HomeNewsletterAboSpringer Automotive MediaMediadatenKontakt

Home > Aktuell > Nachrichten

Divis und BMW kooperieren bei der Weiterentwicklung der Modellierungssoftware ClearVuAnalytics

Die Divis Intelligent Solutions GmbH hat 2011 mit BMW einen Kooperationsvertrag zur gemeinsamen Weiterentwicklung von ClearVu Analytics unterzeichnet. Die Software von divis wird zur Metamodellierung in der digitalen Produktentwicklung eingesetzt. BMW setzt ClearVu Analytics für die datengetriebene Modellierung experimenteller oder simulationsbasierter Daten ein.

Bei der Entwicklung anspruchsvoller Produkte sind meist viele unterschiedliche Einflussgrößen zu berücksichtigen. Die Produkteigenschaften werden unter anderem von konstruktiven Parametern wie Geometrie und den ausgewählten Materialien, aber auch von fertigungsbedingten Einflüssen bestimmt. Die Wechselwirkungen dieser Einflussgrößen und deren Beitrag zum Produktverhalten sind oftmals schwer vorauszusagen. Eine effektive Lösung für solch komplexe Aufgabenstellungen ist nach Angaben von Divis Intelligent Solutions das Produkt ClearVu Analytics (CVA). CVA analysiert auf der Grundlage vorhandener Test- oder Simulationsdaten den Einfluss aller Parameter auf die Produkteigenschaften und erlaubt Vorhersagen, wie sich Parameteränderungen auf das Produktverhalten auswirken. ClearVu Analytics nutzt dazu lineare und nicht-lineare Analysemethoden (unter anderem Methoden der Computational Intelligence). Ziel ist es, die Gesamt-Entwicklungskosten durch eine Reduzierung der Anzahl der benötigten realen Experimente und digitalen Iterationen zu verringern. CVA modelliert die Ergebnisse vorhandener Experimente oder Simulationen mittels unterschiedlicher Methoden und vergleicht die Prognosequalität der Modelle untereinander. Das integrierte Optimierungstool kann auf dieser Basis Parameter-Konfigurationen für die angestrebten Produkteigenschaften vorschlagen.

Eine wesentliche Grundlage für die Arbeitsweise von CVA ist das "Data Mining". Data-Mining setzt, ähnlich wie das naturwissenschaftliche Experiment, Modell und Wirklichkeit bzw. digitale Konstruktion in Beziehung zueinander, indem konkurrierende Modellierungsansätze und Einflussgrößen vorab auf der Basis vorhandener Daten untersucht werden. Data-Mining hilft aber auch, neue Zusammenhänge und Muster in großen Datenbeständen aufzufinden. Data-Mining nutzt Daten aus Experimenten oder Simulationsdaten zur automatischen Modellierung einer Fragestellung. Hierfür werden Methoden der Statistik angewendet. Mit Hilfe automatischer Modellierungstechniken und einer ausgefeilten Modellqualitätsbestimmung werden vorhandene Datenbestände analysiert und Modelle gebildet. Diese so genannten Metamodelle sind also Modelle über Modelle. Data-Mining ist, wenn man so will, ein virtuelles Experiment mit einem Modell als Untersuchungsobjekt.

Die Vorauswahl per Data-Mining sorgt dafür, dass mitunter zeitintensive FEM-Berechnungen, Simulationen und Versuche deutlich reduziert werden können. Dies bietet große Einsparpotentiale in der Automobilentwicklung, wenn man bedenkt, dass ein Simulator je nach Komplexität der Aufgabenstellung mehrere Stunden bis Tage an der Auswertung einer Struktur rechnet. Metadaten anzeigen: Autor verbergen | Schlagworte