{"id":37390,"date":"2023-08-29T14:01:13","date_gmt":"2023-08-29T12:01:13","guid":{"rendered":"https:\/\/plas.tv\/?p=37390"},"modified":"2023-08-29T14:01:13","modified_gmt":"2023-08-29T12:01:13","slug":"kuenstliche-intelligenz-erleichtert-die-integrative-simulation-von-kunststoffbauteilen","status":"publish","type":"post","link":"https:\/\/plas.tv\/?p=37390","title":{"rendered":"K\u00fcnstliche Intelligenz erleichtert die integrative Simulation von Kunststoffbauteilen"},"content":{"rendered":"

SKZ-Forschungsprojekt setzt auf KI f\u00fcr die Erstellung von anisotropen Materialmodellen<\/strong><\/h4>\n

Die Firmen PART Engineering, aiXtrusion und das Kunststoff-Zentrum SKZ geben ihre Zusammenarbeit in einem neu gestarteten Verbundprojekt bekannt. Durch die Entwicklung von KI-Modellen zur Vorhersage der Faserorientierung in Probek\u00f6rpern und deren Auswirkung auf das mechanische Verhalten soll die Erstellung anisotroper Materialmodelle automatisiert und der Einsatz der integrativen Simulation vereinfacht werden.<\/strong><\/p>\n

Die Erstellung anisotroper Materialmodelle f\u00fcr die Struktursimulation von Kunststoffbauteilen erfordert einen iterativen Kalibrierungsprozess, bei dem Ergebnisse aus der Probenherstellung (Spritzguss) und der Materialpr\u00fcfung (Zugversuche) mit entsprechenden Simulationsergebnissen (F\u00fcll- und strukturmechanische Simulation) abgeglichen werden. Diese Vorgehensweise verlangt vom Anwender erhebliches Know-how. Hier unterst\u00fctzt das SKZ seit vielen Jahren bei konkreten Fragestellungen zur Materialpr\u00fcfung und Digitalisierung in der Kunststofftechnik.
\nUm diese Knowhow-L\u00fccke zu schlie\u00dfen, haben PART Engineering, aiXtrusion und das SKZ ein neues Forschungsprojekt gestartet. Dabei sollen die notwendigen Simulationsprogramme durch geeignete KI-Modelle ersetzt werden. Ziel ist es, dem Anwender ein vollst\u00e4ndig gekapseltes und automatisiertes Werkzeug zur Erstellung und Validierung anisotroper Materialmodelle zur Verf\u00fcgung zu stellen.
\nIn dem 30-monatigen Projekt werden zwei KI-Modelle entwickelt, um sowohl die lokale Faserorientierung in spritzgegossenen Proben als auch das mechanische Verhalten dieser Proben in Zugversuchen vorherzusagen. Die KI-Modelle werden mit Simulationsergebnissen aus den F\u00fcll- und strukturmechanischen Simulationen f\u00fcr verschiedene Materialien trainiert. Die Vorhersagequalit\u00e4t der KI-Modelle wird anhand von praktischen Messdaten und zus\u00e4tzlichen Simulationen validiert.<\/p>\n

Integrative Simulation f\u00fcr KMU erm\u00f6glichen<\/strong>
\nDie Projektergebnisse sollen in Form eines Zusatzmoduls in eine kommerzielle Software einflie\u00dfen, die den Einsatz der integrativen Simulation deutlich vereinfacht. \u201eDas Potenzial der integrativen Simulation f\u00fcr einen effizienteren Materialeinsatz wird heute noch viel zu wenig genutzt\u201c, sagt Dr. Marcus Stojek, Gesch\u00e4ftsf\u00fchrer von PART Engineering. \u201eF\u00fcr viele unserer kleinen und mittelst\u00e4ndischen Kunden liegt die H\u00fcrde in der Verf\u00fcgbarkeit von anisotropen Werkstoffmodellen. Nicht selten fehlt schlicht der Zugang zu einem der notwendigen externen FE-Solver f\u00fcr die F\u00fcll- und strukturmechanische Simulation, um solche Modelle selbst zu erstellen. In vielen F\u00e4llen erm\u00f6glicht erst die Integration des geplanten KI-Moduls \u00fcberhaupt erst den Einsatz der integrativen Simulation f\u00fcr KMU ohne Vorerfahrung.\u201c
\n\u201eEine gro\u00dfe Herausforderung im Projekt ist die Generierung von Trainingsdaten in ausreichender Menge und in geeigneter Form\u201c, sagt Dr. Timo Grunemann, Experte f\u00fcr KI und Digitalisierung am SKZ. \u201eMit der richtigen Machine-Learning-Strategie ist die Substitution von numerischen FEM-Solvern durch KI-Modelle hier jedoch auch bei eher \u00fcberschaubaren Datenmengen m\u00f6glich, da Geometrie und Randbedingungen der betrachteten Proben nur wenig variieren. Lediglich die Materialparameter sind frei w\u00e4hlbar.\u201c
\nMit ihren jeweiligen Kompetenzen erg\u00e4nzen sich die Projektpartner in idealer Weise, um das angestrebte Entwicklungsziel zu erreichen. Das SKZ verf\u00fcgt \u00fcber eine jahrzehntelange Expertise im Bereich der Kunststoffpr\u00fcfung und der Digitalisierung f\u00fcr die Branche. Auch PART Engineering ist seit mehr als zwei Jahrzehnten eine renommierte Adresse, wenn es um die Simulation und Materialmodellierung von Kunststoffen geht. Als Systemintegrator und Messsystementwickler im Bereich der digitalen Bildverarbeitung mit KI-Erfahrung rundet aiXtrusion die Entwicklung und Umsetzung der neuen L\u00f6sung ab. Das Entwicklungsprojekt wird vom Bundesministerium f\u00fcr Bildung und Forschung gef\u00f6rdert. Die breite Kundenbasis der Projektpartner sowie die Softwareprodukte von PART Engineering stellen die Verbreitung der Entwicklungsergebnisse in die industrielle Praxis sicher.<\/p>\n

Die Projektpartner<\/strong>
\nPART Engineering ist ein Technologieunternehmen, das 1999 als technisches Beratungsunternehmen gegr\u00fcndet wurde. Heute entwickelt und vertreibt PART Engineering weltweit CAE Software und Simulations-Dienstleistungen im Umfeld der technischen Simulation. Das Unternehmen hat in breiten Industriesegmenten mehr als 400 Firmenkunden weltweit. Weitere Informationen erhalten Sie unter: www.partengineering.com<\/strong><\/a>.
\naiXtrusion ist als Ingenieurb\u00fcro im Bereich der Maschinenautomatisierung und Leitsystemtechnik f\u00fcr Kunststoffverarbeitungsmaschinen in den Standorten Arnsberg und Aachen t\u00e4tig. Als Systemintegrator und Messsystementwickler wurden die Gesch\u00e4ftsfelder auch auf die Elektronikentwicklung im Embedded Systems Umfeld, Informationssysteme und Systeme zur digitalen Bildverarbeitung erweitert.<\/p>\n

Weitere Informationen zum Forschungsbereich Simulation<\/strong><\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Die Firmen PART Engineering, aiXtrusion und das Kunststoff-Zentrum SKZ geben ihre Zusammenarbeit in einem neu…<\/p>\n","protected":false},"author":2,"featured_media":6734,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[24,16],"tags":[],"series":[],"class_list":["post-37390","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-plas-tv-meldungen-auf-der-startseite-unterhalb-slider","category-plast-tv-textmeldungen"],"_links":{"self":[{"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/posts\/37390","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=37390"}],"version-history":[{"count":1,"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/posts\/37390\/revisions"}],"predecessor-version":[{"id":37391,"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/posts\/37390\/revisions\/37391"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/media\/6734"}],"wp:attachment":[{"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=37390"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=37390"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=37390"},{"taxonomy":"series","embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Fseries&post=37390"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}