„Design of Virtual Experiments“ in der Praxis

Dr. Martin Bünner, Institute for Computational Engineering (ICE), NTB Buchs

Agenda

I. Einführung

II. Optimierung in der Praxis

2

II. Optimierung in der Praxis

- Telekommunikation

- Flugzeugbau

III. DoVE für Sie

Optimierung am ICE

Sta

tisti

k /

Date

nan

aly

se

Mo

dell

ieru

ng

/

Sim

ula

tio

n

Op

tim

ieru

ng

ICEOptimierung / DoVE am ICE

• M. Bünner (seit Sept. 2010)

• 6 Wissenschaftliche Mitarbeiter ICE

• eingebettet in NTB, >100 W.MA

• Entscheidungsverfahren in der

3

Sta

tisti

k /

Date

nan

aly

se

Mo

dell

ieru

ng

/

Sim

ula

tio

n

Op

tim

ieru

ng

• Entscheidungsverfahren in der

Produktentwicklung

• Verfahrens-Implementierung

• Verfahrens-Entwicklung

• Kooperationen

• Schulung und Ausbildung

Was ist Design of Virtual Experiments (DoVE)?

• „Optimierung“

• „Automatische Optimierung“

• „Künstliche Intelligenz“

4

• „Entscheidungs-Verfahren“

• „Automatisierung in der PE“

Design of Virtual Experiments

Was ist „Optimierung“

Design-Verbesserung Design-Optimierung

Performance

5

Virtuellen

Prototyp bauen

Design-

Was ist Design of Virtual Experiments (DoVE)?

6

Idee

Entscheidungs-

System

Design-

VorschlagProdukt

fertig

DoVE

Was ist DoVE?

Vorläufige Definition DoVE in der Produktentwicklung:

� Entscheidungs-unterstützendes System

7

� kennt Entwicklungs-Ziele

� trifft selbständig Entscheidungen

� findet „echt optimale“ Produkte

� nimmt dem Entwicklungs-Ingenieur die Standard-Aufgabe „Bewertung“ ab

Vorteile von DoVE in der Praxis?

� viel bessere Produkte

- bessere Qualität

- geringere Kosten

- besserer Fertigbarkeit

- bessere Performance

8

- bessere Performance

� schnellerer PE-Zyklus

� Multiplikation der Effizienz in der PE

� Delegation von Standard-Aufgaben

� von einer Standard Entwicklungs-

Abteilung zu einer weltweit führenden

Entwicklungs-Abteilunge

Agenda

I. Einführung

II. Optimierung in der Praxis

9

II. Optimierung in der Praxis- Telekommunikation- Flugzeugbau

III. DoVE für Sie

II. Optimierung in der PraxisBeispiel 1 : Telekommunikation

� Marktführer HF-Filter

10

� Komponenten-Hersteller, Zulieferer

� ca. 50% Weltmarktanteil

� Märkte: Mobilfunk, Automobil, CE

� ca. 3 Mrd. Bauteile / Jahr

Prozess

� Kunde erstellt Spezifikation inkl. Kosten- und Zeitplan

� Entwicklungs-Abteilung erstellt

11

� Entwicklungs-Abteilung erstellt Produkt-Designs

� Fertigung Massenproduktion

Prozess

Was ist „gutes Design“

� erfüllt Spek

� ausreichende Sicherheiten

12

� ausreichende Sicherheiten

� geringe Kosten

� hohe Qualität

Inside Entwicklungs-Abteilung ca. 1990

� 5 – 20 Simulationen

� 2 – 5 Hardware Iterationen

� zeitaufwändig (3-12 Monate)

13

� riskant

� teuer

________________________________

- Standard-Performance der Firma- Standard-Performance der Entwicklungs- und Forschungs-Abteilung

Inside Entwicklungs-Abteilung Mitte 1990

� Investition in automatisches Entscheidungs-System

� Delegiere aufwändige Suche

� 100 – 1000 Simulationen

14

� 100 – 1000 Simulationen

� 1 HW loop

� 1-2 Monate

________________________________

Standard-Performance

Inside Entwicklungs-Abteilung um 2000

� zero-shot designs

� 100 – 1000 Simulationen, vollautomatisch

� 0 HW Iterationen

15

� 0 HW Iterationen

� 3 Wochen!

________________________________

- Die weltweit beste Entwicklungsabteilung - USP: Die mit Abstand niedrigsten Kosten für Produktvariationen

Inside Entwicklungs-Abteilung um 2000

� Den USP der Entwicklungs-Abteilung zu einem Kern der Produkt-Strategie gemacht

� Vervielfache die Anzahl der Variationen

16

� Vervielfache die Anzahl der Variationen am Markt

� Marktanteile auf 80% bei IF-Filtern gesteigert

Kunden

Virtuellen

Prototyp bauen

Design-

Wie ?

17

Kunden

Spek.

Entscheidungs-

System

Design-

VorschlagProdukt

fertig

DoVE

Wie ?

� Formulierung des „Produkt-Entwicklungs-Design-Problems“ als real lösbares Optimierungs-Problem - NLP (1995)- MINLP (2000)

18

- MINLP (2000)- global (2004)

� Standard-Algorithmus NLPQL (Prof. Schittkowski)

� Entwicklung eigener massgeschneiderterAlgorithmen

Wie?

� inutech GmbH

� bisher 2 Jahre

� vor Ort mit Team

21

� vor Ort mit Team

� Herausforderungen- Optimierung- Rechentechnik

Zusammenfassung: Was leistet DoVE in der Praxis?

�„Effizienz-Maschine“ in der Entwicklung

22

� Liefert Wettbewerbsvorteil

Zusammenfassung: Wie schafft dies DoVE in der Praxis?

� Entscheidungs-System kennt

Entwicklungs-Ziel

�Entscheidungs-System durchsucht den

Design-Raum selbständig

23

Design-Raum selbständig

� Entscheidungs-System trifft selbständig

intelligente Entscheidungen

� Entscheidungs-System übernimmt immer

wiederkehrende, einfache Aufgaben

Wie kommen Sie zu Design of Virtual Experiments?Wie kommen Sie zur Optimierung?

24

Die einzige nachhaltige Ressource ist Know-How

Das ICE unterstützt Sie beim Einsatz von DoVE

http://www.ntb.ch/ice/weiterbildung/dove.html

3-Tages-Kurs „DoVE Verstehen“

25

24.08.2011 - Freitag 26.08.2011, NTB Buchs

DoVE Praxistag

Buchs: Montag, 22.08.2011

St. Gallen: Dienstag, 28.06.2011

Vielen Dank für Ihre Aufmerksamkeit!

26