Základné technológie spoločnosti

Systémový návrh a simulácia

Táto oblasť výskumu sa zameriava na modelovanie systémov a komponentov, dizajn a simuláciu multifyziky pomocou AI. Zaoberá sa reťazcom CAD/CAM a digitálnymi dvojčatami na testovanie vizualizácie, overovanie a optimalizáciu vo výrobe, robotike a energetickej infraštruktúre.

Preskúmajte publikácie

Čo keby sme mohli navrhnúť, otestovať a zlepšiť automatizačnú, výrobnú a energetickú infraštruktúru ešte predtým, ako boli vybudované?

Tradičné inžinierske cykly sa vo veľkej miere spoliehajú na fyzické prototypovanie, čo vedie k nákladným iteráciám, predĺženému času uvedenia na trh a nepredvídaným prevádzkovým prekážkam. Moderné priemyselné inžinierstvo vyžaduje prechod nad rámec statických CAD modelov smerom k dynamickým, viacdoménovým simulačným prostred Kombináciou vysokovýkonných výpočtov, telemetrie v reálnom čase a priestorovej vizualizácie je možné komplexné priemyselné architektúry dôsledne overiť počas celého ich životného cyklu pred fyzickým uvedením do prevádzky.

Dôležitá je simulácia, digitálne dvojčatá a priemyselné metaverzové schopnosti pre rýchlejšie, bezpečnejšie a udržateľnejšie inžinierstvo.

Rozdelený obrázok zobrazujúci farebný abstraktný 3D špirálový dizajn a ženu, ktorá nosí náhlavnú súpravu VR a drží ovládače pohybu

Výskumník sedí pri stole a premyslene pracuje na notebooku

Systémový dizajn a simulácia pokrýva geometrické, mechanické a funkčné modelovanie (CAD/CAM) s pracovnými postupmi vylepšenými AI a generatívnym dizajnom. Zahŕňa návrh výroby, virtuálne uvedenie do prevádzky, ako aj (multi) fyziku, systém, reálny čas a spoločnú simuláciu. Tiež skúmame simuláciu na training fyzickej AI a generovania syntetických údajov.

Náš výskum sa zaoberá validáciou, overovaním, spoluprácou v dizajne, vizualizáciou AR/VR a správou životného cyklo/digitálneho dvojčiat. Okrem toho zahŕňa automatizačné inžinierstvo, elektrické modelovanie a návrh distribuovaných energetických systémov pomocou multimodálnej simulácie, modelovania neistoty, technicko-ekonomickej optimalizácie a agentických pracovných postupov.

Pre toto Základná technológia spoločnosti, skúmame aplikácie, ktoré pokrývajú vylepšenie návrhových, simulačných a PLM nástrojov spolu s platformami na správu simulácií, údajov, modelov a digitálnych dvojitých platforiem. Medzi kľúčové oblasti patrí vizualizácia, spolupráca (napr. Digital Twin Composer), automatizované vytváranie 3D obsahu a nástroje udržateľnosti pre uhlíkovú stopu produktov, analýzu cirkulárnosti a životného cyklu s digitálnym dvojčaťom.

Ďalšími témami sú návrh produktov a výroby vylepšený simuláciou, virtuálne uvedenie do prevádzky, školenie základných modelov CAD/CAM, návrh multimodálneho energetického systému a vývoj aktív pre energetické systémy. Nakoniec sa náš výskum zaoberá životným cyklom a energetickými dvojčatami, kruhovými aspektmi výroby, synchronizáciou so skutočnými priemyselnými systémami a autonómnym inžinierstvom.

Publikácie

Preskúmajte naše odporúčané príspevky

SceneGenAgent: Presné generovanie priemyselnej scény s kódovacím prostriedkom

Publikované v: 2025 Zborník zo 63. výročného stretnutia Asociácie pre výpočtovú lingvistiku (zväzok 1: Dlhé príspevky), strany 17847—17875, Viedeň, Rakúsko
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

Vytváranie 3D priemyselných scén pomocou LLM je náročné kvôli prísnym požiadavkám na presné merania a priestorové plánovanie. Na vyriešenie tohto problému autori predstavujú SceneGenAgent, agenta LLM, ktorý generuje priemyselné scény pomocou kódu C #. Využíva štruktúrované plánovanie rozloženia, overovanie a iteratívne zdokonaľovanie na uspokojenie presných kvantitatívnych potrieb, čím zvyšuje úspešnosť LLM až na 81,0%. Autori navyše vydávajú SceneInstruct, súbor údajov na doladenie otvoreného zdrojového zdroja LLM, ako je Llama3.1-70B, aby sa v rámci tohto rámca priblížil k výkonu GPT-4o. Kód a údaje sú verejne dostupné.
Zobraziť na stránke vydavateľa

SiPhyR: Optimalizačný rámec založený na úplnom vzdelávaní pre dynamickú rekonfiguráciu mriežky

Publikované v: IEEE Transactions on Smart Grid (Zväzok: 16, vydanie: 2, marec 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty

Rastúca energia z obnoviteľných zdrojov, skladovanie a elektrické vozidlá si vyžadujú rýchlejšie rozhodovacie paradigmy pre distribučné siete. Tento dokument navrhuje SiPhyR, rámec strojového učenia založený na fyzike pre optimalizáciu rekonfigurácie siete založenú na úplnom vzdelávaní. SiPhyR optimalizuje topológiu a toky energie s cieľom znížiť straty vedenia, zlepšiť napäťové profily a posilniť integráciu obnoviteľných zdrojov. Na spracovanie NP-tvrdých binárnych rozhodovacích premenných používa metódu zaokrúhľovania založenú na fyzike v rámci diferenciovateľného rámca. To umožňuje SiPhyR súčasne optimalizovať topológiu a odoslanie mriežky a zároveň spĺňať bezpečnostné kritické obmedzenia, ako je demonštrované na troch kanonických mriežkach.
Zobraziť na stránke vydavateľa

Využívanie flexibility zákazníkov na zmiernenie preťaženia siete v budúcich distribučných sieťach

Publikované v: Energies 2024
Tomaselli D., Most D. a kol.

Rastúce používanie fotovoltaických (PV) systémov, elektrických vozidiel (EV) a tepelných čerpadiel za meračmi (BTM) spôsobuje preťaženie distribučnej siete. Tento dokument hodnotí flexibilitu BTM pomocou nového rámca, ktorý kombinuje optimálny tok energie v pohyblivom horizonte s funkciou lineárnych nákladov na riešenie tohto problému bez nákladných aktualizácií. Pri testovaní na mriežkovom modeli nemeckého Schutterwald výsledky ukázali, že skladovanie BTM na vlastnú spotrebu vyriešilo všetky porušenia napájania, ale iba 35% porušení záťaže. Proaktívna kontrola nabíjania a vybíjania úložného priestoru však účinne rieši zostávajúce porušenia zaťaženia, dokonca aj v takmer nasýtených sieťach.
Zobraziť na stránke vydavateľa

Neurónové diferenciálne rovnice s integrovaným riadením pre modelovanie chemických procesov

Publikované v: 2025 IEEE 32. medzinárodná konferencia o vysokovýkonných výpočtoch, dátových a analytických workshopoch (HiPCW)
Sumeet Rodiya, Ved Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Neurálne diferenciálne rovnice sú silné pre simuláciu chemických procesov, ale ich aplikácia na riadené chemické procesy zostáva relatívne nepreskúmaná. Tento článok hodnotí nervové bežné diferenciálne rovnice (NOde) a neurálne riadené diferenciálne rovnice (NCDE) na modelovanie dávkového bioreaktorového systému s explicitnou riadiacou integráciou. Autori vyvíjajú upravený rámec NODE obsahujúci riadiace vstupy a študujú NCDE, ktoré zahŕňajú kontinuálne riadiace cesty pomocou spline interpolácie. Rámce implementované v Diffraxe pre efektívne zrýchlenie GPU demonštrujú, že NCDE dosahujú vynikajúcu prediktívnu presnosť, zatiaľ čo NODE ponúkajú rýchlejšie training časy.
Zobraziť na stránke vydavateľa

Rámec viacerých agentov využívajúci znalostné grafy pre modely virtuálneho uvedenia do prevádzky

Publikované v: AUTOMATIZÁCIA 2026, Innovation trifft Application (s. 144-152). VDE
Max Diekmann; Jonas Nitzler; Jan Fischer; Hans-Jürgen Pfisterer; Dirk Hartmann

Virtuálne modely uvedenia do prevádzky (VCM) overujú diskrétne výrobné systémy pred nasadením, ale ich budovanie je náročné na prácu kvôli fragmentovaným údajom naprieč nástrojmi ako Siemens TIA Portal a NX MCD. Na vyriešenie tohto problému autori navrhujú rámec pre viacerých agentov založený na znalostnom grafe. Deterministické nástroje extrahujú a spájajú PLC a kinematické údaje do jednotnej databázy grafov. Architektúra hierarchického agenta potom pomáha s porozumením systému, generovaním komponentov založených na skriptoch a mapovaním signálu medzi doménami. Tento prístup, testovaný na laboratórnom výrobnom nastavení, znižuje úsilie pri manuálnej interpretácii a zefektívňuje skoré inžinierstvo VCM.
Zobraziť na stránke vydavateľa