Diese Webseite nutzt Dienste für den Betrieb, statistische Auswertungen, die Anzeige und das Teilen von Inhalten aus sozialen Netzwerken sowie interessengerechte Werbung. Diese Dienste machen die Website nutzbar, verbessern Ihre Browsererfahrung, ermöglichen Interaktionen mit Netzwerken und zeigen relevante Werbebotschaften. Aktivieren Sie die gewünschten Dienste in den jeweiligen Kategorien, um diese zu akzeptieren. Mehr Informationen
Indem Sie auf "Auswahl bestätigen" oder "Alle auswählen & bestätigen" klicken, willigen Sie ein, dass Ihre Daten von den entsprechenden Diensten verarbeitet werden.
Die aktivierten Dienste beeinflussen Ihre Browserkonfiguration nicht. Cookies dieser Dienste werden je nach Browserkonfiguration beim Schließen des Browsers gelöscht oder müssen manuell gelöscht werden, falls diese nicht über jeweils ausgewiesene Zeit hinaus gültig sein sollen.
Mit Aktivierung der jeweiligen Dienste willigen Sie ein, dass wir Ihnen Informationen und Angebote in Social Media, Suchmaschinen oder Displaynetzwerken, ggf. geräteübergreifend, unterbreiten. Diese Einwilligung können Sie jederzeit kostenlos und formlos widerrufen. Es fallen nur die Übermittlungskosten nach Basistarifen an (z. B. Telefon, Fax, E-Mail, Briefporto).
Steinbeis-Forschungszentrum Virtual Testing
74523 Schwäbisch Hall
Deutschland
- Fon: +49 7907 943902
-
Transferunternehmer:
- Prof. Dr.-Ing. Uwe Janoske
Testverfahren von Bauteilen und Produkten sind meist durch experimentelle Vorgehensweisen geprägt. Insbesondere die Untersuchung des Langzeitverhaltens erfordert einen hohen Zeit- und Kostenaufwand. Die Vorhersage basierend auf digitalen Prototypen in frühen Produktentwicklungsphasen ist in industriellen Anwendungen nicht weit verbreitet. Wir unterstützen Sie bei der Entwicklung numerischer Modelle und Berechnungswerkzeuge, die eine effiziente Produktentwicklung erlauben und unnötige Entwicklungsschleifen zuverlässig reduzieren. Dabei kommen unterschiedliche numerische Berechnungsverfahren, wie CFD als auch innovative Methoden des maschinellen Lernens, wie Physics-Informed Neural Networks zum Einsatz.
Prof. Dr.-Ing. Uwe Janoske
Dienstleistungsangebot
- Modellbildung und Erstellung virtueller Testverfahren anhand digitaler Prototypen unter Verwendung numerischer Berechnungswerkzeuge (Strömungssimulation (CFD), Struktursimulation, thermoelektrische und magneto-hydrodynamische Simulationen, gekoppelte Multi-Physics-Ansätze)
- Durchführung numerischer Simulationen für virtuelle Prototypen für unterschiedliche Fragestellungen
- Anwendung verschiedener Verfahren zur Beschreibung komplexer Mehrphasenströmungen von CFD-Modellen, Smoothed Particle Hydrodynamics (SPH), Discrete Element Methoden (DEM) sowie Mehrkörpersimulationsmodellen
- Anwendung von Machine-Learning basierten Verfahren zur physikalischen Modellierung und Beschleunigung von Prozessen mit und ohne Trainingsdaten mit Hilfe von Physics-Informed Neural Networks (PINNs)
- Unterstützung beim Aufbau und der Entwicklung experimenteller Validierungsexperimente
- Beratung und Unterstützung bei der Modellbildung und den physikalischen Grundlagen
Schwerpunktthemen
- Modellbildung virtueller Testverfahren
- Entwicklung geeigneter Modellreduktionen zur Abbildung komplexer Testverfahren
- Entwicklung von neuen innovativen Berechnungsansätzen zur Abbildung von Langzeit-Versuchen in wirtschaftlichen Rechenzeiten
- Entwicklung neuer Berechnungswerkzeuge sowie graphischer Benutzeroberflächen (GUI)
- Erstellung von Komplettlösungen für virtuelle Tests von der Geometrie über die automatisierte Berechnung, Auswertung und Berichterstellung
- Numerische Lösung der Modelle mit unterschiedlichen Verfahren
- Numerische Strömungsberechnung mit unterschiedlichsten, der jeweiligen Aufgabe anpassten Verfahren, z.B. Computational Fluid Dynamics (CFD), Smoothed Particle Hydrodynamics (SPH)
- Anwendung von innovativen Machine Learning Ansätzen, insbesondere der physikalisch basierten Modellbildung ohne die Verwendung von Trainingsdaten, d.h. Physics-Informed Neural Networks (PINNs)
- Beratung und Unterstützung bei experimenteller Validierung der Modelle
Projektbeispiele
- Zeitliches Ablagerungs- und Verschmutzungsverhalten in Abgassystemen
- Bestimmung des Strömungs- und Temperaturverhaltens in Rührsystemen mit Hilfe Physics-Informed Neural Networks für eine schnelle Bestimmung der Strömungsfelder für Regelungsaufgaben
- Untersuchung der Strömungsvorgänge und des Ablagerungsverhaltens in diversen Komponenten im Abwasser-/Schmutzwasser-/Biogasbereich
- Untersuchung des Mischungsverhalten, Entgasungsverhalten von Kunststoffschmelzen
- Strömungsoptimierungen diverser Anlagen und Maschinen
- Untersuchung der Strömungs- und Feststoffbewegungen in Handlingsapparaten im Abfüll- und Verpackungsmaschinenbereich mit Hilfe von gekoppelten CFD- und Mehrkörpersimulationsmodellen
- Numerische Untersuchung des Reinigungsverhaltens verschmutzter Bauteile im Haushalts- und Gewerbebereich – Mehrphasenmodellierung und Entwicklung von Ablagerungs- und Reinigungsmodellen
- Virtuelle Abbildung von Filtrationsversuchen - Beladungsverhalten diverser Filtrationsapparate
- Virtuelle Beschreibung von Klimakammern für Korrosionsuntersuchungen in frühen Phasen der Produktentwicklung (siehe Seifritz et al. Berg- und Hüttenmännische Monatshefte 163, 2018)
Medien
Steinbeis Transfer-Magazin
-
Mit einer ganzheitlichen Strategie den Unternehmenserfolg sichern (Transfer 2/2024)
Digital technology can help product engineering to strike the optimal balance between cost, quality, sustainability, compliance and time-to-market