-
Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zur Konstruktion eines Bauteils, insbesondere eines technischen Bauteils.
-
Unter einem computerimplementierten Verfahren soll im Rahmen der vorliegenden Erfindung insbesondere verstanden werden, dass das Verfahren mittels eines Computers ausgeführt wird. Der Computer kann beispielsweise einen digitalen Datenspeicher und einen Prozessor umfassen. Im digitalen Datenspeicher können Instruktionen gespeichert sein, die bei ihrer Ausführung durch den Prozessor den Prozessor dazu veranlassen, das computerimplementierte Verfahren auszuführen.
-
Computerimplementierte Verfahren zur Konstruktion von Bauteilen, insbesondere von technischen Bauteilen, welche Entwickler und Ingenieure bei der Konstruktion unterstützen, sind aus dem Stand der Technik in zahlreichen Ausführungsformen bekannt. Dabei kommen unterschiedliche softwarebasierte Bauteilsimulationsumgebungen, wie zum Beispiel CAD-Systeme, CAE-Systeme oder Finite-Elemente-Modelle (kurz: FEM), zum Einsatz. Computerimplementierte Verfahren zur Konstruktion von Bauteilen, insbesondere von technischen Bauteilen, die bereits Methoden der künstlichen Intelligenz (kurz: KI), insbesondere Methoden des maschinellen Lernens, nutzen, sind aus dem Stand der Technik ebenfalls bekannt. Beispiele hierfür liefern die
US 2020/0356011 A1 sowie die
US 2022/187847 A1 .
-
Wenn Ingenieure und Entwickler ihre eigenen Konstruktionslösungen oder die Konstruktionslösungen anderer bewerten, tun sie dieses zumeist auch in Form einer subjektiven Bewertung des Konstruktionsentwurfs. So sprechen sie über die Konstruktionslösungen, beschreiben sie, erläutern sie und tauschen ihre möglichen Bedenken aus.
-
Es sind zwar aus dem Stand der Technik bereits KI-basierte Methoden bekannt, welche versuchen, subjektive Konstruktionsbewertungen zu erfassen, aber alle wandeln diese subjektiven Konstruktionsbewertungen in analytische Metriken um. Diese analytischen Metriken werden in der Fachwelt häufig auch als Schlüsselkennzahlen (englisch: „Key Performance Indicators“, KPI) bezeichnet. Eine derartige Umwandlung subjektiver Bewertungen einer Konstruktionslösung in analytische Metriken hat sich in der Praxis jedoch als sehr schwierig und suboptimal erwiesen, da die analytischen Schlüsselkennzahlen die gesamte subjektive Bewertung eines menschlichen Ingenieurs nicht vollständig erfassen. Daher ist es in der praktischen Anwendung suboptimal, die Konstruktion eines Bauteils, die durch eine softwarebasierte Bauteilsimulationsumgebung unterstützt wird, ausschließlich mithilfe von Schlüsselkennzahlen zu bewerten. Ein Teil der Konstruktion eines Bauteils ist in der Praxis aus Sicht des Konstrukteurs nämlich rein subjektiv. Der Konstrukteur hat dabei seine eigene Intuition, seine eigenen Ideen und folgt diesen. Ein und dieselbe Konstruktionslösung kann von mehreren Konstrukteuren aufgrund unterschiedlicher Bewertungen und Erwartungen subjektiv ganz unterschiedlich bewertet werden, so dass daraus auch unterschiedliche Schlüsselkennzahlen resultieren. Die Verwendung derartiger Schlüsselkennzahlen erweist sich daher für praktische Konstruktionszwecke als nicht zuverlässig genug.
-
Die vorliegende Erfindung macht es sich zur Aufgabe, ein computerimplementiertes Verfahren zur Konstruktion eines Bauteils, insbesondere eines technischen Bauteils, zur Verfügung zu stellen, welches die Konstruktion des Bauteils auf einfache und intuitive Weise unterstützt.
-
Die Lösung dieser Aufgabe liefert ein computerimplementiertes Verfahren zur Konstruktion eines Bauteils, insbesondere eines technischen Bauteils, mit den Merkmalen des Anspruchs 1. Die Unteransprüche betreffen vorteilhafte Weiterbildungen der Erfindung.
-
Bei einem erfindungsgemäßen computerimplementierten Verfahren zur Konstruktion eines Bauteils, insbesondere eines technischen Bauteils, werden ein maschineller Lernverstärkungsagent, der dazu ausgebildet ist, eine Lernverstärkungsfunktion auszuführen, ein Konstruktionszielgenerator, der dazu ausgebildet ist, eine Konstruktionszielvorgabe zu erzeugen, ein Belohnungsgenerator, der dazu ausgebildet ist, eine Belohnungsfunktion auszuführen, und eine Bauteilsimulationsumgebung, die dazu ausgebildet ist, das Bauteil in einem Bauteilmodell zu simulieren, bereitgestellt. Das Verfahren umfasst ferner die Schritte:
- - Schritt S1, S1 `: die Konstruktionszielvorgabe des Bauteils wird mithilfe des Konstruktionszielgenerators auf Basis von Sprach- und/oder Texteingaben zumindest eines Benutzers mithilfe eines computerlinguistischen Modells, welches dazu ausgebildet ist, die Sprach- und/oder Texteingaben zu verarbeiten, verbal generiert und dem Belohnungsgenerator zur Verfügung gestellt,
- - Schritt S2, S2`: der maschinelle Lernverstärkungsagent führt eine Aktion aus und ändert dabei zumindest einen Parameter des Bauteils in der Bauteilsimulationsumgebung und gelangt dadurch in einen neuen Zustand,
- - Schritt S3, S3`: der Ist-Zustand der Konstruktion des Bauteils wird verbal bewertet,
- - Schritt S4, S4`: auf Basis der verbalen Bewertung des Ist-Zustands der Konstruktion des Bauteils wird mittels des Belohnungsgenerators eine Belohnung erzeugt, die dem maschinellen Lernagenten zur Verfügung gestellt wird,
- - die Schritte S2, S2' bis S4, S4` werden wiederholt, bis die Konstruktionszielvorgabe erreicht ist.
-
Das erfindungsgemäße Verfahren geht von der Idee aus, eine subjektive Gestaltung eines Bauteils, insbesondere eines technischen Bauteils, und die Bewertung der Konstruktion des Bauteils, welches aus einem oder mehreren Bauteilkomponenten bestehen kann, verbal und somit ausschließlich durch die menschliche Sprache als besonders intuitive Kommunikationsschnittstelle vorzunehmen. Die menschliche Sprache ist eine einzigartige Möglichkeit, die es den Konstrukteuren ermöglicht, ihre Intuitionen, Bedenken hinsichtlich Kosten, Herstellung, Haltbarkeit, Montage oder dergleichen für eine bestimmte Konstruktionslösung vollständig zu beschreiben. Der Benutzer (Konstrukteur) formuliert ein bestimmtes Entwurfsziel durch Spracheingaben und/oder Texteingaben, aus denen die Konstruktionszielvorgabe des Bauteils erzeugt wird, und der maschinelle Lernverstärkungsagent modifiziert selbstständig das Entwurfslayout des Bauteils so lange in einem iterativen Prozess, bis er die vom Benutzer formulierte Zielvorgabe erreicht hat. In Abhängigkeit von den zuvor erhaltenen Belohnungen verändert der maschinelle Lernagent selbstständig seine Strategie, bevor er in der nächsten Iterationsschleife des Verfahrens im Verfahrensschritt S2, S2` seine nächste Aktion ausführt.
-
Bei dem hier vorgestellten Verfahren erhält der maschinelle Lernverstärkungsagent weder eine Belohnung auf der Grundlage von Schlüsselkennzahlen (KPI), die vom Benutzer gesetzt werden, noch Simulationsergebnisse, die dem maschinellen Lernverstärkungsagenten angeben, wie gut er arbeitet, um die Zielvorgabe zu erreichen. Darüber hinaus gibt es in vorteilhafter Weise auch keinerlei Rückmeldungen des Benutzers (Konstrukteurs) an den maschinellen Lernverstärkungsagenten in Form von Belohnungen.
-
In einer bevorzugten Ausführungsform wird vorgeschlagen, dass die verbale Bewertung des Ist-Zustands der Konstruktion des Bauteils mittels des Belohnungsgenerators verarbeitet und ausgewertet wird. Vorzugsweise wird hierzu ein eigenes computerlinguistisches Modell zur Augmentierung verbaler Daten verwendet, welches vom Belohnungsgenerator ausgeführt wird.
-
In einer Ausführungsform besteht die Möglichkeit, dass die verbale Bewertung des Ist-Zustands der Konstruktion des Bauteils durch Spracheingaben erfolgt. Alternativ oder zusätzlich kann vorgesehen sein, dass die verbale Bewertung des Ist-Zustands der Konstruktion des Bauteils durch Texteingaben erfolgt. Die Sprach- und/oder Texteingaben eines oder mehrerer Benutzer werden mittels des entsprechend für die Verarbeitung und Auswertung von Sprach- und/oder Textdaten ausgebildeten Belohnungsgenerators verarbeitet und ausgewertet und für die Generierung der Belohnung des maschinellen Lernagenten verwendet.
-
In einer vorteilhaften Weiterbildung wird vorgeschlagen, dass ein maschinelles Lernmodell bereitgestellt wird, mittels dessen im Verfahrensschritt S3` der Zustand des Lernverstärkungsagenten automatisiert einer subjektiven verbalen Bewertung des Ist-Zustands der Konstruktion des Bauteils zugeordnet wird. In dieser Ausführungsform greift kein menschlicher Benutzer aktiv in die iterative Konstruktionsschleife, welche durch die Verfahrensschritte S2' bis S4' definiert ist, ein.
-
Vorzugsweise wird das maschinelle Lernmodell durch überwachtes oder halbüberwachtes Lernen trainiert. Dabei kommt eine Vielzahl von Trainingsdatensätzen zum Einsatz, mit denen das maschinelle Lernmodell auf die Zuordnung der Zustände des Lernverstärkungsagenten zu einer subjektiven verbalen Bewertung des Ist-Zustands der Konstruktion des Bauteils trainiert wird.
-
In einer Ausführungsform kann vorgesehen sein, dass die Ähnlichkeit der verbalen Bewertung des Ist-Zustands der Konstruktion des Bauteils mit der Konstruktionszielvorgabe vom Belohnungsgenerator gewichtet wird und ein Ähnlichkeitswert generiert wird, auf dessen Basis die Belohnung für den maschinellen Lernagenten erzeugt wird.
-
Vorzugsweise kann der generierte Ähnlichkeitswert als Schlüsselkennzahl für die Bewertung des Ist-Zustands der Konstruktion des Bauteils ausgegeben werden. Aus der Ähnlichkeit der im ersten Schritt definierten Konstruktionszielvorgabe des Bauteils zu der verbalen Beschreibung des Ist-Zustands der Konstruktion des Bauteils kann somit in vorteilhafter Weise eine sehr genaue Generierung von Schlüsselkennzahlen zur objektiven Bewertung des Entwurfs mithilfe des Belohnungsgenerators abgeleitet werden.
-
In einer Ausführungsform besteht die Möglichkeit, dass im Verfahrensschritt S4, S4` der aktuelle Zustand des maschinellen Lernverstärkungsagenten als zusätzliche Eingangsgröße für den Belohnungsgenerator hinzugefügt wird und ebenfalls für die Erzeugung der Belohnung des maschinellen Lernagenten verwendet wird.
-
Weitere Merkmale und Vorteile der vorliegenden Erfindung werden deutlich anhand der nachfolgenden Beschreibung bevorzugter Ausführungsbeispiele unter Bezugnahme auf die beiliegenden Abbildungen. Dabei zeigen:
- 1 eine schematisch stark vereinfachte Darstellung, die Einzelheiten eines Systems zur Durchführung eines computerimplementierten Verfahrens zur Konstruktion eines Bauteils, insbesondere eines technischen Bauteils, gemäß einem ersten Ausführungsbeispiel der Erfindung veranschaulicht,
- 2 eine schematische Darstellung, die den grundlegenden Ablauf des computerimplementierten Verfahrens zur Konstruktion eines Bauteils, insbesondere eines technischen Bauteils, gemäß dem ersten Ausführungsbeispiel der Erfindung zeigt,
- 3 eine schematisch stark vereinfachte Darstellung, die Einzelheiten eines Systems zur Durchführung eines computerimplementierten Verfahrens zur Konstruktion eines Bauteils, insbesondere eines technischen Bauteils, gemäß einem zweiten Ausführungsbeispiel der Erfindung veranschaulicht,
- 4 eine schematische Darstellung, die den grundlegenden Ablauf des computerimplementierten Verfahrens zur Konstruktion eines Bauteils, insbesondere eines technischen Bauteils, gemäß dem zweiten Ausführungsbeispiel der Erfindung zeigt.
-
Unter Bezugnahme auf 1 umfasst ein System zur Durchführung eines computerimplementierten Verfahrens zur Konstruktion eines Bauteils 1, insbesondere eines technischen Bauteils, welches gemäß einem ersten Ausführungsbeispiel der Erfindung ausgeführt ist, zumindest einen maschinellen Lernverstärkungsagenten 2, einen Konstruktionszielgenerator 3, einen Belohnungsgenerator 4 sowie eine softwarebasierte Bauteilsimulationsumgebung 5. Bei dieser softwarebasierten Bauteilsimulationsumgebung 5 kann es sich zum Beispiel um ein CAD-Modell, ein CAE-Modell oder um ein Finite-Elemente-Modell des Bauteils 1 handeln, mittels dessen konstruktive Details des Bauteils 1 computergestützt simuliert werden und mittels einer Anzeigevorrichtung, wie zum Beispiel einem Bildschirm oder einer Virtual-Reality-Umgebung, auch visualisiert werden können.
-
Der maschinelle Lernverstärkungsagent 2 ist dazu ausgebildet, eine Lernverstärkungsfunktion (so genanntes „Reinforcement Learning“) auszuführen. Der maschinelle Lernverstärkungsagent 2 beobachtet dabei seine Umgebung, bei der es sich vorliegend um das mithilfe der Bauteilsimulationsumgebung 5 erzeugte Modell des Bauteils 1 handelt und führt Aktionen aus, die von der Bauteilsimulationsumgebung 5 verarbeitet werden und den Zustand („State“) des maschinellen Lernverstärkungsagenten 2 verändern. Durch die Aktionen des maschinellen Lernverstärkungsagenten 2 werden bestimmte Konstruktionsparameter des zu konstruierenden Bauteils 1 in der Bauteilsimulationsumgebung 5 verändert. Diese Veränderungen des mithilfe der Bauteilsimulationsumgebung 5 erzeugten Modells des Bauteils 1 werden vom maschinellen Lernverstärkungsagenten 2 beobachtet, so dass sich sein Zustand verändert.
-
Der Konstruktionszielgenerator 3 ist dazu eingerichtet, ein computerlinguistisches Modell 30, welches in der Fachwelt häufig auch als „Natural Language Processing Modell“ (NLP-Modell) bezeichnet wird, auszuführen und dadurch verbale, subjektive Designbewertungen zumindest eines Benutzers 8 zu bestimmten Konstruktionszielvorgaben für die Konstruktion des Bauteils 1 zusammenzufassen. Über eine Spracheingabevorrichtung und/oder Texteingabevorrichtung 7 erhält der Konstruktionszielgenerator 3 entsprechende Spracheingaben und/oder Texteingaben eines oder mehrerer Benutzer 8, die eine verbale Beschreibung der subjektiven Konstruktionsbewertung des Bauteils 1 in Form von Sprachdaten und/oder Textdaten umfassen. Das computerlinguistische Modell 30 ist dazu ausgebildet, eine Augmentierung (Transformation der Sprach- und/oder Textdaten) der durch die Spracheingabe und/oder Texteingabe des zumindest einen Benutzers 8 erhaltenen Sprachdaten und/oder Textdaten, welche die verbale Beschreibung der subjektiven Konstruktionsbewertung des Bauteils 1 durch den Benutzer 8 oder die Benutzer 8 repräsentieren, durchzuführen und dadurch die subjektiven Konstruktionsbewertungen zu einer subjektiven Konstruktionszielvorgabe zusammenzufassen. Dieses erfolgt ausschließlich mithilfe des computerlinguistischen Modells 30 des Konstruktionszielgenerators 3.
-
Exemplarisch könnten zum Beispiel folgende Spracheingaben beziehungsweise Texteingaben mittels des computerlinguistischen Modells 30 augmentiert und zu einer Konstruktionszielvorgabe zusammengefasst werden:
- - „Die Gesamtkonstruktion des Bauteils 1 ist in der Herstellung zu teuer und sollte daher optimiert werden.“
- - „Dieses Layout des Bauteils 1 ist zu schwierig herzustellen, das Bauteil 1 wird zu teuer sein, daher könnte die Konstruktion überdacht werden.“
- - „Die erforderliche Präzision ist zu hoch und macht die Herstellung dieses Bauteils 1 zu teuer.“
-
Nach der Augmentierung kann die subjektive Beschreibung der Bewertungen mittels des computerlinguistischen Modells 30 beispielsweise zu der nachfolgenden verbalen Konstruktionszielvorgabe für den maschinellen Lernverstärkungsagenten 2 zusammengefasst werden:
- „Optimiere die Bauteilkonstruktion, um eine kostengünstigere Herstellung des Bauteils 1 zu ermöglichen.“
-
Diese Konstruktionszielvorgabe bildet somit die Lernaufgabe des maschinellen Lernverstärkungsagenten 2, die es während der Durchführung des Verfahrens zu lösen gilt.
-
Der Belohnungsgenerator 4 dient dem Zweck, Belohnungen für den maschinellen Lernverstärkungsagenten 2 zu generieren. Diese Belohnungen des maschinellen Lernverstärkungsagenten 2 hängen beim verstärkenden Lernen davon ab, wie sich die Aktionen des maschinellen Lernagenten 2 auf die Eigenschaften des zu konstruierenden Bauteils 1, die mittels der Bauteilsimulationsumgebung 5 computergestützt simuliert werden, auswirken. Der Belohnungsgenerator 4 ist dazu ausgebildet, eine Belohnungsfunktion 40 auszuführen und auf der Grundlage eines Ähnlichkeitswertes zwischen der Konstruktionszielvorgabe und der verbalen Beschreibung der subjektiven Bewertung der Bauteilkonstruktion im Ist-Zustand durch einen oder mehrere Benutzer 8 entsprechende Belohnungen für den maschinellen Lernverstärkungsagenten 2 abzuleiten und diesem zur Verfügung zu stellen. Dieser Ähnlichkeitswert kann zusätzlich auch als Schlüsselkennzahl RKI zur objektiven Bewertung der Konstruktion des Bauteils 1 ausgegeben werden.
-
Mit anderen Worten werden also die Werte, die im Rahmen des verstärkenden Lernens als Belohnungen interpretiert werden, auf der Grundlage der Ähnlichkeit zwischen der verbalen Beschreibung der tatsächlichen subjektiven Bewertung der Konstruktion des Bauteils 1 (Beschreibung des Ist-Zustands) und der zusammengefassten verbalen Konstruktionszielvorgabe bestimmt. Optional können auch Zustandsgrößen, welche den aktuellen Zustand des maschinellen Lernverstärkungsagenten 2 definieren, neben der Konstruktionszielvorgabe und der Beschreibung des Ist-Zustands der Konstruktion des Bauteils 1 als zusätzliche Eingangsgrößen für den Belohnungsgenerator 4 zur Bestimmung der Belohnungen des maschinellen Lernverstärkungsagenten 2 mittels der Belohnungsfunktion 40 verwendet werden.
-
Die Belohnungsfunktion 40 ist insbesondere eine Gewichtungsfunktion und legt fest, welchen Wert der Belohnung der maschinelle Lernverstärkungsagent 2 für seine Aktionen erhält. Die Belohnungen können zum Beispiel in einem Intervall zwischen den Werten „0“ und „1“ liegen. Der maschinelle Lernverstärkungsagent 2 erhält eine Belohnung mit dem Wert „0“, wenn seine Aktionen zu Eigenschaften des mittels der Bauteilsimulationsumgebung 5 simulierten Bauteils 1 führen, welche überhaupt nicht zur Konstruktionszielvorgabe passen. Der maschinelle Lernverstärkungsagent 2 erhält eine Belohnung mit dem Wert „1“, wenn seine Aktionen zu Eigenschaften des simulierten Bauteils 1 führen, welche exakt der Konstruktionszielvorgabe entsprechen. Darüber hinaus sind auch Belohnungen zwischen dem Wert „0“ und dem Wert „1“ möglich, wenn die Konstruktionszielvorgabe nur teilweise erreicht wird. Grundsätzlich können die Belohnungen des maschinellen Lernverstärkungsagenten 2 auch in einem anderen Intervall, wie zum Beispiel in einem Intervall zwischen den Werten „-1“ und „+1“, liegen. Eine Belohnung mit einem Wert „-1“ kann als Bestrafung des maschinellen Lernverstärkungsagenten 2 angesehen werden, wenn seine Aktionen zu Eigenschaften des simulierten Bauteils 1 führen, welche der Zielvorgabe vollständig widersprechen und den Ist-Zustand der Bauteilkonstruktion verschlechtern.
-
Nachfolgend soll der grundlegende Ablauf des computerimplementierten Verfahrens zur Konstruktion eines Bauteils 1, insbesondere eines technischen Bauteils, gemäß dem ersten Ausführungsbeispiel der Erfindung mittels des in 1 dargestellten Systems erläutert werden.
-
In einem ersten Schritt S1 wird eine Konstruktionszielvorgabe verbal mithilfe des Konstruktionszielgenerators 3 auf Basis von Sprach- und/oder Texteingaben zumindest eines Benutzers 8 mithilfe des computerlinguistischen Modells 30 generiert und dem Belohnungsgenerator 4 zur Verfügung gestellt. Die Konstruktionszielvorgabe kann zum Beispiel lauten: „Das Bauteil 1 soll kostengünstiger werden.“
-
In einem zweiten Schritt S2 führt der maschinelle Lernverstärkungsagent 2 eine Aktion aus und ändert dabei bestimmte Parameter des Bauteils 1 in der Bauteilsimulationsumgebung 5 (z.B. CAD-, CAE-, FEM-Software, etc.) und gelangt dadurch in einen neuen Zustand.
-
Zumindest ein Benutzer 8 (Konstrukteur oder Ingenieur) beobachtet in einem dritten Schritt S3 den aktuellen Konstruktionsstand (Ist-Zustand) des Bauteils 1 mittels einer Anzeigevorrichtung, wie zum Beispiel mittels eines Bildschirms oder mittels einer Virtual-Reality-Umgebung, und schreibt mittels einer Texteingabevorrichtung und/oder spricht mittels einer Spracheingabevorrichtung seine subjektiven Kommentare dazu, so dass der aktuelle Konstruktionsstand (Ist-Zustand) des Bauteils 1 verbal bewertet wird. Vorzugsweise wird die Spracheingabevorrichtung und/oder Texteingabevorrichtung 7 verwendet werden, die schon im Verfahrensschritt S1 für die Konstruktionszielvorgabe verwendet wird.
-
Die Kommentare des zumindest einen Benutzers 8, welche die verbale Bewertung des Ist-Zustands der Konstruktion repräsentieren, werden in einem vierten Schritt S4 in Form von Sprach- und/oder Textdaten an den Belohnungsgenerator 4 gesendet, der dazu ausgebildet ist, die im vorhergehenden Schritt S3 generierten Sprach- und/oder Textdaten, insbesondere mittels eines computerlinguistischen Modells, zu verarbeiten und auszuwerten und dabei die Ähnlichkeit der durch die Sprach- und/oder Textdaten erhaltenen verbalen Bewertung des Ist-Zustands der Konstruktion des Bauteils 1 mit der Konstruktionszielvorgabe zu gewichten und eine Belohnung für den maschinellen Lernagenten zu erzeugen. Optional kann in diesem Schritt S4 auch der aktuelle Zustand des maschinellen Lernverstärkungsagenten 2 als zusätzliche Eingangsgröße für den Belohnungsgenerator 4 hinzugefügt werden und in die Berechnung der Belohnung einfließen. Der Ähnlichkeitswert zwischen der im ersten Schritt S1 generierten Konstruktionszielvorgabe und dem von zumindest einem Benutzer 8 beschriebenen Ist-Zustand der Konstruktion des Bauteils 1, der zum Beispiel im Intervall zwischen „0“ und „1“ liegen kann, kann als Belohnung für den maschinellen Lernverstärkungsagenten 2 interpretiert werden. Optional kann der generierte Ähnlichkeitswert, der als Belohnung für den maschinellen Lernverstärkungsagenten 2 verwendet wird, auch als sehr genaue Schlüsselkennzahl KPI interpretiert und ausgegeben werden.
-
Die iterative Konstruktionsschleife mit den Schritten S2 bis S4 wird so lange fortgesetzt, bis die Konstruktionszielvorgabe erreicht ist und der Lernverstärkungsagent 2 eine optimierte Gestaltung des Bauteils 1 gefunden hat. In Abhängigkeit von den zuvor erhaltenen Belohnungen verändert der maschinelle Lernagent 2 seine Strategie, bevor er die nächste Aktion ausführt. Der Benutzer 8 gibt dem maschinellen Lernverstärkungsagenten 2 keine Belohnungen, sondern beschreibt nur verbal, was er subjektiv auf der Anzeigevorrichtung sieht. Dieses reicht dem maschinellen Lernverstärkungsagenten 2 aus, um zu verstehen, ob er gut gearbeitet hat oder nicht.
-
Das in 3 dargestellte zweite Ausführungsbeispiel unterscheidet sich vom ersten Ausführungsbeispiel dadurch, dass kein menschlicher Benutzer 8 aktiv in die iterative Konstruktionsschleife, welche durch die Verfahrensschritte S2' bis S4' definiert ist, eingreift.
-
Bei dem in 3 gezeigten System kommt ein zusätzliches maschinelles Lernmodell 6 zum Einsatz, welches dazu ausgebildet ist, während der Durchführung des Verfahrens die jeweiligen Zustände des Lernverstärkungsagenten 2, die sich aus seinen Aktionen ergeben, automatisiert einer subjektiven, verbalen Beschreibung der Bauteilkonstruktion zuzuordnen. Die Zustände des maschinellen Lernverstärkungsagenten 2 sind dabei vorzugsweise durch Konstruktionsparameter beziehungsweise Konstruktionsmerkmale, die die Konstruktion des Bauteils 1 in der Bauteilsimulationsumgebung 5 beschreiben, definiert. Der Benutzer 8 kann in diesem Ausführungsbeispiel den aktuellen Konstruktionsstatus z. B. auf einem Bildschirm oder in einer Virtual-Reality-Umgebung betrachten. Das maschinelle Lernmodell 6 wird vor dem Produktiveinsatz durch überwachtes oder halbüberwachtes Lernen, vorzugsweise mithilfe einer Vielzahl von Trainingsdatensätzen, trainiert.
-
Nachfolgend soll unter Bezugnahme auf 4 der grundlegende Ablauf des computerimplementierten Verfahrens zur Konstruktion eines Bauteils 1 gemäß dem zweiten Ausführungsbeispiel der Erfindung mittels des in 3 dargestellten Systems erläutert werden.
-
In einem ersten Schritt S1' wird wiederum eine Konstruktionszielvorgabe verbal mithilfe des Konstruktionszielgenerators 3 auf Basis von Sprach- und/oder Texteingaben zumindest eines Benutzers 8 mithilfe des computerlinguistischen Modells 30 generiert und dem Belohnungsgenerator 4 zur Verfügung gestellt. Dabei wird die Sprach- und/oder Texteingabevorrichtung 7 verwendet. Die Konstruktionszielvorgabe kann zum Beispiel lauten: „Das Bauteil 1 soll kostengünstiger werden.“
-
In einem zweiten Schritt S2' führt der maschinelle Lernverstärkungsagent 2 eine Aktion aus und ändert dabei bestimmte Parameter des Bauteils 1 in der Bauteilsimulationsumgebung 5 (z.B. CAD-, CAE-, FEM-Software, etc.) und gelangt dadurch in einen neuen Zustand.
-
Der jeweilige Zustand des maschinellen Lernverstärkungsagenten 2 wird in einem dritten Schritt S3' an das maschinelle Lernmodell 6 übergeben, das den Zustand des Lernverstärkungsagenten 2 automatisiert einer subjektiven, verbalen Beschreibung des Ist-Zustands der Bauteilkonstruktion zuordnet.
-
Die im vorhergehenden Schritt S3' generierte subjektive, verbale Beschreibung des Ist-Zustands der Bauteilkonstruktion wird in einem vierten Schritt S4' in Form von Textdaten, welche die verbale Beschreibung repräsentieren, an den Belohnungsgenerator 4 gesendet, der den Ähnlichkeitswert der verbalen Beschreibung des Ist-Zustands der Konstruktion des Bauteils 1 mit der Konstruktionszielvorgabe berechnet und eine Belohnung für den maschinellen Lernverstärkungsagenten 2 generiert und diesem zur Verfügung stellt. Optional kann auch der Zustand des maschinellen Lernverstärkungsagenten 2 als zusätzliche Eingangsgröße für den Belohnungsgenerator 4 hinzugefügt werden. Der Ähnlichkeitswert zwischen der im ersten Schritt S1' generierten verbalen Konstruktionszielvorgabe und dem vom maschinellen Lernmodell 6 beschriebenen Ist-Zustand der Konstruktion des Bauteils 1, der zum Beispiel im Intervall zwischen „0“ und „1“ liegen kann, kann als Belohnung für den maschinellen Lernverstärkungsagenten 2 interpretiert werden. Optional kann der generierte Ähnlichkeitswert, der als Belohnung für den maschinellen Lernverstärkungsagenten 2 verwendet wird, auch als sehr genaue Schlüsselkennzahl KPI interpretiert und ausgegeben werden.
-
Die iterative Konstruktionsschleife mit den Schritten S2' bis S4` wird so lange fortgesetzt, bis die Konstruktionszielvorgabe erreicht ist und der Lernverstärkungsagent 2 eine optimierte Gestaltung des Bauteils 1 gefunden hat. In Abhängigkeit von den zuvor erhaltenen Belohnungen verändert der maschinelle Lernagent 2 seine Strategie, bevor er in der nachfolgenden Iterationsschleife die nächste Aktion ausführt.
-
Die hier vorgeschlagenen Verfahren ermöglichen es, die Konstruktion eines Bauteils 1, insbesondere eines technischen Bauteils, auf völlig subjektive Weise zu entwerfen und zu bewerten. Der maschinelle Lernverstärkungsagent 2 findet in einem iterativen maschinellen Lernprozess selbstständig das optimale Design-Layout, indem er einfach die verbal beschriebene, subjektive Konstruktionszielvorgabe verfolgt. Optional können außerdem Schlüsselkennzahlen generiert werden, die den Ist-Zustand der Bauteilkonstruktion äußerst genau bewerten.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- US 20200356011 A1 [0003]
- US 2022187847 A1 [0003]
