Logo Leibniz Universität Hannover
Logo: Sonderforschungsbereich 653
Logo Leibniz Universität Hannover
Logo: Sonderforschungsbereich 653
  • Zielgruppen
  • Suche
 

N4 - Gestaltevolution durch algorithmisierte Informationsrückführung aus dem Produktlebenszyklus

Gestaltoptimierung auf Basis von Informationen aus dem Lebenszyklus

Der Fokus in den Untersuchungen liegt in der Erforschung, Erarbeitung und Adaption von Methoden, Werkzeugen, Hilfsmitteln sowie Prozessen für die Unterstützung einer ganzheitlichen Produktentwicklung. Darunter fallen Betrachtungen hinsichtlich performanter und effizienter Prozessabläufe zur Erzeugung eines hohen Automatisierungsgrades. Dies beinhaltet ebenso die Integration von Wissen, wie beispielsweise neuartiger KBE Methoden, als auch eine erhöhte Flexibilität innerhalb der Prozesskette. Mit den Enablern aus dem SFB kann die Produktentwicklung unterstützt werden, indem eine generationsübergreifende Prozessbetrachtung durchgeführt
wird. Dieser Prozess wird als „technische Vererbung“ bezeichnet und ist definiert als: „Überführung gesammelter und verifizierter Informationen aus der Produktion und Nutzung zur nächstfolgenden Anpassung“.

In allen Phasen des Produktlebenszykluses entsteht eine Vielzahl von Daten, welche durch die Aufbereitung zu Informationen für die Entwicklung der nachfolgenden Generation verwendet werden können. Durch eine Weiterentwicklung von Spezifikations- und Modellierungstechniken kann der Lebenszyklus für diverse technische Systeme sehr genau hinsichtlich der Informationsflüsse abgebildet werden. Darüber hinaus ermöglicht eine nachfolgende Analyse die Identifikation entwicklungsrelevanter Informationen. Durch die Berücksichtigung physikalischer, menschbezogener und ökonomischer Aspekte sowie technologischer Trends, können Hypothesen zum eigenen Produkt aufgestellt werden. Um diese Fragestellungen über den Lebenszyklus zu beantworten, kann einerseits auf eine bestehende Messtechnik zurückgegriffen werden. Andererseits können gentelligente Enabler aus einem Konstruktionskatalog ausgewählt und ins technische System integriert werden, um die Monitorringstrategie zu realisieren. Damit einhergehend werden Data Mining Methoden direkt in die Phasen der Produktentwicklung integriert, sodass die Datenmenge auf ein Minimum reduziert wird, indem die Messdaten typischen Situationen des technischen Systems im Lebenszyklus zugeordnet werden können.

Durch die Prozesse der technischen Vererbung können somit Informationen produktspezifisch erzeugt werden, welche auf diese Weise einen großen Vorteil für die Entwicklung der Nachfolgegeneration generieren. Weiterhin werden im Rahmen des TPs virtuelle Produktmodelle entwickelt, die eine Integration von Nutzungsinformationen unterstützen. Mit Hilfe dieser Modelle wird eine automatische Anpassung von Produkten an veränderte Nutzungsbedingungen ermöglicht. Mit dem Fokus auf mechanische Komponenten wird ein generativer parametrischer Modellierungsansatz, siehe Bild 1, entwickelt. Über die Kopplung von generativen parametrischen Modellen mit Simulationsumgebungen wird mittels genetischen Optimierungsalgorithmen sowohl konzeptionell, als auch geometrisch eine Bauteilgestalt erzeugt, die optimal an die jeweiligen Nutzungsinformationen angepasst ist, siehe Bild 2.

Bild 1: Generative Design Approach
Bild 2: Optimierte Radträger