Công nghệ cốt lõi của công ty

Thiết kế và mô phỏng hệ thống

Lĩnh vực nghiên cứu này tập trung vào mô hình hóa hệ thống và thành phần, thiết kế và mô phỏng đa vật lý bằng AI. Nó giải quyết chuỗi CAD/CAM và cặp song sinh kỹ thuật số để kiểm tra trực quan, xác minh và tối ưu hóa trong cơ sở hạ tầng sản xuất, robot và năng lượng.

Khám phá các ấn phẩm

Điều gì sẽ xảy ra nếu chúng ta có thể thiết kế, thử nghiệm và cải thiện cơ sở hạ tầng tự động hóa, sản xuất và năng lượng trước khi chúng được xây dựng?

Các chu trình kỹ thuật truyền thống phụ thuộc rất nhiều vào việc tạo mẫu vật lý, dẫn đến việc lặp lại tốn kém, thời gian đưa ra thị trường kéo dài và tắc nghẽn hoạt động không lường trước được. Kỹ thuật công nghiệp hiện đại đòi hỏi phải vượt ra khỏi các mô hình CAD tĩnh sang môi trường mô phỏng đa miền động. Bằng cách kết hợp tính toán hiệu suất cao, đo từ xa thời gian thực và trực quan hóa không gian, các kiến trúc công nghiệp phức tạp có thể được xác nhận chặt chẽ trong toàn bộ vòng đời của chúng trước khi vận hành vật lý.

Điều quan trọng là mô phỏng, cặp song sinh kỹ thuật số và khả năng metaverse công nghiệp để có kỹ thuật nhanh hơn, an toàn hơn và bền vững hơn.

Một hình ảnh chia nhỏ cho thấy một thiết kế xoắn ốc 3D trừu tượng đầy màu sắc và một người phụ nữ đeo tai nghe VR và cầm bộ điều khiển chuyển động

Một nhà nghiên cứu ngồi ở bàn làm việc chu đáo trên máy tính xách tay

Thiết kế và mô phỏng hệ thống bao gồm mô hình hình học, cơ học và chức năng (CAD/CAM) với quy trình làm việc nâng cao AI và thiết kế tổng hợp. Nó bao gồm thiết kế sản xuất, vận hành ảo, cũng như (đa) vật lý, hệ thống, thời gian thực và đồng mô phỏng. Chúng tôi cũng nghiên cứu mô phỏng để đào tạo AI vật lý và tạo dữ liệu tổng hợp.

Nghiên cứu của chúng tôi đề cập đến việc xác nhận, xác minh, hợp tác thiết kế, trực quan hóa AR/VR và quản lý vòng đời /kép kỹ thuật số. Ngoài ra, nó bao gồm kỹ thuật tự động hóa, mô hình điện và thiết kế các hệ thống năng lượng phân tán bằng cách sử dụng mô phỏng đa phương thức, mô hình hóa độ không chắc chắn, tối ưu hóa kinh tế công nghệ và quy trình làm việc đại lý.

Đối với điều này Công nghệ cốt lõi của công ty, chúng tôi nghiên cứu các ứng dụng bao gồm việc nâng cao các công cụ thiết kế, mô phỏng và PLM cùng với mô phỏng, dữ liệu, mô hình và các nền tảng quản lý kép kỹ thuật số. Các lĩnh vực chính bao gồm trực quan hóa, cộng tác (ví dụ: Digital Twin Composer), tạo nội dung 3D tự động và các công cụ bền vững cho lượng khí thải carbon của sản phẩm, phân tích vòng tròn và vòng đời với cặp song sinh kỹ thuật số.

Các chủ đề khác là thiết kế sản phẩm và sản xuất tăng cường mô phỏng, vận hành ảo, đào tạo mô hình nền tảng CAD/CAM, thiết kế hệ thống năng lượng đa phương thức và phát triển tài sản cho các hệ thống năng lượng. Cuối cùng, nghiên cứu của chúng tôi đề cập đến vòng đời và sinh đôi năng lượng, các khía cạnh tuần hoàn của sản xuất, đồng bộ hóa với các hệ thống công nghiệp thực sự và kỹ thuật tự trị.

Biểu tượng cho Thiết kế & Mô phỏng hệ thống

Ấn phẩm

Khám phá các bài báo nổi bật của chúng tôi

SceneGenAgent: Tạo cảnh công nghiệp chính xác với tác nhân mã hóa

Xuất bản trong: 2025 Kỷ yếu Hội nghị thường niên lần thứ 63 của Hiệp hội Ngôn ngữ học Tính toán (Tập 1: Bài báo dài), trang 17847—17875, Vienna, Áo
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

Tạo cảnh công nghiệp 3D với LLM là một thách thức do các yêu cầu nghiêm ngặt về các phép đo chính xác và quy hoạch không gian. Để giải quyết vấn đề này, các tác giả giới thiệu SceneGenAgent, một tác nhân LLM tạo ra các cảnh công nghiệp thông qua mã C #. Nó sử dụng lập kế hoạch bố cục có cấu trúc, xác minh và tinh chỉnh lặp đi lặp lại để đáp ứng nhu cầu định lượng chính xác, tăng tỷ lệ thành công LLM lên đến 81,0%. Ngoài ra, các tác giả phát hành SceneInstruct, một tập dữ liệu để tinh chỉnh các LLM mã nguồn mở như Llama3.1-70B để tiếp cận hiệu suất GPT-4o trong khuôn khổ. Mã và dữ liệu được công khai.
Xem tại trang của nhà xuất bản

SipHyr: Khung tối ưu hóa dựa trên học tập đầu cuối để cấu hình lại lưới động

Xuất bản trong: Giao dịch IEEE trên lưới điện thông minh (Tập: 16, Số phát hành: 2, Tháng 3 năm 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty

Năng lượng tái tạo, lưu trữ và xe điện ngày càng tăng đòi hỏi các mô hình ra quyết định nhanh hơn cho lưới phân phối. Bài báo này đề xuất SIPHyr, một khung học máy dựa trên vật lý để tối ưu hóa cấu hình lại lưới dựa trên học tập đầu cuối. SipHyr tối ưu hóa cấu trúc liên kết và dòng điện để giảm tổn thất đường dây, cải thiện cấu hình điện áp và tăng cường tích hợp tái tạo. Để xử lý các biến quyết định nhị phân cứng NP, nó sử dụng phương pháp làm tròn thông tin về vật lý trong khuôn khổ có thể phân biệt được. Điều này cho phép SIPHyr đồng thời tối ưu hóa cấu trúc liên kết lưới và điều phối đồng thời đáp ứng các ràng buộc quan trọng về an toàn, như được chứng minh trên ba lưới chuẩn.
Xem tại trang của nhà xuất bản

Tận dụng tính linh hoạt của người tiêu dùng để giảm thiểu tắc nghẽn lưới điện trong các lưới phân phối điện trong tương lai

Xuất bản trong: Năng lượng 2024
Tomaselli D., Most D., và cộng sự

Việc áp dụng ngày càng tăng các hệ thống quang điện (PV) phía sau mét (BTM), xe điện (EV) và máy bơm nhiệt đang gây ra tắc nghẽn lưới phân phối. Bài báo này đánh giá tính linh hoạt của BTM bằng cách sử dụng một khung mới kết hợp dòng điện tối ưu theo đường chân trời lăn với hàm chi phí tuyến tính từng phần để giải quyết vấn đề này mà không cần nâng cấp tốn kém. Khi được thử nghiệm trên mô hình lưới điện của Schutterwald, Đức, kết quả cho thấy lưu trữ BTM tự tiêu thụ đã giải quyết được tất cả các vi phạm cấp dữ liệu nhưng chỉ có 35% vi phạm tải. Tuy nhiên, chủ động kiểm soát sạc và xả lưu trữ một cách hiệu quả giải quyết các vi phạm tải còn lại, ngay cả trong các lưới gần bão hòa.
Xem tại trang của nhà xuất bản

Phương trình vi phân thần kinh với điều khiển tích hợp cho mô hình hóa quá trình hóa học

Xuất bản trong: Hội thảo Quốc tế IEEE lần thứ 32 về Máy tính, Dữ liệu và Phân tích Hiệu suất Cao 2025 (HiPCW)
Sumeet Rodiya, Thành phố Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Các phương trình vi phân thần kinh rất mạnh mẽ để mô phỏng quá trình hóa học, nhưng ứng dụng của chúng vào các quá trình hóa học được kiểm soát vẫn còn tương đối chưa được khám phá. Bài báo này đánh giá phương trình vi phân thông thường thần kinh (NODE) và phương trình vi phân điều khiển thần kinh (NCDE) để mô hình hóa hệ thống lò phản ứng sinh học theo lô với tích hợp điều khiển rõ ràng. Các tác giả phát triển một khung NODE đã sửa đổi chứa đầu vào điều khiển và nghiên cứu NCDE, kết hợp các đường dẫn điều khiển liên tục bằng cách sử dụng nội suy spline. Được triển khai trong Diffrax để tăng tốc GPU hiệu quả, các khung chứng minh rằng NCDE đạt được độ chính xác dự đoán vượt trội, trong khi NODE cung cấp thời gian đào tạo nhanh hơn.
Xem tại trang của nhà xuất bản

Khung đa tác nhân tận dụng đồ thị kiến thức cho các mô hình vận hành ảo

Xuất bản trong: TỰ ĐỘNG HÓA 2026, Innovation trifft Anwendung (trang 144-152). VDE
Max Diekmann; Jonas Nitzler; Jan Fischer; Hans-Jürgen Pfisterer; Dirk Hartmann

Các mô hình vận hành ảo (VCM) xác nhận các hệ thống sản xuất rời rạc trước khi triển khai, nhưng việc xây dựng chúng tốn nhiều công sức do dữ liệu bị phân mảnh trên các công cụ như Siemens TIA Portal và NX MCD. Để giải quyết vấn đề này, các tác giả đề xuất một khung đa tác nhân dựa trên đồ thị kiến thức. Các công cụ xác định trích xuất và hợp nhất PLC và dữ liệu động học vào cơ sở dữ liệu đồ thị thống nhất. Sau đó, kiến trúc tác nhân phân cấp hỗ trợ hiểu hệ thống, tạo thành phần dựa trên tập lệnh và ánh xạ tín hiệu đa miền. Được thử nghiệm trên thiết lập sản xuất quy mô phòng thí nghiệm, cách tiếp cận này làm giảm nỗ lực giải thích thủ công và hợp lý hóa kỹ thuật VCM ban đầu.
Xem tại trang của nhà xuất bản