Şirket Temel Teknolojileri

Sistem Tasarımı ve Simülasyonu

Bu araştırma alanı, AI kullanarak sistem ve bileşen modelleme, tasarım ve çoklu fizik simülasyonuna odaklanmaktadır. Üretim, robotik ve enerji altyapısında görselleştirme testi, doğrulama ve optimizasyon için CAD/CAM zincirine ve dijital ikizlere hitap eder.

Yayınları keşfedin

Ya otomasyon, üretim ve enerji altyapısını inşa edilmeden tasarlayabilir, test edebilir ve geliştirebilseydik?

Geleneksel mühendislik döngüleri büyük ölçüde fiziksel prototiplemeye dayanır, bu da maliyetli yinelemelere, pazara sunma süresinin uzamasına ve öngörülemeyen operasyonel darboğazlara yol açar. Modern endüstri mühendisliği, statik CAD modellerinin ötesinden dinamik, çok alanlı simülasyon ortamlarına geçmeyi gerektirir. Yüksek performanslı bilgi işlem, gerçek zamanlı telemetri ve mekansal görselleştirmeyi birleştirerek, karmaşık endüstriyel mimariler, fiziksel devreye almadan önce tüm yaşam döngüleri boyunca titizlikle doğrulanabilir.

Önemli olan, daha hızlı, daha güvenli ve daha sürdürülebilir mühendislik için simülasyon, dijital ikizler ve endüstriyel metaverse yetenekleridir.

Renkli soyut 3D spiral tasarımı ve VR kulaklık takan ve hareket denetleyicileri tutan bir kadını gösteren bölünmüş bir görüntü

Bir masada oturan, düşünceli bir dizüstü bilgisayar üzerinde çalışan bir araştırmacı

Sistem Tasarımı ve simülasyonu, yapay zeka geliştirilmiş iş akışları ve üretken tasarım ile geometrik, mekanik ve fonksiyonel modellemeyi (CAD/CAM) kapsar. Üretim tasarımı, sanal devreye alma, ayrıca (çoklu) fizik, sistem, gerçek zamanlı ve ortak simülasyonu içerir. Ayrıca fiziksel yapay zeka eğitimi ve sentetik veri üretimi için simülasyon araştırıyoruz.

Araştırmamız doğrulama, doğrulama, tasarım işbirliği, AR/VR görselleştirme ve yaşam döngüsü/dijital ikiz yönetimi ele almaktadır. Ek olarak, otomasyon mühendisliği, elektrik modellemesi ve multimodal simülasyon, belirsizlik modellemesi, tekno-ekonomik optimizasyon ve ajental iş akışları kullanılarak dağıtılmış enerji sistemlerinin tasarımını kapsar.

Bunun için Şirket Temel Teknolojisisimülasyon, veri, model ve dijital ikiz yönetim platformlarının yanı sıra tasarım, simülasyon ve PLM araçlarının geliştirilmesini kapsayan uygulamaları araştırıyoruz. Temel alanlar arasında görselleştirme, işbirliği (örn., Digital Twin Composer), otomatik 3D içerik oluşturma ve ürün karbon ayak izi için sürdürülebilirlik araçları, dijital ikizle döngüsellik ve yaşam döngüsü analizi yer alır.

Diğer konular simülasyonla geliştirilmiş ürün ve üretim tasarımı, sanal devreye alma, CAD/CAM temel modeli eğitimi, çok modlu enerji sistemi tasarımı ve enerji sistemleri için varlık geliştirmedir. Son olarak, araştırmamız yaşam döngüsü ve enerji ikizlerini, üretimin döngüsellik yönlerini, gerçek endüstriyel sistemlerle senkronizasyonu ve özerk mühendisliği ele almaktadır.

Sistem Tasarımı ve Simülasyonu için Simge

Yayınlar

Öne çıkan makalelerimizi keşfedin

SceneGenAgent: Kodlama ajanı ile hassas endüstriyel sahne üretimi

Yayınlandığı yer: 2025 Hesaplamalı Dilbilim Derneği 63. Yıllık Toplantısı Bildirileri (Cilt 1: Uzun Makaleler), sayfa 17847—17875, Viyana, Avusturya
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

LLM'lerle 3D endüstriyel sahneler oluşturmak, hassas ölçümler ve mekansal planlama için katı gereksinimler nedeniyle zordur. Bunu çözmek için yazarlar, C# kodu aracılığıyla endüstriyel sahneler üreten bir LLM aracısı olan SceneGenAgent'ı tanıttılar. Tam nicel ihtiyaçları karşılamak için yapılandırılmış yerleşim planlaması, doğrulama ve yinelemeli iyileştirme kullanır ve LLM başarı oranlarını %81.0'a kadar yükseltir. Ek olarak, yazarlar, çerçeve içinde GPT-4o performansına yaklaşmak için Llama3.1-70B gibi açık kaynaklı LLM'lerin ince ayarlanması için bir veri kümesi olan SceneInstruct'i yayınladılar. Kod ve veriler halka açıktır.
Yayıncının sayfasında görüntüle

SipHyr: Dinamik ızgara yeniden yapılandırması için uçtan uca öğrenme tabanlı optimizasyon çerçevesi

Yayınlandığı yer: Akıllı Şebeke Üzerinde IEEE İşlemleri (Cilt: 16, Sayı: 2, Mart 2025)
Rabab Haider, Anuradha Annasvamy, Biswadip Dey, Amit Chakraborty

Yükselen yenilenebilir enerji, depolama ve elektrikli araçlar, dağıtım şebekeleri için daha hızlı karar verme paradigmaları gerektiriyor. Bu makale, ızgara yeniden yapılandırmasının uçtan uca öğrenmeye dayalı optimizasyonu için fizik bilgisine dayalı bir makine öğrenimi çerçevesi olan SIPHyr'i önermektedir. SipHyr, hat kayıplarını azaltmak, voltaj profillerini iyileştirmek ve yenilenebilir entegrasyonu artırmak için topoloji ve güç akışlarını optimize eder. NP sert ikili karar değişkenlerini işlemek için, farklılaştırılabilir bir çerçeve içinde fizik bilgisine sahip bir yuvarlama yöntemi kullanır. Bu, SIPHyr'in üç standart ızgarada gösterildiği gibi güvenlik açısından kritik kısıtlamaları karşılarken ızgara topolojisini ve dağıtımını eşzamanlı olarak optimize etmesine olanak tanır.
Yayıncının sayfasında görüntüle

Gelecekteki güç dağıtım şebekelerinde şebeke tıkanıklığını azaltmak için tüketici esnekliğinden yararlanma

Yayınlanma tarihi: Energies 2024
Tomaselli D., Most D., vd.

Metre arkası (BTM) fotovoltaik (PV) sistemlerin, elektrikli araçların (EV'ler) ve ısı pompalarının artan şekilde benimsenmesi, dağıtım şebekesi tıkanıklığına neden oluyor. Bu makale, maliyetli yükseltmeler olmadan bu sorunu çözmek için yuvarlanan ufuk optimum güç akışını parça başı doğrusal maliyet fonksiyonu ile birleştiren yeni bir çerçeve kullanarak BTM esnekliğini değerlendirir.. Almanya, Schutterwald'ın bir ızgara modeli üzerinde test edildiğinde sonuçlar, öz tüketimli BTM depolamasının tüm besleme ihlallerini ancak yük ihlallerinin yalnızca %35'ini çözdüğünü gösterdi. Bununla birlikte, depolama şarjını ve deşarjını proaktif olarak kontrol etmek, neredeyse doymuş ızgaralarda bile kalan yük ihlallerini etkili bir şekilde çözer.
Yayıncının sayfasında görüntüle

Kimyasal süreç modellemesi için entegre kontrollü nöral diferansiyel denklemler

Yayın tarihi: 2025 IEEE 32. Uluslararası Yüksek Performanslı Hesaplama, Veri ve Analitik Çalıştayı Konferansı (HiPCW)
Sumeet Rodiya, Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Nöral diferansiyel denklemler kimyasal süreç simülasyonu için güçlüdür, ancak kontrollü kimyasal süreçlere uygulamaları nispeten keşfedilmemiştir. Bu makale, açık kontrol entegrasyonu ile toplu bir biyoreaktör sistemini modellemek için nöral adi diferansiyel denklemleri (NODE'ler) ve nöral kontrollü diferansiyel denklemleri (NCDE'ler) değerlendirir. Yazarlar, kontrol girdilerini içeren değiştirilmiş bir NODE çerçevesi geliştirir ve spline enterpolasyonu kullanarak sürekli kontrol yollarını içeren NCDE'leri inceler. Verimli GPU hızlandırması için Diffrax'ta uygulanan çerçeveler, NCDE'lerin üstün tahmin doğruluğu sağladığını, NODE'ların ise daha hızlı eğitim süreleri sunduğunu göstermektedir.
Yayıncının sayfasında görüntüle

Sanal devreye alma modelleri için bilgi grafiklerinden yararlanan çoklu temsilci çerçeve

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

Sanal devreye alma modelleri (VCM'ler), dağıtımdan önce ayrık üretim sistemlerini doğrular, ancak Siemens TIA Portal ve NX MCD gibi araçlar arasındaki parçalanmış veriler nedeniyle bunları oluşturmak emek gerektirir. Bunu ele almak için yazarlar, bilgi grafiğine dayalı çok ajanlı bir çerçeve önermektedir. Deterministik araçlar PLC ve kinematik verileri birleşik bir grafik veritabanında çıkarır ve birleştirir. Hiyerarşik bir ajan mimarisi daha sonra sistem anlama, komut dosyası tabanlı bileşen oluşturma ve etki alanları arası sinyal eşlemeye yardımcı olur. Laboratuvar ölçeğinde üretim kurulumunda test edilen yaklaşım, manuel yorumlama çabasını azaltır ve erken VCM mühendisliğini kolaylaştırır.
Yayıncının sayfasında görüntüle