Forschungsprojekt Easy MLS
Die kontinuierliche Weiterentwicklung von Digital Engineering Werkzeugen hat den Produktentwicklungsprozess ma?geblich ver?ndert. Dank steigender Rechenleistung lassen sich heute immer detailliertere digitale Modelle erstellen, die komplexe Produkteigenschaften und -verhalten pr?zise simulieren. Allerdings bleibt der untersuchte L?sungsraum oft begrenzt, da aufgrund der hohen Komplexit?t meist nur ausgew?hlte Parameter optimiert werden. Dieser Optimierungsprozess basiert in erster Linie auf menschlichem Fachwissen, das jedoch durch zeitliche, finanzielle und kognitive Einschr?nkungen sowie m?gliche Verzerrungen nicht immer zur bestm?glichen L?sung führt.
In der aktuellen Forschung zur simulationsgetriebenen Produktentwicklung wurden Machine Learning Ersatzmodelle (MLS) eingeführt, um herk?mmliche Simulationen für Produktanalyse und -validierung zu verbessern oder teilweise zu ersetzen. MLS-Techniken verringern den Rechenaufwand im Vergleich zu herk?mmlichen Simulationen erheblich. So kann ein gro?er L?sungsraum mit geringem Aufwand untersucht werden.
Parallel dazu w?chst der Bedarf an Automatisierung in der Produktherstellung, nicht zuletzt aufgrund des demografisch bedingten Fachkr?ftemangels. In diesem Kontext haben sich Methoden des Design for Automatic Assembly etabliert.
Das Forschungsprojekt EasyMLS kombiniert die Nutzung von MLS und den Bedarf der hybriden Entscheidungsfindung. Die angestrebten Ergebnisse bilden die methodische Grundlage für die Implementierung entsprechender Assistenzfunktionen in CAD- und anderen digitalen Engineering-Tools zur Effizienzsteigerung in der Produktentstehung.
Ziele des Forschungsprojektes
- MLS-Ans?tze für die Analyse sp?terer Produktentstehungsphasen in frühen Entwurfsstadien anwenden
- Die proaktive Reduzierung des Aufwands in sp?teren Phasen der Produktentwicklung erm?glichen
- Erhebliche Verringerung der Rechenkosten durch die Verwendung von Ersatzmodellen, die eine direkte Rückmeldung in Engineering-Tools erm?glichen
- Eine frühzeitige Vorhersage und Anpassung des Produktes hinsichtlich der Eignung für die automatisierte Montage
Schwerpunkte des Forschungsprojekts
- Optimierung der r?umlichen Anordnung von Produktkomponenten
- Erm?glichung automatisierter Montageans?tze durch Anpassung der Montagereihenfolge
- Kombination beider Ans?tze zu einem einzigen, schlanken Prozess
- Einbindung des erforschten Prozesses in eine Engineering-Software
- Validierung des Ansatzes anhand eines Elektrolyseurs
Die Projektergebnisse werden die Produktentstehung zukünftig verbessern, ...
... indem das Layout von Komponenten optimiert und dabei die Automatisierung der Montage fokussiert wird.
Forschungsteam
Pu?b?li??ka?ti?o??nen & re?le?van?te Vor???pu?b?li??ka?ti?o??nen
| Titel | Autor | DOI |
|---|---|---|
| A Method for Reinforcement Learning-based Development of a System’s Information Processing in the Product Development | P. Trentsios, M. Wolf, D. Gerhard | doi.org/10.1016/j.procir.2023.03.141 |
| AI-supported evaluation application for product design assessment regarding automated production | M. Jakschik, J. Thielmann, L. Lamers, B. Kuhlenk?tter | doi.org/10.1145/3704137.3704158 |