Virksomhedens kerneteknologier

Systemdesign og simulering

Dette forskningsfelt fokuserer på system- og komponentmodellering, design og multifysiksimulering ved hjælp af AI. Det adresserer CAD/CAM-kæden og digitale tvillinger til visualiseringstest, verifikation og optimering inden for fremstilling, robotik og energiinfrastruktur.

Udforsk publikationer

Hvad hvis vi kunne designe, teste og forbedre automatiserings-, produktions- og energiinfrastruktur, før de overhovedet blev bygget?

Traditionelle ingeniørcyklusser er stærkt afhængige af fysisk prototyping, hvilket fører til dyre iterationer, forlænget time-to-market og uforudsete operationelle flaskehalse. Moderne industriteknik kræver, at man bevæger sig ud over statiske CAD-modeller mod dynamiske simuleringsmiljøer med flere domæner. Ved at kombinere højtydende databehandling, realtidstelemetri og rumlig visualisering kan komplekse industrielle arkitekturer nøje valideres på tværs af hele deres livscyklus inden fysisk idriftsættelse.

Det, der betyder noget, er simulering, digitale tvillinger og industrielle metaverse-funktioner for hurtigere, sikrere og mere bæredygtig teknik.

Et delt billede, der viser et farverigt abstrakt 3D-spiraldesign og en kvinde iført et VR-headset og holder bevægelsescontrollere

En forsker sidder ved et skrivebord og arbejder eftertænksomt på en bærbar computer

Systemdesign og simulering dækker geometrisk, mekanik og funktionel modellering (CAD/CAM) med AI-forbedrede arbejdsgange og generativt design. Det omfatter produktionsdesign, virtuel idriftsættelse samt (multi-) fysik, system, realtid og co-simulering. Vi forsker også i simulering til træning af fysisk AI og syntetisk datagenerering.

Vores forskning omhandler validering, verifikation, designsamarbejde, AR/VR-visualisering og livscyklus/digital tvillingestyring. Derudover omfatter det automatiseringsteknik, elektrisk modellering og design af distribuerede energisystemer ved hjælp af multimodal simulering, usikkerhedsmodellering, teknoøkonomisk optimering og agentiske arbejdsgange.

Til dette Virksomhedens kerneteknologi, undersøger vi applikationer, der dækker forbedring af design, simulering og PLM-værktøjer sammen med simulering, data, model og digitale tvillingestyringsplatforme. Nøgleområder omfatter visualisering, samarbejde (f.eks. Digital Twin Composer), automatiseret oprettelse af 3D-indhold og bæredygtighedsværktøjer til produktets CO2-fodaftryk, cirkularitet og livscyklusanalyse med en digital tvilling.

Yderligere emner er simuleringsforbedret produkt- og produktionsdesign, virtuel idriftsættelse, CAD/CAM-grundmodeltræning, multimodalt energisystemdesign og udvikling af aktiver til energisystemer. Endelig omhandler vores forskning livscyklus og energitvillinger, cirkularitetsaspekter ved fremstilling, synkronisering med virkelige industrielle systemer og autonom teknik.

Publikationer

Udforsk vores fremhævede papirer

SceneGenAgent: Præcis industriel scenegenerering med kodningsmiddel

Udgivet i: 2025 Forhandlinger fra det 63. årlige møde i Association for Computational Linguistics (bind 1: Long Papers), side 17847—17875, Wien, Østrig
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

Generering af 3D-industrielle scener med LLM'er er udfordrende på grund af strenge krav til præcise målinger og fysisk planlægning. For at løse dette introducerer forfatterne SceneGenAgent, en LLM-agent, der genererer industrielle scener via C # -kode. Det bruger struktureret layoutplanlægning, verifikation og iterativ forfining for at tilfredsstille nøjagtige kvantitative behov, hvilket øger LLM-succesraten op til 81,0%. Derudover frigiver forfatterne SceneInstruct, et datasæt til finjustering af open source LLM'er som Llama3.1-70B for at nærme sig GPT-4o-ydeevne inden for rammerne. Kode og data er offentligt tilgængelige.
Se på udgiverens side

SipHyr: En ende-til-ende-læringsbaseret optimeringsramme til dynamisk gitterkonfiguration

Udgivet i: IEEE-transaktioner på Smart Grid (bind: 16, udgave: 2, marts 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty

Stigende vedvarende energi, lagring og elektriske køretøjer kræver hurtigere beslutningsparadigmer for distributionsnet. Dette papir foreslår SIPHyr, en fysikinformeret maskinlæringsramme til end-to-end-læringsbaseret optimering af gitterkonfiguration. SipHyr optimerer topologi og strømstrømme for at sænke ledningstab, forbedre spændingsprofiler og øge integrationen af vedvarende energi. For at håndtere NP-hårde binære beslutningsvariabler bruger den en fysikinformeret afrundingsmetode inden for en differentierbar ramme. Dette gør det muligt for SipHyr samtidig at optimere gittertopologi og forsendelse, samtidig med at sikkerhedskritiske begrænsninger opfyldes, som demonstreret på tre kanoniske gitre.
Se på udgiverens side

Udnyttelse af forbrugernes fleksibilitet til at afbøde netoverbelastning i fremtidige eldistributionsnet

Udgivet i: Energier 2024
Tomaselli D., Most D., m.fl.

Den stigende anvendelse af fotovoltaiske (PV) systemer bag måleren (BTM), elektriske køretøjer (EV'er) og varmepumper forårsager overbelastning af distributionsnettet. Dette papir evaluerer BTM-fleksibilitet ved hjælp af en ny ramme, der kombinerer en rullende horisont optimal strømstrøm med en stykkevis lineær omkostningsfunktion for at løse dette problem uden dyre opgraderinger. Når de blev testet på en netmodel fra Schutterwald, Tyskland, viste resultaterne, at BTM-lagring med eget forbrug løste alle feed-in-overtrædelser, men kun 35% af belastningsovertrædelser. Men proaktiv styring af lageropladning og afladning løser effektivt de resterende belastningsovertrædelser, selv i næsten mættede net.
Se på udgiverens side

Neurale differentialligninger med integreret kontrol til kemisk procesmodellering

Udgivet i: 2025 IEEE 32. internationale konference om højtydende computing, data og analyseworkshop (HiPCW)
Sumeet Rodiya, ved Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Neurale differentialligninger er kraftfulde til kemisk processimulering, men deres anvendelse på kontrollerede kemiske processer forbliver relativt uudforsket. Dette papir evaluerer neurale almindelige differentialligninger (NODE'er) og neurale kontrollerede differentialligninger (NCDE'er) til modellering af et batchet bioreaktorsystem med eksplicit kontrolintegration. Forfatterne udvikler en modificeret NODE-ramme, der indeholder kontrolinput og studerer NCDE'er, som inkorporerer kontinuerlige kontrolstier ved hjælp af spline-interpolation. Implementeret i Diffrax for effektiv GPU-acceleration viser rammerne, at NCDE'er opnår overlegen forudsigelig nøjagtighed, hvorimod NODE'er tilbyder hurtigere træningstider.
Se på udgiverens side

Multiagentramme, der udnytter videngrafer til virtuelle idriftsættelsesmodeller

Udgivet i: AUTOMATION 2026, Innovation trifft Anwendung (s. 144-152). VDE
Max Diekmann; Jonas Nitzler; Jan Fischer; Hans-Jürgen Pfisterer; Dirk Hartmann

Virtuelle idriftsættelsesmodeller (VCM'er) validerer diskrete produktionssystemer inden implementering, men opbygningen af dem er arbejdskrævende på grund af fragmenterede data på tværs af værktøjer som Siemens TIA Portal og NX MCD. For at løse dette foreslår forfatterne en videngraf-baseret multi-agent-ramme. Deterministiske værktøjer udtrækker og fletter PLC- og kinematiske data til en samlet grafdatabase. En hierarkisk agentarkitektur hjælper derefter med systemforståelse, script-baseret komponentgenerering og signalkortlægning på tværs af domæner. Metoden er testet på en produktionsopsætning i laboratorieskala og reducerer den manuelle tolkningsindsats og strømliner tidlig VCM-teknik.
Se på udgiverens side