Durch den Druck von Neueinsteigern und chinesischen OEMs steht die Automobilbranche vor der Herausforderung die Markteinführung von neuen Fahrzeuggenerationen zu beschleunigen, die Entwicklungskosten zu senken, aber zugleich die vom Kunden gewohnte Qualität aufrecht zu erhalten. Kostspielige Prototypen und hoher Prüfaufwand sind ein wesentlicher Bestandteil von traditionellen Entwicklungsprozessen. In diesem Paper präsentieren wir innovative Ansätze zur Effizienzsteigerung im Prüffeld durch den Einsatz von Künstlicher Intelligenz (KI). Durch die Anwendung von fortschrittlichen KI-Systemen, wie zum Beispiel machine learning basierter Anomalieerkennung, werden Prüfläufe überwacht. Mit Hilfe von trainierten Klassifikationsmethoden werden Ergebnisse automatisch beurteilt und durch prädiktive Modelle können Resultate von langen, zeitintensiven Tests präzise vorhergesagt werden. Diese Ansätze minimieren das Risiko fehlerhafter Ergebnisse, ermöglichen eine schnellere und automatisierte Bewertung von Testläufen und führen zu einer erheblichen Reduktion der Prüfzeiten sowie der Anzahl der benötigten Prüflinge. Zusätzlich präsentiert AVL eine speziell entwickelte Umgebung für das produktive Deployment der gezeigten KI-Methoden. Diese Plattform ermöglicht es KI-Modelle effizient in bestehende Prozesse zu integrieren, um die Leistungsfähigkeit und Effektivität der Prüfverfahren weiter zu steigern und die Entwicklungs- und Prüfaufwände zu reduzieren.
Session:
KI als Testgegenstand und Testmethode
|
| 10:30-11:00