Künstliche Intelligenz

Effiziente Produktentwicklung mithilfe künstlicher Intelligenz (KI)

Im Rahmen der Produktentwicklung sind eine Vielzahl an CFD Berechnungen und Versuchen notwendig, die im Nachgang durch Prototypen  abgesichert werden müssen. Die Fertigung von aufwendigen und kostenintensiven Werkzeugen ist keine Seltenheit.

Auch müssen oftmals transiente CFD Berechnungen zur Bewertung der Produktfunktionalität durchgeführt werden, deren Rechenzeiten sich vorab nur schwer bestimmen lassen und so die Kosten- und Zeitaufwände für die Lösungsfindung unkalkulierbar machen.

Wie lassen sich verbesserte Entscheidungsgrundlagen in Bezug auf Kosten und Nutzen im Entwicklungsprozess schaffen und Varianten reduzieren?

Wie kann man eine Vielzahl vorhandenen Daten und Erfahrungen aus der Vergangenheit für zukünftige Entscheidungen nutzbar machen, so dass nur noch die vielversprechendsten Lösungsansätze weiterverfolgt werden müssen?

Wir haben uns der Frage gewidmet, wie sich aus einer Vielzahl von bereits im Unternehmen vorhandenen Daten aus Versuchen und/ oder CFD Analysen mittels Künstlicher Intelligenz (KI) Aussagen über weitere Fragestellungen generieren lassen, um die Produktentwicklung effizienter zu gestalten.

Künstliche Neuronale Netze (KNN) können uns Antworten liefern und die Effizienz der Lösungsfindung steigern.

Im Rahmen eines Zentralen Innovationsprogrammes Mittelstand (ZIM) haben wir Möglichkeiten geschaffen, aus einer Vielzahl von vorliegenden CFD Modellen und CFD Ergebnissen mit Hilfe von Künstlichen Neuronalen Netzen (KNN) Tendenzen für unterschiedliche Zielgrößen vorherzusagen, wie beispielsweise die Vorhersage von Rechenzeiten von CFD Simulationen oder die Kühlleistung für einen Wärmetauscher.

Weiterhin wurden Verfahren entwickelt, mit denen sich die Güte der Ergebnisse qualitativ bewerten und das Risiko bezüglich der Genauigkeit ableiten lassen.

„Es ist schwer zu sagen, was unmöglich ist, denn der Traum von gestern ist die Hoffnung von heute und die Wirklichkeit von morgen.”

 

Robert Goddard