76 Standard Solutions AI
Su-Field-Diagnostik, Standardauswahl und überprüfbare Transformation.
76 Standard Solutions AI
1 / 4Ziel klären
Global freigegebene Lernprojekte
Global freigegeben · Lernbeispiel
76 Standard Solutions AI – Gleitlager-Verschleiß systematisch beseitigen
Vollständiges TRIZ-Lernprojekt zu einer schädlichen mechanischen Wechselwirkung: Su-Field-Istmodell, Standard 1.2.1, alternative Lösungsprinzipien, modellierte Transformation, Ausfallrisiken und falsifizierbarer Versuchsplan. Alle Messdaten sind offen.
Global freigegeben · Lernbeispiel
76 Standard Solutions AI – Präzisionsgreifer dynamisch optimieren
Ausführlicher TRIZ-Lernfall zur unzureichend beherrschten Greiferbewegung: Su-Field-Modell, Entwicklung nach Standard 2.2.4, Varianten zu Dynamisierung und Zusatzfeld, Graphtransformation, neue Widersprüche und DoE-Versuchsplan.
Private GitHub-Referenzprojekte · nicht global
Drei industrielle Testvorlagen aus den GitHub-Beispielen. Sie werden nicht global veröffentlicht. Beim Laden ersetzen sie den aktuellen Entwurf im Browser (localStorage). Achtung: noch keine kontogebundenen, serverseitig isolierten Projektakten. Vorhandene Eingaben vorher sichern.
Wiederholtes starkes Bremsen erhöht die Scheibentemperatur; die Reibungswirkung kann abfallen.
Matrix: 10 → 17
GitHub-Vorlage ansehenEnger gepackte Zellen erhöhen die volumetrische Energiedichte, verringern aber thermische Abstände und können die Ausbreitung eines Fehlers begünstigen.
Matrix: 7 → 27
GitHub-Vorlage ansehenAblagerungen mindern den Wärmeübergang; zusätzliche Strömungshindernisse zur Reinigung erhöhen den Druckverlust.
Matrix: 30 → 22
GitHub-Vorlage ansehen