KI und Simulation Nutzen von Data Science in der Produktentwicklung

Anbieter zum Thema

MPDV Mikrolab GmbH

invenio Virtual Technologies GmbH

UberCloud

Die Industrie steht vor der Herausforderung, komplexe Simulations- und Datenanalyse-Methoden in der Breite im Unternehmen einzusetzen. Durch innovative Berechnungsmethoden, einfache Benutzerführung und Know-how-Transfer hilft Altair, das Thema Simulation und Datenanalyse auch für Fachexperten anderer Domänen und Neueinsteiger in verschiedenen Bereichen voranzutreiben.

Überall, wo das Thema künstliche Intelligenz (KI) aufkommt, sind Buzzwords wie maschinelles Lernen, generative KI und synthetische Daten nicht weit. Allerdings sagen die Begriffe nichts darüber aus, welchen konkreten Nutzen sie im Entwicklungsumfeld haben. Dabei gibt es bereits heute eine Vielzahl von Arbeitsfeldern für KI-Methoden in der Produktentwicklung, von der effizienteren Modellerstellung bis zur Vorhersage physikalischen Verhaltens. Gerade im Zusammenspiel von KI und Simu­lation kommt der Technologie bei immer mehr Anwendungen eine tragende Rolle zu, da sie Abläufe beschleunigen und Zusammenhänge besser erkennen kann.

KI und Simulation in der Produktentwicklung

• Effiziente Modellerstellung: Basierend auf Geometrien (Netz oder CAD-Format) können Algorithmen diese in Werte übersetzen, damit sich die Geometrien vergleichen, bearbeiten, clustern und in Gruppen und Klassen einteilen lassen. Das erleichtert die Modellorganisation, und der Modellierungsprozess wird effizienter.

• Multidisziplinäre Entwurfsexploration: Mit bestehenden Ergebnissen parametrisierter Designs lassen sich durch Regressionsanalysen sowohl Zusammenhänge erkennen als auch Vorhersagen von Einzelwerten oder Verhaltenskurven treffen. So lassen sich Lücken in Testdaten schließen.

• Physikalisches Verhalten schnell vorhersagen: Auf Basis von simulierten Ergebnissen und geometrischen Strukturen wird ein neuronales Netzwerk trainiert, das ohne erneuten Simulationslauf Verhaltensvorhersagen macht.

• Komplexes Systemverhalten effizient abbilden: Neuronale Netze statt Co-­Simulation. Komplexe Vorgänge, die mit rechenintensiven Simulationen wie der Diskrete-Elemente-Methode, Computational Fluid Dynamics und Finite-Elemente-Analysen abgebildet werden, trainieren ein neuronales Netzwerk, welches als Modell reduzierter Ordnung (ROM) das Systemverhalten wiedergibt. System­simulationen werden damit um das Tausendfache schneller, ohne Abstriche bei der Genauigkeit. Das schafft Raum für neue Ideen und für die Optimierung der Leistungsfähigkeit des Gesamtsystems.

• Verhaltensmuster erkennen und daraufhin optimieren: Auf der Grund­lage der Ergebnisfelder vieler simulierter Design­varianten wird mit unüberwachtem Lernen, einem Ansatz des maschinellen Lernens, eine Gruppe mit einheitlichen Verhaltensmustern erstellt. So lassen sich Hunderte von Simulationen intuitiv verarbeiten. Am Beispiel Megacasting zeigt sich eindrucksvoll der Vorteil des KI-Ansatzes gegenüber traditionellen Methoden

Generative KI – Design for Megacasting

Der Megacasting-Trend ist gewaltig, bringt aber auch viele ungelöste Entwicklungsaufgaben mit sich. Die Umsetzung großer Gussteile erfordert spezielle Maschinen sowie eine hohe Präzision, um Fertigungs­toleranzen einzuhalten und Materialqualität sicherzustellen. Die neugewonnene Gestaltungsfreiheit bietet neues Leichtbau-Potenzial. Die zunehmende Komplexität gilt es zu beherrschen.

Für Konstrukteure wird es daher immer wichtiger, neue Technologien wie KI und maschinelles Lernen (ML) zur Anwendung zu bringen, um neue Ansätze zur Gewichts­reduktion, zur Senkung der Herstellungskosten und zur Umsetzung neuer Leistungs­anforderungen zu verfolgen.

Eine Lösung dafür ist ein Entwicklungsprozess, der Data Science mit dem Engineering verbindet. Dieser Ansatz ermöglicht auf Basis von KI, generativem Design und modernster CAE-Technologie multidisziplinäre Variantenuntersuchungen für effiziente und fertigungsgerechte Strukturen. So können Entwicklungsteams Tausende von Simulationen gleichzeitig nutzen, um die beste Lösung zu finden. Um nicht jede Designvariante einzeln zu bewerten, lässt sich der Lösungsraum auf ein gewünschtes Verhaltensmuster einschränken. Damit kann, anstatt auf einzelne Zielwerte, auf das gewünschte Verhalten hin optimiert werden. KI-gestütztes generatives Design ermöglicht es, den bidirektionalen Zusammenhang zwischen fertigungsabhängiger Materialqualität und dem Bauteilverhalten zu beherrschen. So lassen sich komplexeste Bauteile mit einer Vielzahl von Anforderungen fertigungsgerecht und effizient entwerfen. Dafür hat Altair einen maßgeschneiderten Entwicklungsprozess entwickelt, der Expertenwissen skalierbar macht.

Umfassender Optimierungsworkflow  für KI-gestützte generative Entwicklung

In einem Entwicklungsprozess müssen zahlreiche Anforderungen berücksichtigt werden, um Leichtbau, Funktionsanforderungen und Herstellbarkeit in Einklang zu bringen – von der Materialplatzierung bis zum Aufbau des Fertigungssystems.
 Der Optimierungsprozess für Megacasting-Komponenten umfasst zwei Phasen. In einem ersten Schritt erfolgt die Topologieoptimierung zur effizienten Materialplatzierung auf Grundlage linearisierter Lastfälle. Anschließend steht eine multidisziplinäre Optimierung zur Bewertung der Komponente sowie die Überprüfung der Herstellbarkeit mittels Gusssimulation an, wobei KI und ML unterstützend wirken.

• Topologieoptimierung: Um das Material am effektivsten zu platzieren, kommt die bewährte, generative Konstruktionstechnik zum Einsatz. Hier lassen sich optimale Lastpfade für multidisziplinäre Belastungsbedingungen ableiten, die Hunderte von Lastfällen und Variablen sowie Fertigungseinschränkungen für Gussteile umfassen.

• Multidisziplinäre Optimierung: Die Anwendung von RSM-Optimierung kann man mit maschinellem Lernen kombinieren, um Anforderungen zu erfüllen und optimale Rippenorientierungen und Dickenverteilungen für Gussstrukturen in nichtlinearen Crash- und Gusssimulationen bereitzustellen. Mit Clustering und Klassifizierung vollständiger Simulations-Ergebnisfelder lassen sich rein skalare, regressionsartige Ziele überwinden und mit Expertenbewertungen abgleichen, um auf das gewünschte Bauteilverhalten zu optimieren.

• Herstellbarkeit evaluieren – auf gewünschtes Gussverhalten optimieren: Die gleiche Methode des unüberwachten Lernens ermöglicht auch eine Bewertung der Herstellbarkeit. Sie erkennt in Varianten einheitliches Verhalten wie die Strömungsgeschwindigkeit am Anschnitt oder die Fließfronten bei der Simulation des Druckgussverfahrens, um zum Beispiel die optimale Anzahl, Größe und Position von Anguss-Geometrien zu ermitteln.

  Jetzt Newsletter abonnieren

  Verpassen Sie nicht unsere besten Inhalte

  Geschäftliche E-Mail

  Bitte geben Sie eine gültige E-Mailadresse ein.

  Abonnieren

  Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

  Aufklappen für Details zu Ihrer Einwilligung

  Stand vom 11.01.2024

  Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung.

  Einwilligung in die Verwendung von Daten zu Werbezwecken

  Ich bin damit einverstanden, dass der WIN-Verlag GmbH & Co. KG, Balanstraße 73, Gebäude Nr. 21A, EG, 81541 München, einschließlich aller mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden.

  Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden.

  Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden.

  Recht auf Widerruf

  Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://kontakt.vogel.de/de/win abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.

Megacasting und Co.: Altair spricht beide Sprachen – Engineering und KI

Mit innovativen Simulationsmethoden, benutzerfreundlichen, prozessgesteuerten Benutzeroberflächen und Know-how-Transfer hilft Altair Unternehmen, die Simulation und Datenanalyse zu demokratisieren und sie für Fachleute und Neueinsteiger zugänglich und verständlich zu machen, wodurch sich der Bedarf an physischen Prototypen verringern lässt.

Als führender Anbieter von Data Analytics und KI-Lösungen im Engineering spricht ­Altair als Alleinstellungsmerkmal beide Sprachen: Engineering und KI. Altairs No-Code- KI-Lösung ermöglicht Experten aller Fachbereiche anwendungsorientierten Zugang zu maschinellem Lernen und KI. Damit ermöglicht der Softwareanbieter den Wandel zu einem simulations- und datengetriebenen Unternehmen.

ALTAIR ENGINEERING DATA SCIENCE UPDATE

Wie kann KI in der Produktentwicklung helfen, Ihre Ziele schneller zu erreichen?
Mit den Engineering Data Science ­Updates in den Altair-Niederlassungen gibt Altair Entwicklungs- und CAE-Verantwortlichen einen Überblick über nützliche KI-Anwendungen in der Produktentwicklung.

Mehr Infos und Anmeldung unter: https://web.altair.com/de/data-days-2024

Der Autor Mirko Bromberger ist Director bei Altair und  verantwortet das DACH/BeNeLux-Marketing.