top of page

Case Study

Geometrische Erkennung von Bauteilen

Sekundenschnell tausende Artikel auf Ähnlichkeiten überprüfen

AUSGANGSLAGE

pfeil.png

Die Produktentwicklung in Unternehmen ist vielfach geprägt von Termindruck und den aktuellen Anforderungen an ein Bauteil. Ingenieuren stehen in dieser Situation oft keine geeigneten Instrumente zur Verfügung, um einfach und schnell vorhandene Datenbestände zu sichten und den neu zu konstruierenden Artikel damit abzugleichen. Eine Folge ist, dass ähnliche oder sogar identische Bauteile von Grund auf neu konstruiert werden. Das ist zeitaufwändig und teuer. Ziel des Projekts war es, eine Technologie zu entwickeln, mit der solche Redundanzen vermieden und die Wiederverwendung von Artikeln erhöht werden kann.

KUNDENWERT

pfeil.png
  • Zeit- und Kosteneinsparungen durch die Wiederverwendbarkeit von vorhandenen Bauteilen

  • Sekundenschnelle Identifikation von ähnlichen oder identischen Bauteilen im 3D-CAD

ERKENNTNIS

pfeil.png
  • Gleiche oder ähnliche Bauteile werden identifiziert
    Erkennung von Einsparpotenzialen in Warengruppen

  • Neue Erkenntnisse für das Lieferantenmanagement

INFORMATION

pfeil.png
  • Digitaler «Fingerabdruck» jedes 3D-CAD-Bauteils

  • Transparenz im zeichnungsgebundenen Datenbestand

  • Technische Parameter aller Artikel abrufen (Anzahl Biegungen, Anzahl Innenkonturen, etc.)

DATEN

pfeil.png
  • Es werden keine zusätzlichen Daten generiert, sondern ausschliesslich bereits vorhandene verwendet

  • Native 3D-CAD-Dateien sind die Basis

UMSETZUNG

pfeil.png

3D-CAD-Daten werden einer automatischen Datenauswertung unterzogen (Data-Mining). Jedes Bauteil erhält einen «digitalen Fingerabdruck».

LESSONS LEARNED

pfeil.png

Man kann mit den bereits vorhandenen Daten eines Unternehmens arbeiten. Unternehmensdaten entwickeln ein sehr grosses Potenzial, wenn sie strukturiert und vollständig gespeichert werden.

shc_shc_logo.jpg

Diese Case Study wurde erstellt von Shouldcosting GmbH

Dieser Case könnte Sie auch interessieren

Lagerbewirtschaft mit Machine Learning – Optimierung von Lagerbeständen, Bestellhäufigkeit und Stockouts

bottom of page