Im Idealfall sind Designentscheidungen frühzeitig, sorgfältig recherchiert und ausgewogen – und führen am Ende hoffentlich zur „richtigen“ Lösung. Falls man nicht im Besitz einer Kristallkugel ist, lässt sich über das „richtig“ natürlich trefflich streiten.

Umso wichtiger werden auf dem Weg zur Entscheidung eine sachliche Betrachtung, eine objektive und nachvollziehbare Auswertung sowie die richtige Gewichtung relevanter Einflussfaktoren.

Auch ohne Kristallkugel lässt sich bereits heute virtuell die „Zukunft“ vorhersagen: Das (physikalische) Verhalten des zu entwickelnden Produktes kann weit vor dem ersten realen Prototypen vorausgesagt werden. Nur wie werden solche Simulationen gewinnbringend in komplexen Entscheidungsfindungsprozessen eingesetzt?

Ein sehr aktuelles Anwendungsbeispiel ist die Designfindung der Karosserie für neue Fahrzeugkonzepte, wie dies im Rahmen der Elektrifizierung der Fahrzeug-Modellpaletten bei vielen OEMs der Fall ist. Dabei müssen ganz verschiedene Anforderungen aus den diversen Disziplinen & Fachabteilungen unter einen Hut gebracht werden. Widersprechende Anforderungen sind dabei eher die Regel als die Ausnahme. Noch dazu prägen genau diese Konstruktionsentscheidungen der Fahrzeugkarosserie fundamental die Eigenschaften des finalen Fahrzeugs und damit auch den weiteren Entwicklungsprozess.

Hierbei ist es von enormer Wichtigkeit alle Anforderungen bereits in der frühen Konzeptphase zu berücksichtigen. Spätere Änderungen werden immer schwieriger bzw. wesentlich kosten- und zeitintensiver. So ist es nicht verwunderlich, dass der Trend zu virtuellen Verfahren geht. Sie bieten Unterstützung um fundierte Entwicklungsentscheidungen möglichst frühzeitig zu treffen.

Als methodischer Ansatz verschiedene Anforderungen zu berücksichtigen, hat sich die „Multi-Discipline Optimization“ (MDO) etabliert. Dabei werden verschiedene Anforderungen nicht sequentiell und unabhängig voneinander umgesetzt sondern simultan untersucht, bewertet und damit gemeinsam berücksichtigt.

Kernkonzept der MDO ist die Generierung von Performance-Datenpunkten basierend auf den Simulationsuntersuchungen für die unterschiedlichen Anforderungen. Diese werden dann durch Gewichtung der Anforderungen und Datenanalyse im Rahmen einer Trade-Off Study ausgewertet und nach den besten Designkonzepten durchforstet. Nur so lassen sich Konzepte finden, die den tatsächlichen Anforderungen wirklich genügen. Diese können z.B. im Fall der Karosserie unter anderem Crash, NVH und Lebensdauer Anforderungen sein.

Dabei ist die MDO eine bewährte Methode, deren Anwendungsgebiete sich durch High-Performance Computing (HPC) und die Rechenpower der Cloud kontinuierlich erweitern. Die größte Herausforderung bisher war jedoch das Zusammenbringen der verschiedenen Disziplinen und Abteilungen zu einer gemeinsamen Analyse mit anschließender Trade-Off Betrachtung.

Hier bietet die 3DEXPERIENCE Plattform als kollaborative Business-Umgebung, die Möglichkeit Menschen, Daten und Technologien zusammenzubringen. Multi-Domain Technologien werden mit einheitlicher User Experience und skalierbaren Rechenressourcen im Sinne der Technologie-Demokratisierung effizienter von zusätzlichen Anwendergruppen anwendbar. So lässt sich durch maßgeschneiderte Apps mit angepasstem User Interface und Funktionalitäten der zur Verfügung stehende Baukasten an intelligenten Optimierungsmethoden und Datenanalysetools einfach und erfolgreich nutzen. Auf diesem Weg können auch weniger erfahrene Anwender von weiteren bisher zu komplexen oder zu umfassenden Technologien profitieren. So lassen sich vom Spezialisten definierte Optimierungs-Workflows durch Veränderung einzelner Parameter wiederverwenden oder über Abteilungs- und Disziplinengrenzen hinweg gemeinsame Ergebnis- und Datenauswertungen durchführen. 

Die Möglichkeiten der Kombination von „Multi-Discipline Optimization“ mit einem Business Plattform Ansatz erläutern die Spezialisten des SIMULIA Teams gerne auch im direkten Kontakt (simulia.de.info@3ds.com). Einige der Kernpunkte des Ansatzes sind:

• Einfacher und schneller Multi-Discipline Optimization umsetzen und erfolgreich etablieren
• Einheitliche multidisziplinäre Modellierung & Analysemöglichkeiten (inkl. Design-Simulation Assoziativität)
• Zusammenbringen der Requirements & Abläufe aller beteiligten Abteilungen
• Engineeringprozess-Abbildung und Automatisierung
• Trade-Off Studien zur datenbasierten Unterstützung in der Designentscheidungsfindung
• Intelligente Optimierungsalgorithmen und Tools zur Design Exploration inkl. Datenanalysetools
• Kollaboration & Datenmanagement zur Technologie-Demokratisierung mit maßgeschneiderten Applikationen für unterschiedliche Anwendergruppen

Für einen ersten Überblick steht auch das ‚Agile Design Engineering‘ on-demand eSeminar zur Verfügung. In Teil 2 (11min) sehen Sie unsere Datenanalyse und Entscheidungsfindungstools in Aktion. 

Autoren:

Michael WERNER, Portfolio Introduction Specialist SIMULIA EuroCentral-Russia

Gergana DIMITROVA, SIMULIA Senior Industry Solutions Manager