Visual-Analytics-Cockpit für die Fertigungsindustrie
Interaktive Visual-Analytics-Cockpit erleichtert Ingenieuren die Wahl einer geeigneten Produktvariante angesichts kollidierender Zielkriterien wie Kosten und Effizienz. Wir zeigen anhand von simulierten Elektromotoren, wie sich mit individuellen Einstellungen die besten Designkandidaten schnell eingrenzen lassen: Welche Topologie entspricht am besten der Spezifikation? Welche Effizienz ist zu welchen Kosten machbar? So gelangt man auf einem transparenten Weg zum optimalen Kompromiss.
Machine@Hand/ Plant@Hand
Machine@Hand ist ein intuitives 3D/VR-Autorenwerkzeug. Es ermöglicht Ihnen komplexe, schwierige und gefährliche technische Tätigkeiten am virtuellen Zwilling in einer geschützten VR-Umgebung zu erklären und zu trainieren.
Plant@Hand3D ist eine Leitstandlösung für die Produktionsüberwachung. Sie integriert Daten aus verschiedenen Systemen und visualisiert sie anhand eines 3D-Modells der Fertigungsanlagen.
MARQUIS
MARQUIS ist ein System für eine nutzergeführte Qualitätsabsicherung in der Produktion, welche Technologien der Augmented Relaity und des maschinellen Lernens eng miteinander verknüpft. Dabei können Prüfmerkmale eines Produktaufbaus mittels einer mobilen Einheit anhand einer CAD Spezifikation des Prüfaufbaus interaktiv überprüft werden. Der Nutzer wird durch diverse Prüfschritte geführt und klassifiziert die Prüfmerkmale in i.O./n.i.O. über speziell antrainierte Objektdetektionsverfahren. Hier werden zum Training modellbasierte, vollsynthetische Daten herangezogen, die es ermöglichen auf aufwändiges Labelling und Annotieren der Bilddaten für eine Klassifikation zu verzichten. Dabei erfolgt eine Erkennung von Prüfmerkmalen nach Lage, Vollständigkeit und Variante. Der Nutzer erhält dadurch die Möglichkeit entweder manuell oder in einem voll-automatisierten Vorgang eine Klassifizierung durchzuführen.
Informierte Entscheidungen für Produktentwicklung und Betriebsprozesse
Mit der interaktiven Analyse verschiedener Produktvarianten erleichtern wir Ingenieurinnen und Ingenieuren die Auswahl der besten Optionen angesichts mehrerer kollidierender Zielkriterien wie Kosten und Effizienz. Wir zeigen anhand von simulierten Elektromotoren, wie sich mit individuellen Einstellungen die besten Designkandidaten schnell eingrenzen lassen.