Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
„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