Optimale Produkte und Prozesse

SWP-Fach im Sommersemester

Im SWP-Fach Optimale Produkte und Prozesse arbeitet ein Team mit 2 - 4 Studierenden an der virtuellen Entwicklung eines Produktes und Prozesses anhand eines digitalen Zwillings (Modell) des tatsächlichen Systems auf dem Computer. In Form eines Berichts reicht das Team am Ende der Vorlesung ein optimiertes, sicheres und robustes Konzept ein, das den inhaltlichen und methodischen Anforderungen der Leitbranchen Automobil-, Elektronik oder Luft- und Raumfahrt standhält.

Hierzu steht eine Infrastruktur mit grafischen Benutzeroberflächen zur Verfügung mit:

Matlab als Plattform zur Automatisierung und Optimierung des digitalen Zwillings
Comsol Multiphysics zur Finite Elemente Simulation verschiedenster Fragestellungen
LT Spice zur Simulation analoger Schaltungen

Beispiele:

Soft Robotics Greifer aus thermoplastischem Polyurethan

Wenn der Greifer von hinten gedrückt wird, dann greifen die Zangen vorne zu. Genauso kann der Griff wieder geöffnet werden, indem am hinteren Ende gezogen wird. Beim Greifvorgang wirken die spinnennetzartigen Querstreben wie Federn, in denen die Spannung steigt um so den Druck der Zangen zu steigern.

Abbildung 1a: Vorteilhafte Struktur durch topologische Optimierung

Abb. 1b: Evolution des Stabmodells hin zum optimierten Greifer

Abb. 1c: Simulation des Greifvorgangs des finalen 3D-Greifers

Roboterarm aus Gusseisen

Ein Roboterarm sollte leicht sein, denn das eingesparte Eigengewicht erhöht das Nutzgewicht, das vom Roboter bewegt werden kann. Gleichzeitig soll sich der schlanke Arm aber unter der Last möglichst wenig verformen: Wenn der Arm zu stark nachgibt, lassen sich bewegte Güter weniger genau positionieren. Diese beiden Ziele widerstreben sich nicht nur intuitiv, sondern werden in der Optimierung gezielt gegeneinander abgewogen.

Abbildung 2a: Vorteilhafte Struktur durch topologische Optimierung

Abb. 2b: Evolution des Stabmodells hin zum optimierten Roboterarm

Schritt 1: Digitaler Zwilling

Als Basis wird ein automatisierbares Modell benötigt, das als digitaler Zwilling (Modell) eines realen Produkts oder Prozesses im Computer die virtuelle Entwicklung ermöglicht. Insbesondere wird bei mechanischen Fragestellungen unter Einsatz eines bionischen Optimierers (bzw. Topologieoptimierer PolyTop von Glaucio Paulino) eine vorteilhafte Struktur ermittelt und in ein Modell konvertiert. Prinzipiell beschränkt sich die Vorlesung dabei nicht auf die Mechanik, wie historische Beispiele aus der Verfahrenstechnik oder analogen Elektronik zeigen.

Abbildung 1: Übersicht einiger historischer Beispiele in der Vorlesung

Schritt 2: Design of Experiments und Sensitivitätsanalyse

Zunächst werden die angestrebten Entwicklungsziele des digitalen Zwilllings anhand messbarer Größen definiert, z.B.

Lightweight: Minimierung der Masse
Steifigkeit: Minimierung der Deformation
Mehrzielkombinationen: leichtestes Design, das sich nicht mehr als 1 mm verformt
Prozess: Maximaler Durchsatz = minimale Prozessdauer
Elektronik: Anpassung der Schaltung an Kundenspezifikation

Am digitalen Zwilling wird ein statistischer Versuchsplan (Design of Experiments) ausgeführt, der auch für experimentelle Entwicklung an realen Objekten einsetzbar wäre. Die Ergebnisse werden auf Korrelationen analysiert und die wichtigsten Einflussgrößen auf die Zielgrößen identifiziert. Außerdem grenzt man den Bereich ein, in dem während der Optimierung das Optimum zu finden sein dürfte.

Abbildung 2: Statistische Auswertung eines Versuchsplans mittels einer Korrelationsmatrix

Schritt 3: Optimierung

Das Ziel wird mit allen zusätzlichen Bedingungen für den Optimierer formuliert. Dann stehen state-of-the-art Algorithmen (eigener 4-in-1 Pattern Search Algorithmus, Genetischer Algorithmus) zur Verfügung, um die optimalen Einstellungen des digitalen Zwillings herauszufinden.

Abbildung 3: Statistische Auswertung eines Versuchsplans mittels einer Korrelationsmatrix

Schritt 4: Robustheit

Jedes Produkt unterliegt Schwankungen im Herstellungsprozess (z.B. Fertigungstoleranzen) oder in den Materialeigenschaften (z.B. Weibull Weakest Link Versagen). In der Simulation werden die Konsequenzen der Schwankungen modelliert, z.B. mittels Monte Carlo Simulation oder einem vollfaktoriellen Versuchsplan. Am Ende stehen robuste Produkte oder Prozesse, die die gestellten Anforderungen auch unter den Schwankungen der realen Welt erfüllen.

Weitere Informationen

Optimale Produkte und Prozesse wird im Sommersemester fächerübergreifend in den folgenden Bachelorstudiengängen angeboten:

Wahlpflichtmodul in der Elektrotechnik (B.Eng.)
Wahlpflichtmodul in der Mechatronik (B.Eng.)
Vertiefungsmodul Technik bei Internationales Wirtschaftsingenieurwesen (B.Eng.)

Weitere Informationen zum SWP-Fach gibt es auf den Studiengangsseiten, unter studienrelevante Downloads, in den jeweiligen Modulhandbüchern.

Ansprechpartner Prof. Dr. rer. nat. Thomas Frommelt
Elektrotechnik
Telefon:	+49 821 5586-2131
[Bitte aktivieren Sie Javascript]

Fakultät für