This Website is not fully compatible with Internet Explorer.
For a more complete and secure browsing experience please consider using Microsoft Edge, Firefox, or Chrome

Artificial Intelligence und Machine Learning in der CAE-basierten Simulation

 

INHALT

Effiziente Datenreduktion in der 3D-CAE-Simulation durch intelligente Methoden
B. Nouri, S. Ali (Siemens Energy Global)

Intelligent Component Manufacturability Testing in Virtual Product Development
A. Nüssgen, R. Degen, M. Irmer (TH Köln/Universität Uppsala); F. Richter, A. Lerch, M. Ruschitzka (TH Köln); C. Boström (Universität Uppsala)

Zeiteffiziente und datenfreie Bauteil- und Prozesssimulation mithilfe von Physics-Informed Neural Networks
T. Würth, A. Prietze, C. Zimmerling, C. Krauß, L. Kärger (Karlsruher Institut für Technologie (KIT))

Einsatz von KI und maschinellem Lernen in der Simulation von Infiltrationsverfahren
D. Droste, J. Zhu, (Faserinstitut Bremen); T. Frerich (CTC (An Airbus Company))

Evaluating Metrics for Information Density and Global Convergence in an Adaptive Training Data Generation Pipeline for Data-Centric AI Applications in Engineering
N. Ballal, T. Soot, M. Dlugosch (Fraunhofer EMI)

Interaktives 3D Design und Simulation basierend auf Neuronalen Netzwerken
T. Emmel, V. Oancea (Dassault Systemes)

Maschinelles Lernen gestützte Modellbildung für kriechdehnungsbasierte Lebensdaueranalyse einer Ball Grid Array Komponente
M. Tauscher (ZF Friedrichshafen); J. Wilde (Universität Freiburg)

KI gestützte Ergebnisüberprüfung eines automatisierten Simulationsprozesses
T. Streich (Festo)

Explorativer ML-Ansatz für die CAE-basierte Untersuchung der Fahrzeugsicherheit und deren Optimierung
J. Garcke, R. Iza-Teran, M. Pathare, D. Steffes-lai (Fraunhofer SCAI)

Case-Based-Reasoning zur Vorhersage von Produkteigenschaften
B. Gerschütz, S. Goetz, S. Wartzack (Universität Erlangen-Nürnberg); M. Hörmann (Cadfem Germany)

Surrogat Modelle zur Beschleunigung der Kriechanalyse von 3D-Finite-Analysen von Turbinenschaufeln
J. Abdallah, S. Depeweg (Siemens Energy Global)

Modeling for Thermal Analysis of a High-Speed Electric Motor using Gaussian Processes
H. Sakellaris, P. Bayrasy (Fraunhofer SCAI)

Universelles maschinelles Lernsystem zur Vorhersage von Werkstoffeigenschaften
V. Pocajt, D. Trost (Total Materia)

Enabling Big Data Analysis in SDM Systems: Add-on based Integration of ML Methods
M. Liebscher, F. Leichsenring, M. F. Thiele, (Scale); N. Abdelhady, D. Borsotto (Sidact); D. Kracker (Dr. Ing. h.c. F. Porsche)

Beschleunigung der Entscheidungsfindung in Entwicklung und Betrieb
D. Berger, D. Hartmann, J. Hodges, K. Liu, S. Ottaiano (Siemens Industry Software)

CAE & AI: Ein Überblick und Erfahrungsbericht über die verschiedenen Einsatzmöglichkeiten
A. Kuhn, T. Hinterdorfer, N. Stalanich (Andata)

Revolutionierung des computergestützten Engineerings: Einsatz von KI zur Effizienzoptimierung von FEM- und CFD-Simulationen, sowie zum innovativen Umgang mit inversen Problemen und Black-Box-Komponente
F. Dirisamer (Digital Physics AI)

Machine Learning to Empower Engineering Organizations: Technology & Applications
P. Baqué, K. Kritikos, T. Von Tschammer (Neural Concept)

Automated Design of Evaporators Through Generative AI, a Liquid Nitrogen CPU Cooler Case Study
A. Kramer, S. da Silva Andrade, L. Verveckena (Diabatix)

ML-basiertes Auslegungstool für Leistungselektronikkühler auf Basis von CFD-Simulationsdaten
S. Spring, A. Sehlinger (Tplus Engineering)

Ein Data Flywheel für Automotive CFD - Transfer Learning als Brücke zwischen Projekten
M. Bauer (Navasto)

Automatisierte Approximation von CAE-Signal- und Feldergebnisgrößen mit Methoden des Maschinellen Lernens
T. Most, L. Gräning, S. Wolff (Ansys Germany)

CAE & AI: Analyse von kausalen Zusammenhängen mittels Wirkkettenanalyse
N. Stalanich, T. Hinterdorfer, D. Lämmerhofer, A. Kuhn (Andata); R. Garcia Gomez, D. Böhmländer (Audi)

„Lebendige“ FE Superelemente mit Machine Learning
W. Moretti (Moretti Engineering (me))

WindIO – Prognose des Windenergieertrags mittels einer Kopplung eines Machine Learning- und eines Simulationsverfahrens
J. Klein (CAIQ)

Document Details

Referenceaiml23_proceedings
AuthorNAFEMS DACH Steering Committee
LanguagesGerman English
TypeEvent Proceedings
Date 25th October 2023
OrganisationNAFEMS
RegionDACH

Download


Back to Previous Page