An die theoretische Grenze optimaler Anforderungszerlegung mit Lösungsräumen für die Auslegung komplexer Systeme
Mechanik
Zusammenfassung der Projektergebnisse
Die zunehmende Komplexität moderner technischer Systeme stellt die Ingenieure vor große Herausforderungen. In Situationen, in denen viele Komponenten interagieren und Ungewissheit eine entscheidende Rolle spielt (z. B. aufgrund von Fertigungstoleranzen oder unvollständigen Informationen), können herkömmliche punktbasierte Optimierungsansätze oft keine robusten Lösungen liefern. Diese Lösungen können unpraktisch sein oder die Ziele des Gesamtsystems nicht zuverlässig erreichen. Lösungsräume können verwendet werden, um diese Probleme in der frühen Phase des Produktentwicklungsprozesses zu lösen. Anstatt nach einem einzelnen optimalen Punktdesign zu suchen, enthalten Lösungsräume definierte Mengen von Designs, die alle Systemanforderungen erfüllen. Der traditionelle Ansatz zur Berechnung von Lösungsräumen beinhaltet zulässige Intervalle für jede Entwurfsvariable, die unabhängig voneinander verwendet werden können, wodurch sogenannte box-förmige Lösungsräume entstehen. Mit diesen Intervallen kann jede Variable unabhängig angepasst werden, wobei die Flexibilität und Robustheit durch die Größe der Intervalle bestimmt wird. Diese Methode wurde in verschiedenen Anwendungen in der Wissenschaft und in der Industrie eingesetzt, u. a. bei der Entwicklung von Fahrzeugstrukturen, der Entwicklung von Produktfamilien für Elektrofahrzeuge und der Verbesserung von Baustellenstampfern. In diesem Projekt wurde das Konzept von Komponentenlösungsräumen erheblich weiterentwickelt. Mit Komponentenlösungsräumen können erstmals zulässige Bereiche für beliebig viele Entwurfsvariablen einer Komponente auf gekoppelte Weise berechnet werden, selbst für hochgradig nichtlineare Systeme, wobei die Werte für die Entwurfsvariablen, die zu verschiedenen Komponenten gehören, weiterhin unabhängig gewählt werden können. Die Berechnung von Komponentenlösungsräumen erfolgt mit einem neuen Algorithmus, der an den zuvor definierten Algorithmus für box-förmige Lösungsräume angepasst wurde. Die wichtigste Änderung liegt in der Art und Weise, wie die Kandidatenräume numerisch getrimmt werden, um schlechte Designs zu entfernen. Dabei wurden zwei neue Methoden eingeführt: planares Trimmen und Entfernen von Eckboxen. Das planare Trimmen erzeugt konvexe Regionen und zeigt eine gute numerische Skalierung; das Entfernen von Eckboxen kann nicht-konvexe Regionen erzeugen, was jedoch den Preis hat, dass potenziell viel mehr Rechenressourcen benötigt werden. Derselbe neue Algorithmus wurde weiter angepasst, um auch Anforderungsräume zu berechnen, indem bei der Festlegung der zu trimmenden Punkte die Designs entsprechend gekennzeichnet werden. Im Laufe des Projekts wurden neue numerische Algorithmen entwickelt und erfolgreich an Beispielproblemen, wie z. B. der robusten Auslegung von Fachwerkkonstruktionen, getestet. Anhand verschiedener Anwendungen wurde gezeigt, wie Komponentenlösungsräume Räume erzeugen können, die bis zu elf Größenordnungen größer sind als diejenigen, die man mit den bisherigen box-förmigen Lösungsräumen erhalten konnte. Die Ergebnisse sind für alle Bereiche relevant, die sich mit komplexen Systemen befassen, einschließlich der Automobil-, Roboter- und Raumfahrttechnik. Die entwickelten Methoden können eingesetzt werden, um eine gleichzeitige Entwicklung mit maximaler Designfreiheit zu ermöglichen, die Produktentwicklung zu beschleunigen, eine bessere Materialauswahl zu ermöglichen und die Zuverlässigkeit zu erhöhen. Davon können sowohl High-Tech-Sektoren als auch Produkte des täglichen Lebens profitieren - zum Beispiel durch leichtere, stabilere und erschwinglichere Elektrofahrzeuge.
Projektbezogene Publikationen (Auswahl)
-
OPTIMIZING REQUIREMENTS FOR MAXIMUM DESIGN FREEDOM CONSIDERING PHYSICAL FEASIBILITY. Proceedings of the Design Society, 3, 2865-2874.
Rodrigues Della Noce, Eduardo & Zimmermann, Markus
-
Stochastic optimization of convex component solution spaces for arbitrary performance functions. Structural and Multidisciplinary Optimization, 68(8).
Rodrigues Della Noce, Eduardo & Zimmermann, Markus
