JultikaUniversity of Oulu repository

Abstract

Design for Manufacturability methodology has been successfully applied to new product introduction process for a number of years to bring down the manufacturing costs and to shorten the time-to-market. Still, physical prototypes have been needed to ensure that parts are within set tolerances and can be fitted together as designed. A successful new product introduction process can require multiple prototyping rounds, and when crafting a single physical prototype is costly, the whole process will become very expensive and time consuming.

To further counter the cost of physical prototypes and to reduce time to market, physical prototyping rounds can be reduced by implementing virtual prototyping rounds by analyzing 3D mechanics with simulation tools. For the simulations to be valid, the results must be able to be verified and the data managed so that the information gathered by analyzing the 3D mechanics can be used in re-design in next prototyping rounds.

In this thesis a software system was developed to support the virtual new product introduction process. The system includes a machine learning model for identifying falsely detected collisions in resulting simulation data. A database system and graphical user interface were implemented for storing and version controlling the simulation results. The implemented machine learning based filtering system was tested and its performance measured against real-life examples. The evaluation results show great promise for the implemented model to be used as a tool to reduce the amount of falsely detected collisions. However, for some of the tested examples, performance remained low, indicating the need for further development, especially in terms of the amount and quality of data used for training the machine learning model.

Tiivistelmä

Vaikka valmistettavuuden suunnittelua on jo vuosien ajan käytetty uuden tuotteen käyttöönottoprosessin aikana alentamaan tuotteen valmistuskustannuksia ja nopeuttamaan sen saamista markkinoille, uuden tuotteen käyttöönotossa tarvitaan edelleen fyysisten prototyyppien valmistusta, jotta voidaan taata tuotteen eri komponenttien yhteensopivuus. Jotta uuden tuotteen käyttöönotto voidaan tehdä onnistuneesti, vaatii se usein useiden fyysisten prototyyppien valmistusta, mikä tekee prosessista kalliin ja aikaa vievän.

Fyysisten prototyyppien tilalla voidaan implementoida virtuaalisia prototyyppikierroksia joko osittain tai kokonaan korvaten fyysiset prototyypit. Virtuaaliset prototyyppikierrokset voidaan tehdä esimerkiksi analysoimalla tuotteiden 3D-malleja simulointiohjelmistoilla. Jotta simulointeja voidaan käyttää menestyksekkäästi, täytyy simulaatiotulosten olla todennettavissa ja tulosdatan olla hallittavissa niin että sitä voidaan hyödyntää uudelleen suunnittelussa seuraavan prototyyppikierroksen aikana.

Tässä työssä kehitettiin ohjelmisto tukemaan valmistettavuuden suunnittelua virtuaalisessa uuden tuotteen käyttöönotossa. Ohjelmisto sisältää koneoppimispohjaisen järjestelmän simulaatiotulosten varmistamiseksi, jolla voidaan tunnistaa väärin havaittuja törmäyksiä simulaatiodatan joukosta. Tämän lisäksi ohjelmisto sisältää käyttöliittymän ja tietokannan, jolla simulaatiotuloksia voidaan säilöä versionhallinnan tapaan.

Työssä kehitettyä koneoppimispohjaista suodatusjärjestelmää testattiin ja sen suorituskykyä arvioitiin suodattamalla virheitä sisältäviä simulaatiotuloksia. Arviointitulokset osoittavat, että kehitettyä järjestelmää voitaisiin käyttää työkaluna simulaatiotulosten suodattamiseen. Joidenkin testattujen esimerkkien kohdalla suorituskyky kuitenkin jäi alhaiseksi, mikä osoittaa tarpeen myös jatkokehitykselle erityisesti koneoppimismallin koulutukseen käytetyn datan määrän ja laadun osalta.