Veranstaltung

Innovative Methoden in der Strömungssimulation: Von der Optimierung in der Produktentwicklung zu Physics-Informed Neural Networks

1. Vortragstitel: Optimierung in der Produktentwicklung: Strömungssimulation von manuell bis vollautomatisiert

Referent: Sebastian Spring, Tplus Engineering GmbH

Zum Thema:
Der Einsatz moderner Simulationstechnologien wie bspw. der numerischen Strömungssimulation (CFD-Simulation) ist ein etablierter Bestandteil der Entwicklungsprozesse von heute. Simulationen können dabei helfen, Einblicke in komplexe physikalische Vorgänge zu ermöglichen oder Zusammenhänge effizient und systematisch zu analysieren. Besonders in der Produktentwicklung bieten sich hier zahlreiche Vorteile, da durch den zielgerichteten Einsatz von Simulationen eine überwiegend virtuelle Auslegung und Optimierung erfolgen kann, was wiederum in einer deutlichen Kostenreduzierung und Beschleunigung der Entwicklungsprozesse resultieren kann.

Die Einsatzmöglichkeiten der Simulationstechnologie sind dabei äußerst vielfältig, entsprechend breit ist das Spektrum der eingesetzten Methoden: von der manuell durchgeführten Analyse, Bewertung und Anpassung bis hin zur vollautomatisierten Simulationskampagne mit hunderten oder tausenden berechneten Varianten kommen hier verschiedene Strategien zum Einsatz.

Der anwendungsnahe Vortrag möchte anhand verschiedener Beispiele Eindrücke aus der Praxis vermitteln, wie CFD-Simulationen eingesetzt werden können, um typischen Frage- und Problemstellungen in der Produktentwicklung zu begegnen. Dabei wird insbesondere auf die verschiedenen Methoden von der manuellen Berechnung mit schrittweiser Anpassung und Verbesserung bis hin zu vollständig automatisiert ablaufenden Prozessen in Kombination mit Algorithmen für die Steuerung eingegangen.

Darüber hinaus werden Erfahrungen und Einschätzungen hinsichtlich eines wirtschaftlichen und sinnvollen Einsatzes der verschiedenen Möglichkeiten geteilt.
Der Vortrag richtet sich an Interessierte zu den Themen Simulation, Automatisierung und Optimierung und möchte sowohl Entscheider als auch technische Experten ansprechen.

Über den Referenen:
Dr.-Ing. Sebastian Spring ist Gesellschafter und Geschäftsführer der Tplus Engineering GmbH, einem im Jahr 2014 gegründetem Ingenieurdienstleistungsunternehmen. Das Unternehmen aus der Region Stuttgart hat sich spezialisiert auf die Themengebiete Simulation, Automatisierung und Optimierung. Zu den Kunden zählen zahlreiche Konzerne und Unternehmen aus Europa, die in verschiedenen Branchen an technisch anspruchsvollen Lösungen und Produkten arbeiten.

2. Vortragstitel: Physics-Informed Neural Networks (PINNs) in der Strömungsmechanik für industrielle Anwendungen

Referent: Uwe Janoske, Fakultät für Maschinenbau und Sicherheitstechnik, Arbeitsgruppe Mehrphasenströmungen, Bergische Universität Wuppertal

Zum Thema:
KI und neuronale Netze werden üblicherweise mit dem Lernen aus großen Datenmengen in Verbindung gebracht. Insbesondere bei komplexen Anwendungen in der Strömungsmechanik stehen jedoch meist nur begrenzte Daten oder Parametervariationen zur Verfügung. Neuere Entwicklungen – sogenannte Physics-Informed Neural Networks (PINNs) – nutzen grundlegende physikalische Gleichungen als Basis für das Training des neuronalen Netzes. Im Rahmen des Vortrags werden zwei industrielle Anwendungen von PINNs zur Lösung strömungsmechanischer Probleme vorgestellt.

Die effiziente Abscheidung von Feststoffpartikeln und Flüssigkeitstropfen ist in vielen industriellen Prozessen von entscheidender Bedeutung. Hauptziel ist es, eine hohe Abscheideeffizienz bei gleichzeitiger Minimierung des damit verbundenen Druckverlusts zu erreichen. Aufgrund der mikroskopischen Natur der Filtration ist ein tiefergehender Einblick durch Experimente nur eingeschränkt möglich und erfordert kostspielige Versuchsaufbauten. Konventionelle numerische Ansätze in der Strömungsmechanik (CFD) erfordern einen hohen Rechenaufwand, der wirtschaftlich unpraktisch ist. In dieser Arbeit wird ein Modellierungsansatz zur Simulation des Filtrationsprozesses vorgestellt, der ein Physics-Informed Neural Networks (PINN) mit der Methode der Smoothed Particle Hydrodynamics (SPH) koppelt.

Inline-Mehrstufen-Rotor-Stator-Mischer haben sich als industrielle Lösung etabliert, um hochviskose Fluide schnell und effizient zu mischen und dabei den Temperaturanstieg während des Prozesses zu minimieren. Klassische Methoden der numerischen Strömungsmechanik (CFD) sind anfällig für numerische Diffusion und können zu einer Überschätzung der Mischgüte führen. Daher wird ein auf Physics-Informed Neural Networks (PINNs) basierendes Modell als alternative Lösung zu herkömmlichen CFD-Methoden vorgestellt.

Über den Referenten:
Univ.-Prof. Dr.-Ing. habil. Uwe Janoske
Lehrstuhl für Strömungsmechanik
Bergische Universität Wuppertal