Virtuelle Produktentwicklung

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

Industrielle Produktentwicklung

Heutzutage werden vielfach numerische Simulationen durchgeführt, sodass teure und aufwendige reale Experimente vermeidbar sind, d.h. die zugrunde liegenden technischen und physikalischen Prozesse werden auf Rechnersystemen mit mathematisch-numerischen Methoden vorausberechnet. So werden numerische Simulationen in der Automobilindustrie genutzt, um den Einfluss von unterschiedlichen Materialeigenschaften, Bauteilformen oder Verbindungskomponenten in verschiedenen Designkonfigurationen zu untersuchen.

 

Effizienter, datengetriebener Umgang


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 am 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 Grey-Box-Methoden zur Datenanalyse erlauben so eine gezielte Unterstützung des Entwicklungsingenieurs, dessen Arbeit vereinfacht und effizienter wird.

 

Crashverhalten in der Automobilindustrie