Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering

Files
18136_Spruegel_Diss_MB_379.pdf (10.63 MB)
Diss. Reihe Maschinenbau, Band 379

Language
de
Document Type
Doctoral Thesis
Issue Date
2022-01-21
Issue Year
2021
Authors
Sprügel, Tobias
Editor
Franke, Jörg
Hanenkamp, Nico
Hausotte, Tino
Merklein, Marion
Schmidt, Michael
Wartzack, Sandro
Publisher
FAU University Press
ISBN
978-3-96147-476-9
Abstract

The importance of data is increasing in all areas of life. This effect can also be observed in product development. The combination of virtual product development with the continuous and holistic use of data is referred to as «digital engineering». The implementation of digital engineering results in a transformation process and is accompanied by a change in the previous roles of people involved and the tools used. The aim is to use as much data as possible and to process this data with machine learning algorithms. In product development there is numerous geometric data (e.g. CAD models or measurement data) or data which is linked to geometry (e.g. numerical simulations and their results). In this dissertation, the method of spherical detector surfaces was developed, which makes it possible to transform arbitrary geometries into a uniform numerical matrix. The developed method can also be used to convert information associated with the geometry into further uniform matrices and thus provide this information for machine learning algorithms. The developed methodology is implemented in three different application examples and all necessary substeps are described in detail. This also includes the transformation of finite element simulations to the so called «DNA of an FE simulation».

Abstract

Die Bedeutung von Daten nimmt in allen Lebensbereichen eine immer größere Rolle ein. Diese Entwicklung kann ebenso in der Produktentwicklung und Produktentstehung beobachtet werden. Die Verknüpfung der virtuellen Produktentwicklung mit der durchgängigen und ganzheitlichen Datennutzung wird als «Digital Engineering» bezeichnet. Die Umsetzung des Digital Engineering geht mit einem starken Wandel und einer Veränderung der bisherigen Rollen der beteiligten Personen und der verwendeten Werkzeuge einher. Dabei gilt es, möglichst alle zur Verfügung stehenden Daten zu nutzen und diese Daten mittels Algorithmen des Maschinellen Lernens zu verarbeiten. In der Produktentstehung existieren zahlreiche Geometriedaten (z.B. CAD Modelle oder Messdaten) oder mit einer Geometrie verknüpfte Daten (z.B. numerische Simulationen und deren Ergebnisse). Im Rahmen der vorliegenden Dissertation wurde die Methode der sphärischen Detektorflächen entwickelt, welche es ermöglicht, beliebige Geometrien in eine einheitliche numerische Matrix zu überführen. Die entwickelte Methode kann ebenfalls genutzt werden, um Informationen, die mit der Geometrie verknüpft sind, in weitere dieser einheitlichen Matrizen umzuwandeln und so Algorithmen des Maschinellen Lernens zur Verfügung zu stellen. Das entwickelte Vorgehen wird anhand von drei unterschiedlichen Anwendungsbeispielen umgesetzt und es werden alle notwendigen Teilschritte detailliert beschrieben. Dies umfasst auch die Ableitung der sogenannten «DNA einer FE-Simulation».

Series
FAU Studien aus dem Maschinenbau
Series Nr.
379
Citation
mb.fau.de/diss
Notes
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-475-2
Faculties & Collections
Zugehörige ORCIDs