Deutsch

Robust Design und Sensitivitätsanalyse

Warum Robust Design und Sensitivitätsanalyse?

Verbesserte Simulationsprogramme ermöglichen eine immer genauere Abbildung von realen Produkten und Prozessen. Hierdurch lassen sich schon vor Fertigstellung eines Prototyps Aussagen über dessen spätere Eigenschaften ableiten. Die numerische Simulation bietet insbesondere die Möglichkeit, Systeme effizient zu analysieren und zu optimieren. In Verbindung mit stochastischen Methoden lässt sich so gezielt der Einfluss von Modelländerungen auf das Systemverhalten untersuchen. Diese Modelländerungen können zum einen konstruktiver Art sein, es kann sich aber auch um fertigungsbedingte Streuungen handeln. So treten bei in Serie gefertigten Produkten, bedingt durch Werkstoff-, Fertigungs- und Montagetoleranzen mehr oder minder große Abweichungen vom geplanten Idealzustand auf. Gerade diese Unsicherheiten werden im klassischen Entwurfsprozess vielfach nur bedingt berücksichtigt. Auch während des Produktlebenszyklus ergeben sich durch Verschleiß und Setzungsvorgänge ständige Änderungen von Komponenten- und Systemcharakteristiken. Ziel ist es die zu erwartenden Streuungen schon in einer frühen Phase der Produktentwicklung zu berücksichtigen. Hier ist der Ansatz von Robust Design. Robust Design ist eine statistische Methode um die Empfindlichkeiten eines Systems gegenüber äußeren Variationen der Randbedingungen zu minimieren. Im Gegensatz dazu ist zur Modellierung realer Systeme die Ermittlung der tatsächlich vorhandenen Parameter erforderlich, sprich eine Parameteridentifikation. Anhand von Messungen wird also zunächst versucht die Parameter des Systems zu bestimmen, um anschließend ein geeignetes Modell aufzubauen. Mit dem angepassten Modell können nun Sensitivitätsanalysen durchgeführt werden, die Rückschlüsse auf die Qualität und die Einsatzmöglichkeiten des Modells zulassen.

Worauf haben wir uns innerhalb des Themengebietes Robust Design und Sensitivitätsanalyse spezialisiert?

Schwerpunktmäßig beschäftigen wir uns mit der Bewertung von mechanischen und mechatronischen Systemen. Hierbei werden vor allem folgende Anwendungen adressiert:

Stabilitätsbewertung: Realisierung von Systemen, die robust auf Streuungen und Änderungen von Komponenteneigenschaften reagieren
Kosteneffiziente Tolerierung: Erzielen definierter Systemstreuungen durch Festlegung bedarfsangepasster Komponententoleranzen (“So genau wie nötig, so ungenau wie möglich“)

Je nach Fragestellung und Komplexität des betrachteten Modells kommen hierbei unterschiedliche stochastische und statistische Ansätze zum Einsatz. Im Fokus liegt die Erreichung maximalen Erkenntnisgewinns auf Basis möglichst weniger Berechnungsläufe. Für Projektarbeiten nutzt das KC CAx sowohl eigene Programmentwicklungen als auch kommerzielle Softwarepakete. Beispielhaft können mit den Inhouse-Lösungen MASIMO und SISISIM automatisierte Sensitivitätsanalysen und Robust-Design-Studien unter anderem für MATLAB/Simulink- und SIMPACK-Modelle ausgeführt und bewertet werden. Während MASIMO auf fortgeschrittenen Monte-Carlo-Verfahren basiert, wurden in SISISIM Ansätze und Verfahren des Design-of-Experiments implementiert.

Robust Design: hohe (rot) und niedrige (grün) Empfindlichkeit des System-Outputs abhängig von der Wahl eines Input-Parameters

Charakterisierung und Modellierung des Übertragungsverhaltens eines Gummilagers mit fertigungsbedingter Streuung

Was bieten wir unseren Kunden?

Projekte mit Partnern aus Forschung und Industrie zeigen deutlich, wie wichtig Robust Design für die betriebsfeste Auslegung von Systemkomponenten ist. Insbesondere für die zuverlässige und kosteneffiziente Gestaltung mechatronischer Systeme sind sie unabdingbar. Durch die Kompetenzen des Fraunhofer LBF können unsere Kunden im Bereich der stochastischen Methoden von vielfältigen Dienstleistungen profitieren:

Parameterstudien: Ermittlung des Systemverhaltens für verschiedene Parameterkombinationen
Charakterisierung von Streuungen durch Simulation und Experiment
Numerische Sensitivitätsanalysen mechatronischer Systeme
Simulationsgestützte Bewertung der Systemperformance und –stabilität unter Unsicherheiten