Künstliche Intelligenz für Bauteil-Nesting

Bild: CT CoreTechnologie GmbH

Die neue Version des 3D-Printing-Tool 4D_Additive nutzt erstmals Algorithmen der künstlichen Intelligenz, um beim Nesting im Sinne der optimalen Wärmeverteilung eine gleichmäßige Anordnung der Bauteile im Bauraum zu gewährleisten. Die neue Nesting-Funktion der renommierten Software 4D_Additive von CoreTechnologie bedient sich erstmals der künstlichen Intelligenz (KI) zur Automatisierung intelligenten Verhaltens und maschinellen Lernens. So bildet die neue Technologie bestimmte Entscheidungsstrukturen des Menschen nach und der Computer bearbeitet aufgrund der Programmierung eigenständig aufwendige Aufgaben im Bereich der Bauteil-Anordnung.

Das Nesting-Modul der neusten 4D_Additive-Software-Version ist mit der ‚Pack and Optimize‘-Strategie in der Lage, sowohl für eine maximale Füllung des Bauraums sowie für eine gleichmäßige Verteilung der zu druckenden Masse und damit für möglichst konstante Slice-Flächen zu sorgen. Hierbei nutzt das fortschrittliche Programm die KI-Technologie und ahmt das Verhalten eines erfahrenen Anwenders nach, indem nach der Vorpositionierung gezielt leere Stellen im Bauraum automatisch gefüllt werden. Dies hat den Vorteil, dass auch nicht maximal bestückte Bauräume gleichmäßig und ohne sogenannte Wärme-Nester bestückt werden. Die Druckerergebnisse sind durch die gleichmäßige Verteilung der Bauteile maximal optimiert. Über das intelligente Nesting hinaus stehen weitere Funktionen zur Optimierung der Wärmeverteilung innerhalb der Bauteile zur Verfügung. Durch eine Analyse zur Ermittlung sogenannter massiven Zonen werden problematische Bereiche mit viel Materialvolumen grafisch gut sichtbar dargestellt. Diese Zonen können mit der Holllow- und Lattice-Funktion mit wenigen Mausklicks ausgehöhlt und bei Bedarf mit einer internen Stützstruktur verstärkt werden. Um überschüssiges Pulver aus dem Innern der ausgehölten Bauteile zu entfernen, können Löcher und die passenden Deckel automatisch erzeugt werden. Für die Aufbereitung von 3D-Druckdaten verfügt das Tool 4D_Additive über CAD-Daten-Schnittstellen aller B-Rep-Nativ- und Standardformate sowie die gängigen 3D-Printing-Formate wie STL und 3mf.

Thematik: Technologie
CT CoreTechnologie GmbH

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige