PTC erweitert CAD-Software um generatives Design
Wie jetzt PTC bekanntgegeben hat, hat es Frustum Inc., einen Anbieter von generativer Designsoftware, zu einem Preis von rund 70 Millionen US-Dollar übernommen. Dessen Software nutzt künstliche Intelligenz zur Erzeugung von Designoptionen. Durch die Übernahme wird die 3D-CAD-Software Creo funktional erweitert.
Das in Boulder im US-Bundesstaat Colorado ansässige Unternehmen Frustum entwickelt patentierte und Cloud-basierte Engineering-Software, mit der Designer und Ingenieure durch Verwendung leistungsstarker KI-Funktionen ihre Erfahrungen erweitern und hochwertige Produktdesigns der nächsten Generation entwickeln können.
"Mit dieser Übernahme setzt PTC neue Maßstäbe in punkto Innovation", erklärte Jim Heppelmann, Präsident und CEO von PTC. "Creo ist das Herzstück der Gesamtstrategie von PTC, und mit den integrierten Funktionen von Ansys und jetzt auch von Frustum erreicht Creo eine Führungsposition in der Welt des Designs und der Simulation. Mit der Entwicklung bahnbrechender neuer Technologien wie beispielsweise AR/VR, Hochleistungs-Computing, IoT, KI und additiver Fertigung erfährt die CAD-Branche eine Renaissance, und PTC ist bestens aufgestellt, um dabei eine wegweisende Rolle einzunehmen."
Analyse am Anfang des Designprozesses
Mit dem Lösungsportfolio von Frustum kann PTC die strategische Beziehung zu Ansys verstärken, die auf der LiveWorx im Juni 2018 bekannt gegeben wurde, und darüber hinaus die Analyse an den Anfang des Designprozesses verlagern. Mithilfe der integrierten Funktionen von Frustum und Ansys kann Creo nun Designmethoden mit generativem Design empfehlen, Anwender von Discovery Live durch den iterativen Designprozess führen und das vollständige Produkt maßstabsgerecht mit dem umfassenderen Ansys-Discovery-Paket validieren. Diese neuen, in Creo integrierten Funktionen versetzen Ingenieure in die Lage, Produktinnovationen schnell voranzutreiben.
"Diese Übernahme war ein logischer Schritt für PTC und seine Kunden", erklärte Jeff Hojlo, Program Director, Product Innovation, IDC. "KI und maschinelles Lernen gelten weithin als zwei der bedeutsamsten Technologien der Zukunft. Für Design, Engineering und F&E sind die möglichen positiven Auswirkungen der Erweiterung des Entwicklungsprozesses mit KI und ML bemerkenswert: geringere Qualitätskosten (zurzeit 20-25 Prozent des jährlichen Umsatzes eines durchschnittlichen Herstellers), höhere Produkterfolgsquote (mit 80 Prozent erfolgloser Produkte weiterhin sehr gering) und optimale Markteinführungszeit sowie schnellere Umsatzrealisierung, da die Kundenerwartungen sofort und exakt erfüllt werden."
Generatives Design bietet mehr Leistung
Mit generativem Design können Ingenieure die Funktionsanforderungen und Ziele ihres Designs, einschließlich der bevorzugten Materialien und Fertigungsprozesse, interaktiv festlegen. Es ist sogar möglich, wichtige Designparameter zu definieren, die Kaufentscheidungen, Fertigungskapazitäten, den Status der Lieferkette und regional erforderliche Produktvarianten berücksichtigen. Auf dieser Grundlage präsentiert das System mithilfe von KI und leistungsstarken Computing-Techniken Design-Alternativen als Ausgangspunkt oder als endgültige Lösung. Ohne Einschränkungen was das menschliche Vorstellungsvermögen und die Erfahrung betrifft, können Ingenieure mit der Technologie interagieren, um innovative Designs und Produkte schneller zu konstruieren.
Für die Kundenbasis von PTC ist das generative Design mit Blick auf folgende Aspekte interessant:
- Höhere Engineering-Produktivität
- Höhere Innovation und Erforschung konzeptioneller Designs
- Entwicklung leistungsstarker Konstruktionen mit geringerem Gewicht und verbesserter Haltbarkeit
- Optimierung neuer Produkte für verbesserte Produzierbarkeit, geringere Materialkosten und kürzere Produktionszeiten
- Erzeugung komplexer, für die additive Fertigung optimierte Geometrien
- Schnellere Lieferung von besseren Produkten.
Künstliche Intelligenz für kritische Aufgaben
Ein wichtiger Bestandteil der Technologie von Frustum ist eine leistungsstarke KI-Komponente, die lernt, sich weiterentwickelt und letztendlich kritische Aufgaben ausführt. Folgende Beispiele sind hier zu nennen:
- Wertvolles Feedback für den Designer in einer frühen Designphase
- Erstellen optimierter Designs für mehrere Ziele gleichzeitig, wodurch Unternehmen Engineering-Zyklen erheblich verkürzen können
- Änderungen an Designs, wobei verschiedene Anforderungen und Einschränkungen, physische Gegebenheiten, Materialien, Verfügbarkeit, Fertigungsprozesse und Designziele berücksichtigt werden
- Automatisches Testen der Designergebnisse anhand anderer Erkenntnisse des Unternehmens, einschließlich Kostenkalkulation, Lieferketten und Qualitätsdaten.
Autor: Stefan Girschner
