denn wer ursprünglich ein Bauteil entworfen hat, kann es auf unzählige Arten benennen. Selbst auf sorgfältig organisierte Metadaten kann man sich nicht immer verlassen. Mit Hilfe von Design Graph nutzt der Rechner seine eigenen Beobachtungen zur 3D-Geometrie, die in jedem 3D-Modell enthalten ist.

Wie es funktioniert

Als Beispiel nennt Autodesk den Entwurf eines Motorrads, für das man ein bestimmtes Getriebe benötigt. Während der Arbeit mit A360 Drive (bald erhältlich für A360) lässt sich Design Graph einsetzen, um basierend auf Name, Form, Kategorie, Eigenschaften oder einer Kombination aus diesen Elementen zu suchen, um das richtige, in den Konstruktionsdaten des Unternehmens schon vorhandene, Konstruktionsmodell des Getriebes ausfindig zu machen.

Identische Konstruktionen werden als ein einziges Objekt angezeigt, während leichte Variationen als unterschiedliche Objekte erscheinen. Man kann sehen, wie oft jedes verwendet wurde. Das bei der Suche gefundene Objekt lässt sich gleich in den gerade bearbeiteten Entwurf einbauen, ohne manuelle Suche im Katalog oder neuen Entwurf.

 

Zusammengestellt aus Material des A360-Blogs, https://blog.a360.autodesk.com/, Lior Gerling.  


Teilen Sie die Meldung „Autodesk: Maschinelles Lernen für Bauteilsuche“ mit Ihren Kontakten:


Scroll to Top