Erkennung von Fehlerursachen in Finite-Elemente-Simulationen mit Deep-Learning-Netzen
Der Anwendungsbereich der datengetriebenen Produktentwicklung ist vielfältig und reicht von den Anforderungen hin zum detaillierten Design des Produkts. Ziel ist die konsequente Analyse von Daten zur Unterstützung und Verbesserung des Entwicklungsprozesses. Die virtuelle Erprobung von Produkten durch Finite-Elemente Simulationen ist dabei ein wesentlicher Schritt. Aufgrund der heterogenen Datenlage eines Simulationsmodells stellt die automatische Nutzung jedoch eine große Herausforderung dar. Im MDPI Algorithms Journal stellen wir daher eine Methode vor, die den gesamten Bestand an berechneten Simulationen nutzt, um die Plausibilität neuer Simulationen vorherzusagen. Offensichtliche Fehler in der Simulation sollen damit erkannt und unnötige Iterationen vermieden werden.