Tecnologie di base dell'azienda

Progettazione e simulazione del sistema

Questo campo di ricerca si concentra sulla modellazione di sistemi e componenti, sulla progettazione e sulla simulazione multifisica mediante l'intelligenza artificiale. Si rivolge alla catena CAD/CAM e ai gemelli digitali per i test di visualizzazione, la verifica e l'ottimizzazione nella produzione, nella robotica e nelle infrastrutture energetiche.

Esplora le pubblicazioni

E se potessimo progettare, testare e migliorare l'automazione, la produzione e le infrastrutture energetiche prima ancora che vengano costruite?

I cicli di progettazione tradizionali si basano fortemente sulla prototipazione fisica, il che comporta iterazioni costose, tempi di immissione sul mercato prolungati e colli di bottiglia operativi imprevisti. L'ingegneria industriale moderna richiede il passaggio dai modelli CAD statici verso ambienti di simulazione dinamici e multidominio. Combinando elaborazione ad alte prestazioni, telemetria in tempo reale e visualizzazione spaziale, le architetture industriali complesse possono essere convalidate rigorosamente durante l'intero ciclo di vita prima della messa in servizio fisica.

Ciò che conta sono la simulazione, i gemelli digitali e le funzionalità del metaverse industriale per un'ingegneria più rapida, sicura e sostenibile.

Un'immagine divisa che mostra un colorato disegno astratto a spirale 3D e una donna che indossa un visore VR e tiene in mano dei controller di movimento

Un ricercatore seduto a una scrivania, che lavora premurosamente su un laptop

La progettazione e la simulazione del sistema coprono la modellazione geometrica, meccanica e funzionale (CAD/CAM) con flussi di lavoro potenziati dall'intelligenza artificiale e progettazione generativa. Include la progettazione della produzione, la messa in servizio virtuale, nonché (multi) fisica, di sistema, in tempo reale e co-simulazione. Ricerchiamo anche simulazioni per il training dell'intelligenza artificiale fisica e della generazione di dati sintetici.

La nostra ricerca riguarda la convalida, la verifica, la collaborazione progettuale, la visualizzazione AR/VR e la gestione del ciclo di vita/gemelli digitali. Inoltre, comprende l'ingegneria dell'automazione, la modellazione elettrica e la progettazione di sistemi energetici distribuiti mediante simulazione multimodale, modellazione dell'incertezza, ottimizzazione tecno-economica e flussi di lavoro agentici.

Per questo Tecnologia di base dell'azienda, ricerchiamo applicazioni che coprono il miglioramento degli strumenti di progettazione, simulazione e PLM insieme a piattaforme di gestione di simulazione, dati, modelli e gemelli digitali. Le aree chiave includono la visualizzazione, la collaborazione (ad esempio, Digital Twin Composer), la creazione automatizzata di contenuti 3D e gli strumenti di sostenibilità per l'impronta di carbonio del prodotto, la circolarità e l'analisi del ciclo di vita con un gemello digitale.

Altri argomenti sono la progettazione di prodotti e produzione potenziata dalla simulazione, la messa in servizio virtuale, il training sui modelli di base CAD/CAM, la progettazione multimodale di sistemi energetici e lo sviluppo di risorse per i sistemi energetici. Infine, la nostra ricerca affronta il ciclo di vita e i gemelli energetici, gli aspetti della circolarità della produzione, la sincronizzazione con sistemi industriali reali e l'ingegneria autonoma.

Icona per la progettazione e la simulazione del sistema

Pubblicazioni

Esplora i nostri articoli in vetrina

SceneGenAgent: generazione precisa di scene industriali con agente di codifica

Pubblicato in: 2025 Atti della 63a riunione annuale dell'Associazione per la linguistica computazionale (Volume 1: Long Papers), pagine 17847—17875, Vienna, Austria
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

La generazione di scene industriali 3D con gli LLM è difficile a causa dei severi requisiti di misurazione precisa e pianificazione spaziale. Per risolvere questo problema, gli autori introducono SceneGenAgent, un agente LLM che genera scene industriali tramite codice C#. Utilizza la pianificazione strutturata del layout, la verifica e il perfezionamento iterativo per soddisfare esigenze quantitative esatte, aumentando le percentuali di successo del LLM fino all'81,0%. Inoltre, gli autori rilasciano SceneInstruct, un set di dati per la messa a punto di LLM open source come Llama3.1-70B per avvicinarsi alle prestazioni GPT-4o all'interno del framework. Il codice e i dati sono disponibili al pubblico.
Visualizza sulla pagina dell'editore

SiPhyr: un framework di ottimizzazione end-to-end basato sull'apprendimento per la riconfigurazione dinamica della rete

Pubblicato in: IEEE Transactions on Smart Grid (Volume: 16, Numero: 2, marzo 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty

L'aumento delle energie rinnovabili, dello stoccaggio e dei veicoli elettrici richiede paradigmi decisionali più rapidi per le reti di distribuzione. Questo documento propone SiPhyr, un framework di machine learning basato sulla fisica per l'ottimizzazione della riconfigurazione della griglia basata sull'apprendimento end-to-end. SiPhyr ottimizza la topologia e i flussi di potenza per ridurre le perdite di linea, migliorare i profili di tensione e promuovere l'integrazione delle energie rinnovabili. Per gestire le variabili decisionali binarie NP-hard, utilizza un metodo di arrotondamento basato sulla fisica all'interno di un quadro differenziabile. Ciò consente a SiPhyr di ottimizzare contemporaneamente la topologia e l'invio della rete soddisfacendo i vincoli critici per la sicurezza, come dimostrato su tre griglie canoniche.
Visualizza sulla pagina dell'editore

Sfruttare la flessibilità dei prosumer per mitigare la congestione della rete nelle future reti di distribuzione dell'energia

Pubblicato in: Energies 2024
Tomaselli D., Most D., e altri

La crescente adozione di sistemi fotovoltaici (PV) dietro al contatore (BTM), veicoli elettrici (EV) e pompe di calore sta causando la congestione della rete di distribuzione. Questo documento valuta la flessibilità di BTM utilizzando un nuovo framework che combina un flusso di potenza ottimale a orizzonte continuo con una funzione di costo lineare a tratti per risolvere questo problema senza costosi aggiornamenti. Testati su un modello di rete di Schutterwald, Germania, i risultati hanno mostrato che lo stoccaggio BTM per autoconsumo ha risolto tutte le violazioni dell'immissione in immissione ma solo il 35% delle violazioni del carico. Tuttavia, il controllo proattivo della ricarica e della scarica dello stoccaggio risolve efficacemente le violazioni del carico rimanenti, anche in reti quasi sature.
Visualizza sulla pagina dell'editore

Equazioni differenziali neurali con controllo integrato per la modellazione di processi chimici

Pubblicato in: 2025 Workshop sulla 32a conferenza internazionale IEEE sul calcolo ad alte prestazioni, dati e analisi (HiPCW)
Sumeet Rodiya, Ved Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Le equazioni differenziali neurali sono potenti per la simulazione dei processi chimici, ma la loro applicazione ai processi chimici controllati rimane relativamente inesplorata. Questo documento valuta le equazioni differenziali neurali ordinarie (NODE) e le equazioni differenziali neurali controllate (NCDE) per modellare un sistema di bioreattori in batch con integrazione di controllo esplicita. Gli autori sviluppano un framework NODE modificato contenente input di controllo e studiano gli NCDE, che incorporano percorsi di controllo continui utilizzando l'interpolazione spline. Implementati in Diffrax per un'accelerazione efficiente della GPU, i framework dimostrano che gli NCDE raggiungono una precisione predittiva superiore, mentre i NODE offrono tempi di training più rapidi.
Visualizza sulla pagina dell'editore

Framework multiagente che sfrutta i grafici delle conoscenze per modelli di messa in servizio virtuali

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

I modelli di messa in servizio virtuale (VCM) convalidano i sistemi di produzione discreti prima dell'implementazione, ma la loro creazione richiede molta manodopera a causa della frammentazione dei dati tra strumenti come il TIA Portal Siemens e NX MCD. Per risolvere questo problema, gli autori propongono un framework multiagente basato sulla conoscenza grafica. Gli strumenti deterministici estraggono e uniscono i dati PLC e cinematici in un database grafico unificato. Un'architettura gerarchica degli agenti aiuta quindi nella comprensione del sistema, nella generazione di componenti basata su script e nella mappatura dei segnali tra domini. Testato su una configurazione di produzione su scala di laboratorio, l'approccio riduce lo sforzo di interpretazione manuale e semplifica la progettazione iniziale del VCM.
Visualizza sulla pagina dell'editore