Основні технології компанії

Проектування та моделювання системи

Ця галузь досліджень зосереджена на моделюванні системи та компонентів, проектуванні та моделюванні мультифізики з використанням штучного інтелекту. Він стосується ланцюга CAD/CAM та цифрових близнюків для тестування візуалізації, перевірки та оптимізації у виробництві, робототехніці та енергетичній інфраструктурі.

Ознайомтеся з публікаціями

Що, якби ми могли спроектувати, протестувати та вдосконалити автоматизацію, виробництво та енергетичну інфраструктуру ще до того, як вони будуть побудовані?

Традиційні інженерні цикли значною мірою покладаються на фізичне прототипування, що призводить до дорогих ітерацій, збільшення часу виходу на ринок та непередбачених експлуатаційних вузьких місць. Сучасна промислова інженерія вимагає переходу за межі статичних моделей САПР до динамічних багатодоменних середовищ моделювання. Завдяки поєднанню високопродуктивних обчислень, телеметрії в реальному часі та просторової візуалізації, складні промислові архітектури можуть бути ретельно перевірені протягом усього їх життєвого циклу до фізичного введення в експлуатацію.

Важливими є моделювання, цифрові близнюки та можливості промислового метавсесвіту для швидшої, безпечнішої та більш стійкої інженерії.

Розділене зображення, що показує барвистий абстрактний 3D-спіральний дизайн та жінку, яка носить гарнітуру VR та тримає контролери руху

Дослідник сидить за столом, вдумливо працює над ноутбуком

Проектування та моделювання системи охоплює геометричне, механічне та функціональне моделювання (CAD/CAM) з покращеними AI робочими процесами та генеративним дизайном. Він включає проектування виробництва, віртуальне введення в експлуатацію, а також (мульти-) фізику, систему, реальний час та спільне моделювання. Ми також досліджуємо моделювання для навчання фізичного штучного інтелекту та генерації синтетичних даних.

Наше дослідження стосується перевірки, перевірки, співпраці з дизайном, візуалізації AR/VR та управління життєвим циклом/цифровими близнюками. Крім того, він охоплює інженерію автоматизації, електричне моделювання та проектування розподілених енергетичних систем з використанням мультимодального моделювання, моделювання невизначеності, техно-економічної оптимізації та агентних робочих процесів.

Для цього Основні технології компанії, ми досліджуємо програми, які охоплюють вдосконалення інструментів проектування, моделювання та PLM разом із моделюванням, даними, моделями та цифровими платформами управління близнюками. Ключові сфери включають візуалізацію, співпрацю (наприклад, Digital Twin Composer), автоматизоване створення 3D-вмісту та інструменти стійкості для вуглецевого сліду продукту, аналіз циркулярності та життєвого циклу з цифровим близнюком.

Подальшими темами є проектування продуктів та виробництва з покращеним моделюванням, віртуальне введення в експлуатацію, навчання моделі фундаменту CAD/CAM, проектування мультимодальної енергетичної системи та розробка активів для енергетичних систем. Нарешті, наше дослідження стосується життєвого циклу та енергетичних близнюків, аспектів циркулярності виробництва, синхронізації з реальними промисловими системами та автономної інженерії.

Значок для проектування та моделювання системи

Публікації

Ознайомтеся з нашими рекомендованими документами

SceneGenAgent: Точне генерування промислової сцени за допомогою агента кодування

Опубліковано в: 2025 Праці 63-ї щорічної зустрічі Асоціації обчислювальної лінгвістики (Том 1: Довгі статті), стор. 17847—17875, Відень, Австрія
Сяо Ся, Дан Чжан, Зібо Ляо, Чженю Хоу, Тяньруй Сун, Цзін Лі, Лін Фу, Юсяо Донг

Створення 3D-промислових сцен за допомогою LLM є складним завданням через суворі вимоги до точних вимірювань та просторового планування. Щоб вирішити це, автори представляють SceneGenAgent, агент LLM, який генерує промислові сцени за допомогою коду C #. Він використовує структуроване планування макета, перевірку та ітераційне вдосконалення для задоволення точних кількісних потреб, підвищуючи рівень успішності LLM до 81.0%. Крім того, автори випускають SceneInstruct, набір даних для тонкої настройки LLM з відкритим кодом, таких як Llama3.1-70B, для наближення до продуктивності GPT-4o в рамках. Код та дані є загальнодоступними.
Переглянути на сторінці видавця

SipHyr: наскрізна система оптимізації на основі навчання для динамічної реконфігурації сітки

Опубліковано в: Транзакції IEEE щодо розумної мережі (Том: 16, Випуск: 2, Березень 2025 р.)
Рабаб Хайдер, Анурадха Аннасвамі, Бісвадіп Дей, Аміт Чакраборті

Зростання відновлюваної енергії, зберігання та електромобілів вимагають більш швидких парадигм прийняття рішень для розподільних мереж. У цій статті пропонується SIPHyr, основа машинного навчання, інформована фізикою, для оптимізації переконфігурації сітки на основі наскрізного навчання. SiPhyR оптимізує топологію та потоки потужності, щоб зменшити втрати лінії, покращити профілі напруги та посилити інтеграцію відновлюваних джерел. Для обробки NP-жорстких двійкових змінних рішень він використовує метод округлення, орієнтований на фізику, у диференційованих рамках. Це дозволяє SIPHyr одночасно оптимізувати топологію та відправку сітки, задовольняючи критичні для безпеки обмеження, як показано на трьох канонічних сітках.
Переглянути на сторінці видавця

Використання гнучкості споживачів для зменшення перевантаження мережі в майбутніх мережах розподілу електроенергії

Опубліковано в: Енергії 2024
Томаселлі Д., Мост Д. та ін

Зростаюче впровадження позаметрових (BTM) фотоелектричних (PV) систем, електромобілів (EV) та теплових насосів спричиняє перевантаження розподільної мережі. У цій статті оцінюється гнучкість BTM за допомогою нової структури, яка поєднує оптимальний потік енергії горизонту кочення з порізною лінійною функцією витрат для вирішення цієї проблеми без дорогих оновлень. Під час тестування на моделі сітки Schutterwald, Німеччина, результати показали, що сховище BTM для власного споживання усунуло всі порушення подачі, але лише 35% порушень навантаження. Однак активний контроль зарядки та розрядки сховищ ефективно усуває решту порушень навантаження, навіть у майже насичених мережах.
Переглянути на сторінці видавця

Нейронні диференціальні рівняння з інтегрованим керуванням для моделювання хімічних процесів

Опубліковано в: 2025 32-а міжнародна конференція IEEE з високопродуктивних обчислень, даних та аналітики (HiPCW)
Сумет Родія, Вед Вартак, Кунал Бахугуна, Субхаджіт Санфуї, Рамсатіш Калурі

Нейронні диференціальні рівняння є потужними для моделювання хімічних процесів, але їх застосування до контрольованих хімічних процесів залишається відносно невивченим. У цій роботі оцінюються нейронні звичайні диференціальні рівняння (NODE) та нейронно керовані диференціальні рівняння (NCDE) для моделювання пакетної біореакторної системи з явною інтеграцією контролю. Автори розробляють модифіковану структуру NODE, що містить контрольні входи та вивчають NCDE, які включають безперервні шляхи управління за допомогою сплайн-інтерполяції. Реалізовані в Diffrax для ефективного прискорення графічного процесора, фреймворки демонструють, що NCDE досягають чудової точності прогнозування, тоді як NODE пропонують швидший час навчання.
Переглянути на сторінці видавця

Багатоагентний фреймворк, що використовує графіки знань для віртуальних моделей введення в експлуатацію

Опубліковано в: АВТОМАТИЗАЦІЯ 2026, Застосування інновацій (стор. 144-152). VDE
Макс Дікманн; Йонас Ніцлер; Ян Фішер; Ганс-Юрген Пфістерер; Дірк Хартманн

Віртуальні моделі введення в експлуатацію (VCM) перевіряють дискретні виробничі системи перед розгортанням, але їх створення є трудомістким через фрагментовані дані в таких інструментах, як Siemens TIA Portal та NX MCD. Для вирішення цього автори пропонують багатоагентну основу, засновану на графіках знань. Детерміновані інструменти витягують та об'єднують ПЛК та кінематичні дані в уніфіковану базу даних графіків. Потім ієрархічна архітектура агента допомагає зрозуміти систему, генерувати компоненти на основі сценаріїв та відображати міждоменні сигнали. Перевірений на лабораторних виробничих установках, цей підхід зменшує зусилля з ручної інтерпретації та впорядковує ранню інженерію VCM.
Переглянути на сторінці видавця