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 multiphysique à l'aide de l'IA. Il aborde la chaîne CAD/CAM et les jumeaux numériques pour la visualisation, les tests, la vérification et l'optimisation dans les domaines de la fabrication, de la robotique et des infrastructures énergétiques.

Explorez les publications

Et si nous pouvions concevoir, tester et améliorer les infrastructures d'automatisation, de fabrication et d'énergie avant même qu'elles ne soient construites ?

Les cycles d'ingénierie traditionnels reposent largement sur le prototypage physique, ce qui entraîne des itérations coûteuses, des délais de mise sur le marché prolongés et des blocages opérationnels imprévus. L'ingénierie industrielle moderne nécessite de dépasser les modèles CAO statiques pour adopter 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 leur mise en service physique.

Ce qui compte, c'est la simulation, les jumeaux numériques et les capacités du métaverse industriel pour une ingénierie plus rapide, plus sûre et plus durable.

Une image divisée montrant un motif abstrait coloré en spirale en 3D et une femme portant un casque de réalité virtuelle et tenant des manettes de détection de mouvements

Une chercheuse assise à un bureau, travaillant pensivement sur un ordinateur portable

La conception et la simulation de systèmes couvrent la modélisation géométrique, mécanique et fonctionnelle (CAD/CAM) avec des flux de travail améliorés par l'IA et une conception générative. Cela inclut la conception de la production, la mise en service virtuelle, ainsi que la (multi-) physique, les systèmes, le temps réel et la co-simulation. Nous faisons également des recherches sur la simulation pour le training de l'IA physique et la génération de données synthétiques.

Nos recherches portent sur la validation, la vérification, la collaboration en matière de conception, la visualisation AR/VR et la gestion du cycle de vie et des jumeaux numériques. En outre, cela englobe l'ingénierie de l'automatisation, la modélisation électrique et la conception de systèmes énergétiques distribués à l'aide de la simulation multimodale, de la modélisation des incertitudes, de l'optimisation techno-économique et des flux de travail agentiques.

Pour cela Technologie de base de l'entreprise, nous recherchons des applications qui couvrent l'amélioration des outils de conception, de simulation et de PLM, ainsi que des plateformes de gestion de la simulation, des données, des modèles et des jumeaux numériques. Les domaines clés incluent 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 à l'aide d'un jumeau numérique.

Les autres sujets sont la conception de produits et de productions améliorée par simulation, la mise en service virtuelle, le training sur les modèles de base CAD/CAM, la conception de systèmes énergétiques multimodaux et le développement d'actifs pour les systèmes énergétiques. Enfin, nos recherches portent sur le cycle de vie et les jumeaux énergétiques, les aspects de circularité de la fabrication, la synchronisation avec les systèmes industriels réels et l'ingénierie autonome.

Icône de la conception et de la simulation de systèmes

Publications

Découvrez nos articles en vedette

SceneGenAgent : génération précise de scènes industrielles à l'aide d'un agent de codage

Publié dans : Actes de la 63e réunion annuelle de l'Association pour la linguistique informatique en 2025 (volume 1 : Long Papers), pages 17847 à 17875, Vienne, Autriche
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

Générer des scènes industrielles en 3D avec des LLM est un défi en raison des exigences strictes en matière de précision des mesures et d'aménagement de l'espace. Pour résoudre ce problème, les auteurs présentent SceneGenAgent, un agent LLM qui génère des scènes industrielles en code C#. Il utilise une planification structurée de la mise en page, une vérification et un raffinement itératif pour répondre exactement aux besoins quantitatifs, portant ainsi le taux de réussite en LLM à 81,0 %. De plus, les auteurs publient SceneInstrut, un ensemble de données permettant de peaufiner les LLM open source tels que Llama3.1-70B afin d'aborder les performances de GPT-4o dans le framework. Le code et les données sont accessibles au public.
Afficher sur la page de l'éditeur

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

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

L'essor des énergies renouvelables, du stockage et des véhicules électriques nécessite des modèles de prise de décision plus rapides pour les réseaux de distribution. Cet article propose SiPhyr, un framework d'apprentissage automatique basé sur la physique pour une optimisation de bout en bout de la reconfiguration du réseau basée sur l'apprentissage. SiPhyr optimise la topologie et les flux d'énergie afin de réduire les pertes de ligne, d'améliorer les profils de tension et de renforcer l'intégration des énergies renouvelables. Pour gérer les variables de décision binaires NP-Hard, elle utilise une méthode d'arrondi basée sur la physique dans un cadre différenciable. Cela permet à SiPhyr d'optimiser simultanément la topologie et la répartition du réseau tout en répondant aux contraintes critiques de sécurité, comme le montrent trois grilles canoniques.
Afficher sur la page de l'éditeur

Tirer parti de la flexibilité des prosommateurs pour réduire la congestion des futurs réseaux de distribution d'électricité

Publié dans : Energies 2024
Tomaselli D., Most D., et coll.

L'adoption croissante de systèmes photovoltaïques (PV) situés derrière le compteur (BTM), de véhicules électriques (VE) et de pompes à chaleur engorgent le réseau de distribution. Cet article évalue la flexibilité du BTM à l'aide d'un nouveau cadre qui combine un flux d'énergie optimal à horizon glissant avec une fonction de coût linéaire par morceaux afin de résoudre ce problème sans mises à niveau coûteuses. Lors de tests sur un modèle de réseau à 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 permet de résoudre efficacement les violations de charge restantes, même sur des réseaux presque saturés.
Afficher sur la page de l'éditeur

Équations différentielles neuronales avec commande intégrée pour la modélisation des processus chimiques

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

Les équations différentielles neuronales sont puissantes pour la simulation des processus chimiques, mais leur application à des processus chimiques contrôlés reste relativement inexplorée. Cet article évalue les équations différentielles ordinaires neuronales (NODE) et les équations différentielles contrôlées par les neurones (NCDE) pour modéliser un système de bioréacteur par lots avec intégration de commande explicite. Les auteurs développent un framework NODE modifié contenant des entrées de contrôle et étudient les NCDE, qui intègrent des voies de contrôle continues par interpolation spline. Implémentés dans Diffrax pour accélérer efficacement le GPU, les frameworks démontrent que les NCDE atteignent une précision prédictive supérieure, tandis que les NODE proposent des temps d'entraînement plus rapides.
Afficher sur la page de l'éditeur

Framework multi-agents utilisant des graphes de connaissances pour les modèles de mise en service virtuels

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

Les modèles de mise en service virtuels (VCM) valident les systèmes de fabrication discrets avant leur déploiement, mais leur création demande beaucoup de main-d'œuvre en raison de la fragmentation des données entre des outils tels que Siemens TIA Portal et NX MCD. Pour y remédier, les auteurs proposent un framework multi-agents basé sur des graphes de connaissances. Des outils déterministes extraient et fusionnent les données PLC et cinématiques dans une base de données graphique unifiée. Une architecture d'agent hiérarchique facilite ensuite la compréhension du système, la génération de composants à partir de scripts et le mappage des signaux interdomaines. Testée en laboratoire, cette approche réduit les efforts d'interprétation manuelle et rationalise les premières étapes de l'ingénierie VCM.
Afficher sur la page de l'éditeur