Der SECOR CHATBOT empfiehlt ihnen KI-basiert, welche Commodity Halbleiter für ein Bauteil am besten geeignet sind.
Heute fällt es einem Mitarbeiter_in, der ein Lastenheft erstellt oder ein Bauteil entwickelt, i.d.R. schwer zu entscheiden, welcher Halbleiter für das jeweilige Bauteil der richtige wäre.
Der SECOR CHATBOT unterstützt die Automobilindustrie KI-basiert bei der Auswahl des passenden Commodity Halbleiters für ein bestimmtes Bauteil und steigert dadurch die RESILIENCE gegenüber Single Source ASIC (Anwendungsspezifische integrierte Schaltung).
Künftig stellt dieser Mitarbeiter_in eine kurze Frage an den SECOR CHATBOT, z.B. „Welchen Standard-Halbleiter soll ich für das nächste ESP-Steuergerät für den Golf Nachfolger auswählen?“
Der SECOR CHATBOT nutzt die SECOR Datenbank und KI-basierte Trainings, um eine Liste von Commodity Halbleitern der aktuellen Angebote der Hersteller zu generieren. Möglich macht dies Federated Learning, eine KI-Methode. Sie wurde zur Verarbeitung von personenbezogen Daten insbesondere Krankheitsdaten entwickelt (z.B. Tumore oder Hautkrebs). Im medizinischen Bereich werden dadurch große Erfolge erzielt, ein Beispiel wäre Auicura medical.
Der SECOR CHATBOT unterstützt die Automobilindustrie KI-basiert bei der Auswahl des
passenden Commodity Halbleiters:
Der CHATBOT nutzt die SECOR Datenbank mit allen angebotenen Commodity Halbleitern, samt technischen Datenblätter (aktuell Automotiv fokussiert), und die Trainings-BOMs (Stücklisten), um maschinell zu lernen. Nach jeder Phase des Lernprozesses wird der CHATBOT „schlauer“. Je mehr Unternehmen mitmachen und Datenschutz-konform Stücklisten (BOMs) für Bauteile zur Verfügung stellen, desto schneller deckt der CHATBOT alle Bauteile im Fahrzeug ab.
Der Fachkräftemangel im Halbleiter-Bereich ist überall gegenwärtig. Neue Mitarbeiter_innen benötigen i.d.R. lange Anlernzeiten, um Bauteil-bezogen Halbleiterentscheidungen unterstützen zu können. Der SECOR CHATBOT hat i.d.R. mehr Wissen als ein durchschnittlicher Mitarbeiter_in in diesem Bereich. So unterstützt dieser die tägliche Arbeit im Fachbereich.
Der technische Kern des SECOR CHATBOT ist KI / AI, in der bisher selten genutzten Form Federated Analytics bzw. Federated Learnings. Erfolgreich zur Hautkrebserkennung angewendet, da sie persönliche bzw. geheime Informationen Datenschutz-Konform im Rahmen maschinellen Lernens verarbeiten kann.
So werden Stücklisten der teilnehmenden Unternehmen aufbauend auf KI und der SECOR Datenbank Datenschutzkonform ausgewertet. Das Ergebnis in Form des CHATBOTs steht als Dienstleistung nur den teilnehmenden Unternehmen zur Verfügung. Die KI kombiniert datenschutzsicher durch Federated Learning die BOMs bestehender Bauteile mit den Datenblättern der aktuell angebotenen Commodity Halbleitern.
Um dieses Konzept weiter zu optimieren ist die TUM Technische Universität München (www.tum.de) interessiert an einem neuen Forschungsprojekt für eine bestimmte Baugruppe / Werkstoffgruppe.
Die TUM unterstützt den gemeinsamen Prozess von der wissenschaftlichen Seite. Das Forschungsprojekt geht phasenweise vor. In der geplanten kommenden Phase für Sommer 2024 sind alle wichtigen Bauteile des Elektroantriebs eines BEV Fahrzeugs im Fokus.
Gegenwärtig steht der SECOR CHATBOT nur den Unternehmen zur Verfügung, die an mindestens einer Trainings-Phase des CHATBOTs teilgenommen haben.
Gemeinsam profitieren die teilnehmenden Unternehmen, dass der SECOR CHATBOT KI-basiert von Phase zu Phase schlauer und effizienter wird. Durch Federated Learning werden die unternehmens-spezifischen Stücklisten dezentral verarbeitet, um dezentral den CHATBOT zu trainieren, ohne dass die Daten in irgendeiner Form zwischen den teilnehmen Unternehmen samt SECOR ausgetauscht werden.
Früher hatten diese Unternehmen nur ihre eigene Expertise der Mitarbeiter und die eigenen Stücklisten der Vergangenheit als Quelle einer Entscheidungsfindung. Künftig profitieren diese Unternehmen von dem Know-how der anderen Unternehmen, ohne Ihre Geschäftsgeheimnisse offen legen zu müssen.
Kommen Sie auf uns zu, wir planen die kommende Phase des Forschungsprojekts mit der TUM School of Computation, Information and Technology (Technische Universität München). Wir suchen mindestens einen OEM und Tier-1. Gemeinsam definieren wir eine bestimmte Baugruppe / Werkstoffgruppe. Im Rahmen des Forschungsprojekts trainieren wir dann anhand der Federated Learning Methode und danach steht die verbesserte Version des SECOR CHATBOT allen teilnehmenden Unternehmen (inkl. Vorgänger Unternehmen) zur Verfügung. Die Projektvorbereitungen starten im Mai 2024.
Bitte melden Sie sich bei Interesse rechtzeitig unter info@secor-sct.com