Technologies de base de l'entreprise

Conception et simulation de systèmes

Ce domaine de recherche se concentre sur la modélisation de systèmes et de composants, la conception et la simulation multi-physique à l'aide de l'IA. Il s'adresse à la chaîne CAO/FAO et aux jumeaux numériques pour les tests de visualisation, la vérification et l'optimisation dans les infrastructures de fabrication, de robotique et d'énergie.

Explorez les publications

Et si nous pouvions concevoir, tester et améliorer l'automatisation, la fabrication et l'infrastructure énergétique avant même qu'elles ne soient construites ?

Les cycles d'ingénierie traditionnels reposent fortement sur le prototypage physique, ce qui entraîne des itérations coûteuses, des délais de mise sur le marché prolongés et des goulets d'étranglement opérationnels imprévus. L'ingénierie industrielle moderne nécessite d'aller au-delà des modèles CAO statiques vers des environnements de simulation dynamiques multidomaines. En combinant le calcul haute performance, la télémétrie en temps réel et la visualisation spatiale, les architectures industrielles complexes peuvent être rigoureusement validées tout au long de leur cycle de vie avant la mise en service physique.

Ce qui compte, ce sont la simulation, les jumeaux numériques et les capacités de métaverse industriel pour une ingénierie plus rapide, plus sûre et plus durable.

$Une image fractionnée montrant un design en spirale 3D abstrait coloré et une femme portant un casque VR et tenant des contrôleurs de mouvement$

Un chercheur assis à un bureau, travaillant pensiblement sur un ordinateur portable

La conception et la simulation de systèmes couvrent la modélisation géométrique, mécanique et fonctionnelle (CAO/FAO) avec des flux de travail améliorés par l'IA et la conception générative. Cela comprend la conception de la production, la mise en service virtuelle, ainsi que la (multi-) physique, le système, le temps réel et la co-simulation. Nous recherchons également la simulation pour l'training de l'IA physique et la génération de données synthétiques.

Notre recherche porte sur la validation, la vérification, la collaboration en matière de conception, la visualisation AR/VR et la gestion du cycle de vie/jumeau numérique. De plus, il englobe l'ingénierie de l'automatisation, la modélisation électrique et la conception de systèmes énergétiques distribués utilisant la simulation multimodale, la modélisation des incertitudes, l'optimisation technico-économique et les flux de travail agentiques.

Pour ça Technologie de base de l'entreprise, nous recherchons des applications qui couvrent l'amélioration des outils de conception, de simulation et de PLM aux côtés des plateformes de simulation, de données, de modèles et de gestion numérique jumeaux. Les domaines clés comprennent la visualisation, la collaboration (par exemple, Digital Twin Composer), la création automatisée de contenu 3D et les outils de durabilité pour l'empreinte carbone des produits, la circularité et l'analyse du cycle de vie avec un jumeau numérique.

D'autres sujets sont la conception de produits et de production améliorés par simulation, la mise en service virtuelle, la training sur les modèles de base CAO/FAO, la conception de systèmes énergétiques multimodaux et le développement d'actifs pour les systèmes énergétiques. Enfin, notre recherche porte sur les jumeaux du cycle de vie et de l'énergie, les aspects circulaires de la fabrication, la synchronisation avec les systèmes industriels réels et l'ingénierie autonome.

Icône pour la conception et la simulation de systèmes

Publications

Explorez nos articles vedettes

ScenegenAgent : Génération précise de scènes industrielles avec agent de codage

Publié dans : 2025 Actes de la 63e réunion annuelle de l'Association for Computational Linguistics (Volume 1 : Long Papers), pages 17847—17875, Vienne, Autriche
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

Générer des scènes industrielles 3D avec LLM est un défi en raison des exigences strictes pour des mesures précises et une planification spatiale. Pour résoudre ce problème, les auteurs présentent ScenegenAgent, un agent LLM qui génère des scènes industrielles via du code C#. Il utilise la planification structurée de la mise en page, la vérification et le raffinement itératif pour satisfaire les besoins quantitatifs exacts, augmentant les taux de réussite LLM jusqu'à 81,0 %. De plus, les auteurs publient SceneInstruct, un ensemble de données pour affiner les LLM open source comme Llama3.1-70B pour aborder les performances de GPT-4o dans le cadre. Le code et les données sont accessibles au public.
Voir sur la page de l'éditeur

SiphyR : Un cadre d'optimisation de bout en bout basé sur l'apprentissage pour la reconfiguration dynamique du réseau

Publié dans : Transactions IEEE on Smart Grid (Volume : 16, numéro : 2, mars 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty

L'augmentation des énergies renouvelables, du stockage et des véhicules électriques nécessite des paradigmes décisionnels plus rapides pour les réseaux de distribution. Cet article propose SiphyR, un cadre d'apprentissage automatique basé sur la physique pour l'optimisation de la reconfiguration du réseau basée sur l'apprentissage de bout en bout. SiphyR optimise la topologie et les flux d'énergie pour réduire les pertes de ligne, améliorer les profils de tension et stimuler l'intégration des énergies renouvelables. Pour gérer les variables de décision binaires NP-dures, il utilise une méthode d'arrondissement basée sur la physique dans un cadre différenciable. Cela permet à SiphyR d'optimiser simultanément la topologie et la répartition du réseau tout en satisfaisant aux contraintes critiques de sécurité, comme démontré sur trois grilles canoniques.
Voir sur la page de l'éditeur

Tirer parti de la flexibilité des prosumer pour atténuer la congestion du réseau dans les futurs réseaux de distribution d'énergie

Publié dans : Energies 2024
Tomaselli D., Mgr D., et al.

L'adoption croissante des systèmes photovoltaïques (PV), des véhicules électriques (VE) et des pompes à chaleur est à l'origine de la congestion du réseau de distribution. Cet article évalue la flexibilité BTM à l'aide d'un nouveau cadre qui combine un flux de puissance optimal à horizon roulant avec une fonction de coût linéaire par morceaux pour résoudre ce problème sans mises à niveau coûteuses. Lorsqu'ils ont été testés sur un modèle de réseau de Schutterwald, en Allemagne, les résultats ont montré que le stockage BTM en autoconsommation résolvait toutes les violations d'alimentation, mais seulement 35 % des violations de charge. Cependant, le contrôle proactif de la charge et de la décharge du stockage résout efficacement les violations de charge restantes, même dans les réseaux presque saturés.
Voir sur la page de l'éditeur

Équations différentielles neuronales avec contrôle intégré pour la modélisation de processus chimiques

Publié dans : Atelier de la 32e Conférence internationale de l'IEEE 2025 sur le calcul haute performance, les données et l'analyse (HiPCW)
Sumet Rodiya, Ver Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Les équations différentielles neuronales sont puissantes pour la simulation de processus chimiques, mais leur application aux processus chimiques contrôlés reste relativement inexplorée. Cet article évalue les équations différentielles ordinaires neuronales (NODE) et les équations différentielles contrôlées neuronales (NCDE) pour modéliser un système de bioréacteur par lots avec intégration de contrôle explicite. Les auteurs développent un cadre NODE modifié contenant des entrées de contrôle et étudient les NCDE, qui intègrent des chemins de contrôle continus utilisant l'interpolation spline. Mis en œuvre dans Diffrax pour une accélération GPU efficace, les frameworks démontrent que les NCDE atteignent une précision prédictive supérieure, tandis que les NCDE offrent des temps d'training plus rapides.
Voir sur la page de l'éditeur

Cadre multi-agents exploitant des graphiques de connaissances pour les modèles de mise en service virtuels

Publié dans : AUTOMATION 2026, Innovation trifft Anwendung (pp. 144-152). VDE
Max Diekmann ; Jonas Nitzler ; Jan Fischer ; Hans-Jurgen Pfisterer ; Dirk Hartmann

Les modèles de mise en service virtuels (VCM) valident les systèmes de fabrication discrets avant leur déploiement, mais leur construction demande beaucoup de main-d'œuvre en raison de la fragmentation des données entre les outils tels que Siemens TIA Portal et NX MCD. Pour résoudre ce problème, les auteurs proposent un cadre multi-agents fondé sur des graphiques de connaissances. Les outils déterministes extraient et fusionnent les données PLC et cinématiques dans une base de données graphique unifiée. Une architecture d'agent hiérarchique aide ensuite à la compréhension du système, à la génération de composants basés sur des scripts et au mappage de signaux interdomaines. Testée sur une configuration de fabrication en laboratoire, l'approche réduit l'effort d'interprétation manuelle et rationalise l'ingénierie VCM précoce.
Voir sur la page de l'éditeur