ETO ist eine Technik, die zur Umsatzsteigerung und zur Verbesserung der Gewinnspannen von Unternehmen eingesetzt wird, deren Kunden Lösungen benötigen, die auf ihre eigene einzigartige Umgebung zugeschnitten sind.

Sie beginnt mit dem Verkauf von Produktkonzepten, die kein festes Design haben und von denen erwartet wird, dass sie zu einem neuen, einzigartigen Endprodukt führen.

Dies könnte jedes Produkt sein, von Unternehmenssoftware-Anwendungen über Spezialflugzeuge bis hin zu einer Jeans. Aber die typische ETO-Umgebung befasst sich in der Regel mit der Konstruktion und dem Bau einzigartiger, kundenspezifischer komplexer Maschinen und Industrieanlagen - eine Umgebung, in der die folgenden Ingenieursdisziplinen stark involviert sind: Mechanik, Elektrik, Mechatronik, Software, Fertigung und Systemtechnik.

KBE ist im Wesentlichen Ingenieurwesen auf der Basis von Wissensmodellen. Ein Wissensmodell verwendet die Wissensrepräsentation zur Darstellung der Artefakte des Entwurfsprozesses (sowie des Prozesses selbst) anstelle von oder zusätzlich zu herkömmlichen Programmier- und Datenbanktechniken.

Die Vorteile der Verwendung von Wissensrepräsentation zur Modellierung von industriellen Ingenieuraufgaben und Artefakten sind

Verbesserte Integration. In traditionellen CAD- und Industriesystemen hat jede Anwendung oft ihr eigenes, leicht unterschiedliches Modell. Ein standardisiertes Wissensmodell erleichtert die Integration über verschiedene Systeme und Anwendungen hinweg.

Mehr Wiederverwendung. Ein Wissensmodell erleichtert das Speichern und Kennzeichnen von Design-Artefakten, so dass sie leicht wiedergefunden und wiederverwendet werden können. Außerdem sind Wissensmodelle selbst durch die Verwendung von Formalismen wie IS-A-Relationen (Klassen und Unterklassen im objektorientierten Paradigma) besser wiederverwendbar. Mit Unterklassen kann es sehr einfach sein, neue Arten von Artefakten und Prozessen zu schaffen, indem man mit einer bestehenden Klasse beginnt und eine neue Unterklasse hinzufügt, die alle Standardeigenschaften und -verhaltensweisen ihrer Eltern erbt und dann bei Bedarf angepasst werden kann.

Bessere Wartung. Klassenhierarchien erleichtern nicht nur die Wiederverwendung, sondern erleichtern auch die Wartung von Systemen. Durch eine einzige Definition einer Klasse, die von mehreren Systemen gemeinsam genutzt wird, werden Fragen der Änderungskontrolle und Konsistenz stark vereinfacht.

Mehr Automatisierung. Regeln für Expertensysteme können die Entscheidungsfindung erfassen und automatisieren, die bei den meisten herkömmlichen Systemen den menschlichen Experten überlassen bleibt.

KBE kann einen breiten Anwendungsbereich haben, der das gesamte Spektrum der Aktivitäten im Zusammenhang mit dem Produktlebenszyklus-Management und der multidisziplinären Entwurfsoptimierung abdeckt. Der Anwendungsbereich von KBE umfasst Entwurf, Analyse (Computer-Aided Engineering - CAE), Fertigung und Support. In dieser umfassenden Rolle muss KBE eine große multidisziplinäre Rolle im Zusammenhang mit vielen computergestützten Technologien (CAx) abdecken[2].

Es gibt zwei primäre Möglichkeiten, KBE zu implementieren:

Aufbau von Wissensmodellen von Grund auf mit Hilfe wissensbasierter Technologie

Wissensbasierte Technologie über bestehende CAD-, Simulations- und andere technische Anwendungen schichten

Ein frühes Beispiel für den ersten Ansatz war das von Intellicorp in den 1980er Jahren entwickelte Simkit-Tool. Simkit wurde auf der Grundlage der Knowledge Engineering Environment (KEE) von Intellicorp entwickelt. KEE war eine sehr leistungsfähige wissensbasierte Systementwicklungsumgebung. KEE ging von Lisp aus und fügte Rahmen, Objekte und Regeln sowie mächtige zusätzliche Werkzeuge wie hypothetische Argumentation und Wahrheitspflege hinzu. Simkit fügte der KEE-Umgebung stochastische Simulationsmöglichkeiten hinzu. Diese Fähigkeiten umfassten ein Ereignismodell, Zufallsverteilungsgeneratoren, Simulationsvisualisierung und mehr. Das Simkit-Tool war ein frühes Beispiel für KBE. Es konnte eine Simulation in Form von Klassenmodellen und Regeln definieren und die Simulation dann wie eine konventionelle Simulation ausführen. Auf dem Weg dorthin konnte die Simulation weiterhin Regeln, Dämonen und Objektmethoden aufrufen, was das Potenzial für eine viel reichhaltigere Simulation und Analyse als herkömmliche Simulationswerkzeuge bot.

Eines der Probleme, mit denen Simkit konfrontiert war, war ein häufiges Problem bei den meisten frühen KBE-Systemen, die mit dieser Methode entwickelt wurden: Die wissensbasierten Umgebungen von Lisp bieten sehr leistungsfähige Fähigkeiten zur Wissensrepräsentation und zum logischen Denken, allerdings auf Kosten massiver Anforderungen an Speicher und Verarbeitung, die die Grenzen der damaligen Computer sprengten. Simkit konnte Simulationen mit Tausenden von Objekten durchführen und sehr anspruchsvolle Analysen dieser Objekte durchführen. Für industrielle Simulationen wurden jedoch oft Zehn- oder Hunderttausende von Objekten benötigt, und Simkit hatte Schwierigkeiten, auf solche Ebenen zu skalieren.[3]

Die zweite Alternative zur Entwicklung von KBE wird durch die CATIA-Produktsuite veranschaulicht. CATIA begann mit Produkten für CAD und andere traditionelle industrielle Ingenieuranwendungen und fügte ihnen wissensbasierte Fähigkeiten hinzu, zum Beispiel das KnowledgeWare-Modul[4].

Geschichte

Die KBE entwickelte sich in den 1980er Jahren. Sie war Teil der ersten Welle von Investitionen in die künstliche Intelligenz für Unternehmen, die Expertensysteme befeuerten. Wie die Expertensysteme stützte sie sich auf die damals führenden Fortschritte in der betrieblichen Informationstechnologie wie PCs, Workstations und Client-Server-Architekturen. Dieselben Technologien förderten auch das Wachstum von CAx- und CAD-Software. CAD tendierte dazu, Spitzentechnologien voranzutreiben und sie sogar über ihre heutigen Grenzen hinaus zu treiben.[5] Das beste Beispiel dafür war die objektorientierte Programmierung und Datenbanktechnologie, die vom CAD adaptiert wurden, als die meisten Informationstechnologie-Shops der Unternehmen von relationalen Datenbanken und prozeduraler Programmierung dominiert wurden.

Wie bei den Expertensystemen erlitt die KBE während des KI-Winters einen Abschwung.[7] Wie bei den Expertensystemen und der Technologie der künstlichen Intelligenz im Allgemeinen gab es auch beim Internet ein erneutes Interesse. Im Fall der KBE war das Interesse vielleicht am stärksten 

CPQ-Software (Configure, price quote) ist ein Begriff, der in der Business-to-Business (B2B)-Industrie verwendet wird, um Softwaresysteme zu beschreiben, die Verkäufern helfen, komplexe und konfigurierbare Produkte anzubieten. Ein Beispiel könnte ein Hersteller von Schwerlastwagen sein. Wenn sich der Kunde für ein bestimmtes Fahrgestell (den Grundrahmen eines Kraftfahrzeugs) entscheidet, kann die Auswahl an Motoren eingeschränkt sein, da bestimmte Motoren möglicherweise nicht auf ein bestimmtes Fahrgestell passen. Wenn er sich für einen bestimmten Motor entscheidet, kann die Wahl des Anhängers eingeschränkt sein (z.B. erfordert ein schwerer Anhänger einen stärkeren Motor), und so weiter. Wenn das Produkt in hohem Maße konfigurierbar ist, kann der Benutzer mit einer kombinatorischen Explosion konfrontiert werden, was ein rasches Anwachsen der Komplexität eines Problems bedeutet. Daher wird ein Konfigurationsmotor eingesetzt, um dieses Problem zu entschärfen.

Konfigurations-Engines

Das "Konfigurieren" in CPQ befasst sich mit den komplexen Herausforderungen der Kombination von Komponenten und Teilen zu einem lebensfähigeren Produkt.

Es gibt drei Hauptansätze, um das Problem der kombinatorischen Explosion zu mildern:

Regelbasierte Systeme zur Aufrechterhaltung der Wahrheit: Diese Systeme waren die erste Generation von Konfigurationsmaschinen, die in den 1970er Jahren auf der Grundlage von Forschungsergebnissen im Bereich der künstlichen Intelligenz, die bis in die 1960er Jahre zurückreichen, auf den Markt gebracht wurden[2].

Motoren der Zufriedenheit mit Einschränkungen: Diese Engines wurden in den 1980er und 1990er Jahren entwickelt.[3] Sie können den gesamten Satz von Konfigurationsregeln handhaben, um das Problem der kombinatorischen Explosion zu mildern[4], können aber komplex und schwierig zu warten sein, da Regeln geschrieben werden müssen, um dem beabsichtigten Zweck gerecht zu werden.[Zitat erforderlich].

Kompilierbasierte Konfiguratoren: Diese Konfiguratoren bauen auf Constraint-basierten Engines und der Forschung in binären Entscheidungsdiagrammen auf. Dieser Ansatz kompiliert alle möglichen Kombinationen in einer einzigen verteilbaren Datei und ist unabhängig davon, wie die Regeln vom Autor ausgedrückt werden. Das Konzept des Configuration Lifecycle Management (CLM), von dem CPQ eine Komponente ist, beschreibt, wie die kompilierbasierte Konfiguration weiter genutzt werden kann, um die meisten Probleme im Zusammenhang mit der Produktkonfiguration für Unternehmen zu lösen, die Massenanpassung einsetzen.

fdgdfgdf

Der Begriff Produktkonfiguration bezeichnet

• die Konfiguration individueller Komponenten oder Produkte mit Hilfe einer Software – eines Produktkonfigurators
• die Identifikation inhaltlich "zusammengehöriger" Produkte, die über Produktabhängigkeiten miteinander in Beziehung stehen; siehe Konfigurationsmanagement
• die Konfiguration von beliebigen Elementen mit optischer Ergebnisprüfung;