ASTRADIN
Automatisierte strömungsakustische Designoptimierung für die Industrie
Das ASTRADIN-Projekt zielte auf innovative Softwaretechniken zur Produktakustikoptimierung. Im Gegensatz zu teuren Prototypenexperimenten setzte es auf Simulationen mittels Hochleistungscomputern. Derzeitiger aeroakustischer Designprozess benötigt ein halbes Jahr und Hunderte Arbeitsstunden. Hier führte das Projekt selbstlernende Methoden auf tiefen neuronalen Netzwerken ein, automatisierte Modellerstellung, Prozessüberwachung und bessere Ergebnisinterpretation. Durch kluge Automatisierung und Parallelisierung können Produktvarianten in kürzerer Zeit erkundet werden.
- Projektstart: Juli 2019
- Laufzeit: 33 Monate
- Fördersumme: 1,2 Mio. €
- Anzahl Partner: 4
Projektziele
Erstmalig wurden selbstlernende Methoden auf Basis tiefer neuronaler Netze, insbesondere Convolutional Neural Networks (CNNs), als neuartige Grundlage für notwendige, bisher nicht verfügbare Funktionen untersucht und die Technologien für erforderliche Softwarewerkzeuge entwickelt.
Der im ASTRADIN-Projekt gewählte Ansatz und die resultierenden Funktionen ermöglichten einen integrierten, automatisierten Workflow, der bereits in frühen Entwicklungsphasen Produktsimulationen mit Optimierungsmethoden und Konstruktionsdaten (CAD) verknüpfte. Dies ermöglichte die rasche Erstellung virtueller Prototypen und simulierte Konstruktionsvarianten unter detaillierter Berücksichtigung akustischer Quellen und der Ausbreitung von Schallwellen.
Die Grundlage bildeten Untersuchungen zu tiefen neuronalen Netzen, insbesondere Convolutional Neural Networks (CNNs), zur wissensbasierten Generierung von strukturierten Netzwerken für Simulationen, zur Einbindung wissensbasierter Entscheidungen in die automatische Überwachung und Auswertung von Simulationen sowie zur Erstellung modularer Metamodelle ("schnell berechenbarer Ersatzmodelle") zur beschleunigten Optimierung parametrisierter CAD-Modelle.
Durch das ASTRADIN-Projekt konnten wissensbasierte Entscheidungen in den virtuellen Prototypierungsprozess integriert, dessen Zuverlässigkeit gesteigert und bisher manuell interaktive Schritte automatisiert werden, die zuvor nur durch langjähriges Fachwissen eines Simulationsingenieurs möglich waren.
Der entstandene Software-Demonstrator des Projekts basiert auf der CONTACT Elements Plattform und nutzt sie als Grundlage für den "Optimization as a Service" Ansatz, der im Verlauf des Projekts mit der Anwendung realisiert wurde
Projektziele
Erstmalig wurden selbstlernende Methoden auf Basis tiefer neuronaler Netze, insbesondere Convolutional Neural Networks (CNNs), als neuartige Grundlage für notwendige, bisher nicht verfügbare Funktionen untersucht und die Technologien für erforderliche Softwarewerkzeuge entwickelt.
Der im ASTRADIN-Projekt gewählte Ansatz und die resultierenden Funktionen ermöglichten einen integrierten, automatisierten Workflow, der bereits in frühen Entwicklungsphasen Produktsimulationen mit Optimierungsmethoden und Konstruktionsdaten (CAD) verknüpfte. Dies ermöglichte die rasche Erstellung virtueller Prototypen und simulierte Konstruktionsvarianten unter detaillierter Berücksichtigung akustischer Quellen und der Ausbreitung von Schallwellen.
Die Grundlage bildeten Untersuchungen zu tiefen neuronalen Netzen, insbesondere Convolutional Neural Networks (CNNs), zur wissensbasierten Generierung von strukturierten Netzwerken für Simulationen, zur Einbindung wissensbasierter Entscheidungen in die automatische Überwachung und Auswertung von Simulationen sowie zur Erstellung modularer Metamodelle ("schnell berechenbarer Ersatzmodelle") zur beschleunigten Optimierung parametrisierter CAD-Modelle.
Durch das ASTRADIN-Projekt konnten wissensbasierte Entscheidungen in den virtuellen Prototypierungsprozess integriert, dessen Zuverlässigkeit gesteigert und bisher manuell interaktive Schritte automatisiert werden, die zuvor nur durch langjähriges Fachwissen eines Simulationsingenieurs möglich waren.
Der entstandene Software-Demonstrator des Projekts basiert auf der CONTACT Elements Plattform und nutzt sie als Grundlage für den "Optimization as a Service" Ansatz, der im Verlauf des Projekts mit der Anwendung realisiert wurde
Projektziele
Erstmalig wurden selbstlernende Methoden auf Basis tiefer neuronaler Netze, insbesondere Convolutional Neural Networks (CNNs), als neuartige Grundlage für notwendige, bisher nicht verfügbare Funktionen untersucht und die Technologien für erforderliche Softwarewerkzeuge entwickelt.
Der im ASTRADIN-Projekt gewählte Ansatz und die resultierenden Funktionen ermöglichten einen integrierten, automatisierten Workflow, der bereits in frühen Entwicklungsphasen Produktsimulationen mit Optimierungsmethoden und Konstruktionsdaten (CAD) verknüpfte. Dies ermöglichte die rasche Erstellung virtueller Prototypen und simulierte Konstruktionsvarianten unter detaillierter Berücksichtigung akustischer Quellen und der Ausbreitung von Schallwellen.
Die Grundlage bildeten Untersuchungen zu tiefen neuronalen Netzen, insbesondere Convolutional Neural Networks (CNNs), zur wissensbasierten Generierung von strukturierten Netzwerken für Simulationen, zur Einbindung wissensbasierter Entscheidungen in die automatische Überwachung und Auswertung von Simulationen sowie zur Erstellung modularer Metamodelle ("schnell berechenbarer Ersatzmodelle") zur beschleunigten Optimierung parametrisierter CAD-Modelle.
Durch das ASTRADIN-Projekt konnten wissensbasierte Entscheidungen in den virtuellen Prototypierungsprozess integriert, dessen Zuverlässigkeit gesteigert und bisher manuell interaktive Schritte automatisiert werden, die zuvor nur durch langjähriges Fachwissen eines Simulationsingenieurs möglich waren.
Der entstandene Software-Demonstrator des Projekts basiert auf der CONTACT Elements Plattform und nutzt sie als Grundlage für den "Optimization as a Service" Ansatz, der im Verlauf des Projekts mit der Anwendung realisiert wurde
Motivation
Das Projekt zielt darauf ab die Vorteile von KI-basierten Assistenzsystemen für Industrieunternehmen zugänglich zu machen:
◾ Kosteneffizienz: Durch Automatisierung komplexer Aufgaben mit KI lassen sich menschliche Arbeitsstunden und somit Kosten sparen.
◾ Beschleunigte Entwicklung: KI verkürzt Entwicklungszeiten für Komponenten erheblich, da sie schneller und effizienter als herkömmliche Methoden arbeitet. Dies resultiert in zügigeren Produktentwicklungszyklen.
◾ Konsistente Qualität: KI liefert dank ihrer datenbasierten Algorithmen stets konsistente und präzise Ergebnisse, unbeeinflusst von menschlichen Faktoren.
◾ Benutzerfreundlichkeit: KI-basierte Simulationsapplikationen sind auch für Nicht-Experten zugänglich, sodass auch Personen ohne tieferes Fachwissen fundierte Entscheidungen treffen und innovative Lösungen entwickeln können.
Zusammenfassend steigern KI-basierte Assistenzsysteme in einer serviceorientierten Produktauslegung die Effizienz, Geschwindigkeit und Qualität des Entwicklungsprozesses und machen die Technologie einem breiteren Anwenderkreis zugänglich
Motivation
Das Projekt zielt darauf ab die Vorteile von KI-basierten Assistenzsystemen für Industrieunternehmen zugänglich zu machen:
◾ Kosteneffizienz: Durch Automatisierung komplexer Aufgaben mit KI lassen sich menschliche Arbeitsstunden und somit Kosten sparen.
◾ Beschleunigte Entwicklung: KI verkürzt Entwicklungszeiten für Komponenten erheblich, da sie schneller und effizienter als herkömmliche Methoden arbeitet. Dies resultiert in zügigeren Produktentwicklungszyklen.
◾ Konsistente Qualität: KI liefert dank ihrer datenbasierten Algorithmen stets konsistente und präzise Ergebnisse, unbeeinflusst von menschlichen Faktoren.
◾ Benutzerfreundlichkeit: KI-basierte Simulationsapplikationen sind auch für Nicht-Experten zugänglich, sodass auch Personen ohne tieferes Fachwissen fundierte Entscheidungen treffen und innovative Lösungen entwickeln können.
Zusammenfassend steigern KI-basierte Assistenzsysteme in einer serviceorientierten Produktauslegung die Effizienz, Geschwindigkeit und Qualität des Entwicklungsprozesses und machen die Technologie einem breiteren Anwenderkreis zugänglich
Motivation
Das Projekt zielt darauf ab die Vorteile von KI-basierten Assistenzsystemen für Industrieunternehmen zugänglich zu machen:
◾ Kosteneffizienz: Durch Automatisierung komplexer Aufgaben mit KI lassen sich menschliche Arbeitsstunden und somit Kosten sparen.
◾ Beschleunigte Entwicklung: KI verkürzt Entwicklungszeiten für Komponenten erheblich, da sie schneller und effizienter als herkömmliche Methoden arbeitet. Dies resultiert in zügigeren Produktentwicklungszyklen.
◾ Konsistente Qualität: KI liefert dank ihrer datenbasierten Algorithmen stets konsistente und präzise Ergebnisse, unbeeinflusst von menschlichen Faktoren.
◾ Benutzerfreundlichkeit: KI-basierte Simulationsapplikationen sind auch für Nicht-Experten zugänglich, sodass auch Personen ohne tieferes Fachwissen fundierte Entscheidungen treffen und innovative Lösungen entwickeln können.
Zusammenfassend steigern KI-basierte Assistenzsysteme in einer serviceorientierten Produktauslegung die Effizienz, Geschwindigkeit und Qualität des Entwicklungsprozesses und machen die Technologie einem breiteren Anwenderkreis zugänglich
Projektpartner
Dieses Forschungs- und Entwicklungsprojekt wurde mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) im Rahmen des KMU-Innovativ Programms gefördert
