(Englisch folgt Japanisch)
Titel auf Japanisch: Anwendung von CAE und statistischen Methoden in der Automobilindustrie (NVH-robustes Design und mehrzielige Optimierungsstudie)
Ichiro Shibata, Technischer Marketingmanager, Marketingabteilung, Altea Engineering Co., Ltd.
CAE ist zu einem unverzichtbaren Werkzeug bei der Verbesserung der NVH-Eigenschaften (Geräusch und Vibration) und der Crashsicherheit von Kraftfahrzeugen geworden. Im Allgemeinen wird es jedoch als deduktives und deterministisches Werkzeug angesehen, das die Input-Output-Beziehung für ein einzelnes Modell eindeutig quantifiziert und nicht in der Lage ist, probabilistische Bewertungen durchzuführen, die die verschiedenen Unsicherheiten berücksichtigen, die eine tatsächliche Fahrzeugkarosserie mit sich bringt. Um jedoch die in der Automobilindustrie umgesetzte Bewegung ohne Prototyping (aktive Nutzung des virtuellen Prototypings mittels CAE) zu fördern, ist eine probabilistische Bewertung wichtig. In diesem Seminar wird ein Beispiel für die Verwendung von JMP für DOE, multiple Regressionsanalyse und die Erstellung eines probabilistischen Vorhersagemodells mithilfe von Simulationen eines mathematischen Modells in einer NVH-robusten Designmethode vorgestellt, das tatsächlich als gemeinsames Forschungsprojekt mit einem Automobilhersteller durchgeführt wurde. Außerdem wird ein Beispiel für die Verwendung von JMP für DOE, Clusteranalyse und neuronale Netzwerke in der Mustererkennung und im maschinellen Lernen zur Deformationsmodussteuerung von stark nichtlinearen und statisch unbestimmten Automobilkarosseriestrukturen vorgestellt.
Die Anwendung von Computer-Aided Engineering und statistischen Methoden in der Automobilindustrie
(Eine Untersuchung des NVH-robusten Designs und der Mehrzieloptimierung)
Ichiro Shibata, Technischer Marketingmanager, Marketingabteilung, Altair Engineering
Computergestütztes Engineering (CAE) hat sich zu einem unverzichtbaren Werkzeug für die Entwicklung von NVH (Noise, Vibration and Harshness), Kollisionssicherheit und anderen Aspekten im Automobilbereich entwickelt. CAE gilt jedoch allgemein als deduktives und deterministisches Werkzeug, das Input-Output-Beziehungen in Modellen eindeutig quantifiziert und angesichts der vielfältigen Unsicherheiten realer Fahrzeuge nicht für stochastische Bewertungen verwendet werden kann. Um jedoch prototypenlose Methoden (proaktive Anwendung hypothetischer Prototypen mittels CAE), die in der Automobilindustrie zunehmend an Bedeutung gewinnen, zu fördern, ist die stochastische Bewertung wichtig. Im Rahmen gemeinsamer Forschung mit Automobilherstellern nutze ich NVH-robuste Designmethoden, um DOE- und multiple Regressionsanalysen durchzuführen und probabilistische Projektionsmodelle mithilfe von Simulationen in numerischen Modellen mit JMP zu erstellen. Ich stelle hierzu ein Fallbeispiel sowie ein Fallbeispiel für DOE, Clusteranalyse, neuronale Netze mit JMP zur Mustererkennung und maschinelles Lernen zur Deformationsmodusregelung höherwertiger, nichtlinearer und unbestimmter Automobilstrukturen vor.
