Bewertung der Komplexität von Konstruktionsaufgaben

Moderne Ingenieurbüros stehen vor der Herausforderung, die Komplexität von Konstruktionsaufgaben richtig einzuschätzen. Eine universelle, CAD-unabhängige Design-Hochsprache (CAD-HLL) wurde entwickelt, um diese Komplexität zu bewerten. Dies ist entscheidend für die optimale Aufgaben-/Ressourcenzuweisung in Konstruktionsabteilungen sowie zur Unterstützung früher Designentscheidungen. Ein innovativer Ansatz im Rahmen des CAD-HLL-Konzepts nutzt maschinelles Lernen, um die Komplexität von mechanischen Bauteilen abzuschätzen. Das entwickelte Modell zeigt Potenzial zur Effizienzsteigerung und Minimierung von Missverständnissen in Designprozessen, was zukünftige industrielle Anwendungen optimieren könnte.

The concept of a universal and independent CAD modeling language and its implementation in standard operating procedures to overcome the challenges arising from the inconsistency of existing methods and the dependence on proprietary tools in engineering and other design processes already exists. The focus of this research is a conceptual investigation of the complexity of CAD design tasks in the context of a high-level modelling language, CAD-HLL. In this context, existing rule- and machine learning-based building blocks are analyzed using business cases and metrics, and a basic structure has been presented to determine whether an ML-based algorithm can provide more accurate results. The developed ML algorithm is supported by different methods of data preprocessing and hyperparameter optimization to evaluate the complexity of the different parts. The complexity evaluation concept developed within CAD-HLL can be applied not only in design offices but also in R & D, production and maintenance departments and can be used to automatically assign specific tasks according to engineers‘ competencies.