Herausforderung
Im Rahmen von Fahrzeug-Tests zur Qualitätsprüfung wählt ein Hersteller eine Vielzahl von Fahrzeugen aus. Da die Menge an möglichen Konfigurationsausprägungen in diesem Fall sehr groß ist, soll eine möglichst repräsentative Teilmenge von konkreten Fahrzeugkonfigurationen bestimmt werden. Damit ist eine möglichst hohe Testabdeckung bzgl. bestimmter Ausstattungsmerkmale realisierbar. Der bisherige manuelle Prozess ist aufwändig und erzielt nicht die optimale Testabdeckung.
Lösung
Mit Hilfe von Unsupervised Learning (Clustering) werden ähnliche Fahrzeugkonfigurationen im Testpool erkannt und zu Gruppen (Clustern) zusammengefasst. Pro Gruppe wird eine repräsentative Konfiguration ermittelt.
Nutzen
- Durch eine Vorschlagsfunktion der KI kann eine systematische Bestimmung der Teilmenge von Fahrzeugen getroffen werden
- Die Testabdeckung wird maximiert, bei vorgegebener Anzahl an Fahrzeugkonfigurationen (Clustern)
