Virtuelle Produktentwicklung

In der virtuellen Produktentwicklung wird Maschinelles Lernen immer mehr eingesetzt, um den Entwicklungsingenieur im Forschungs- und Entwicklungsprozess zu unterstützen.

Heute werden vielfach numerische Simulationen durchgeführt, die teure und aufwändige reale Experimente überflüssig machen, indem die zugrunde liegenden technischen und physikalischen Prozesse auf Rechnersystemen mit mathematisch-numerischen Methoden vorausberechnet werden. So werden numerische Simulationen in der Automobilindustrie genutzt, um den Einfluss von unterschiedlichen Materialeigenschaften, Bauteilformen oder Verbindungskomponenten in verschiedenen Designkonfigurationen zu untersuchen.

Ein effizienter, datengetriebener Umgang mit vielen numerischen Simulationen ist bisher nur eingeschränkt möglich. Hierbei werden zum Vergleich der verschiedenen Ergebnisse nicht nur einige wenige Kennzahlen betrachtet, sondern die eigentlichen hochkomplexen Simulationsergebnisse, wie z. B. verschiedene Verformungen. Vor diesem Hintergrund werden bei Fraunhofer SCAI neue Methoden des Maschinellen Lernens für die Auswertung, Verwendung und Weiterverarbeitung von Ergebnisdaten aus numerischen Simulationen entwickelt und angewandt. Mit Hilfe mathematischer Konzepte kann in der Datenanalyse ausgenutzt werden, dass den Daten physikalisch-technische Prozesse zugrunde liegen. Die entwickelten Graybox-Methoden zur Datenanalyse erlauben so eine gezielte Unterstützung des Entwicklungsingenieurs, dessen Arbeit vereinfacht und effizienter wird.

 

Intelligente Assistenzsysteme für eine effiziente Produktentwicklung#

Designmaßnahmen in der virtuellen Produktentwicklung sind beschrieben durch Informationen über Produktparameter wie Geometrie, Materialeigenschaften, Verbindungen oder Komponenten. Durch numerische Simulationen werden die Auswirkungen von Designänderungen auf Produkteigenschaften wie Dauerbelastungen, Temperaturen, Schwingungen und Verformungen zugänglich. In ViPrIA werden Methoden entwickelt, um die Zusammenhänge zwischen Deisgnmaßnahmen und Produktigenschaften in einer Wissensdatenbank abzubilden. Durch diese Datenbank können Ingenieure, die mit ähnlichen Konstruktionssituationen konfrontiert sind, Informationen aus früheren Produktentwicklungen nutzen, was den Entwicklungsprozess vereinfacht und beschleunigt.

Zum Projekt

 

© Fraunhofer SCAI

Vergleichende Analyse von Mess- und Simulationsdaten#

Im Vorhaben VAVID wurde Techniken für einen effizienten Umgang mit Daten von numerischen Simulationen sowie Messdaten von Sensoren untersucht. Insbesondere wurden Methoden zur Datenextraktion, zum Datenmanagement, zu effizienten Analysen mit Hilfe von Ansätzen aus dem High-Performance-Computing sowie zur interaktiven Visualisierung untersucht und entwickelt. Auf diese Weise wurden Softwarekomponenten realisiert, die eine vergleichende, automatisierte Analysen vieler Simulationsergebnisse für Ingenieure dieser Bereiche ermöglichen.

Zum Projekt

Logo VAVID