Automatisierte Generierung datengestützter Konstruktionselemente parametrischer Flächenmodelle im Reverse Engineering

• Antragsteller: Dr.-Ing. Stefan Holtzhausen
• Fachliche Zuordnung: Konstruktion, Maschinenelemente, Produktentwicklung
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 544804370

Durch den Bedarf nach erweiterten Geometrieanalyseprozessen in der Produktentwicklung technischer Bauteile rückt die Herangehensweise des Reverse Engineerings (RE) zunehmend in den Fokus. Der aktuelle Forschungsstand zur Automatisierung des RE scheitert jedoch aktuell an der nicht durchgängigen computerbasierten Erkennung der Geometriebestandteile und ist gegenwärtig auf eine kooperative Mensch-Maschine-Interaktion angewiesen. Um die Geometrieanalyseprozesse im RE resilienter zu gestalten, bedarf es deshalb weitergehender computerbasierter Erkennungsmöglichkeiten. Das Ziel muss es sein die Robustheit der Automatisierung gegen variable Erfassungsdatenqualitäten und Modellkomplexitäten technischer Bauteile so zu steigern, dass mit weniger oder keinen menschlichen Erkennungsfähigkeiten die gleiche Rückführungsqualität im RE-Prozess erreicht wird. Der Forschungsschwerpunkt verlagert sich dabei zunehmend auf das Deep Learning (DL), dass den robusten Umgang mit Geometrieabweichungen von datengetriebenen Unschärfen, als auch logischen Inkonsistenzen, erlauben kann. Das Ziel des Forschungsprojektes ist es deshalb, neuartige DL-Ansätze in die RE-Prozessierung und insbesondere in die Erkennungsaktivitäten eines technischen Bauteils zu integrieren. Dabei muss im Wesentlichen geklärt werden, wie sich die Reverse-Engineering-Prozesskette durch DL-Methoden so erweitern lässt, dass Geometriebestandteile und insbesondere geometrische Zwangsbedingungen automatisch und computer-basiert robust identifiziert werden. Eine einheitliche Erfassung der globalen Zwangsbedingungen soll den Methoden zum Rückführen der Konstruktionshistorie und der Modellierungsoperationen die benötigten Informationen bereitstellen, um vorteilhaft den RE-Prozess umzugestalten und die Ableitung einer Konstruktionsreihenfolge vorteilhaft zu unterstützen. Die DL-Wahrscheinlichkeitsaussagen sollen dabei die stetige Einordnung von Teiloberflächen anhand geometrischer Merkmale und die Differenzierung von unterschiedlichen Teiloberflächeninstanzen ermöglichen. Als Resultat soll eine konsistente Methodik und durchgängige DL-basierte Geometrierückführung von 3D-Scans vorliegen, die automatisch Konstruktionselemente der Flächenrückführung generiert und ohne zwingend notwendige Experteneingriffe funktioniert. Hierdurch könnten zukünftig wesentlich produktivere Anwendungsfälle im Produktentwicklungsprozess ermöglicht werden.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich(e): Professorin Dr.-Ing. Kristin Paetzold-Byhain