Digitale Entwicklung in drei Dimensionen

Schneller und kostengünstiger zu neuen Aggregaten – das verspricht das IAV-Projekt „Trinity“. Durch den verstärkten Einsatz von Simulationen, die bessere Verzahnung von CAD und CAE sowie die intelligente Analyse großer Datenmengen lässt sich die Entwicklungszeit von Aggregaten des Powertrains um bis zu 15 Prozent verkürzen. Die Kosten können damit um bis zu 20 Prozent gesenkt werden. Der neue Ansatz eignet sich für die Verbrennungsmotoren-, Hybrid-, E-Maschinen- und Getriebeentwicklung.

Die Aggregateentwicklung läuft heute in vier Etappen ab: Die Konzeptbaustufe ist die erste Umsetzung der Idee und muss auf dem Prüfstand zeigen, wie nahe man den Zielen aus dem Lastenheft bereits gekommen ist. Für die erste Baustufe wird das neue Aggregat aus Prototypenwerkzeugen gebaut und getestet. Es folgt die zweite Baustufe, bei der das Aggregat bereits mit Serienwerkzeugen hergestellt wird.

Die Serienbaustufe kurz vor SOP dient schließlich der Absicherung der Entwicklung. Da derzeit viele reale Prototypen zum Einsatz kommen, machen Versuche bis zu 75 Prozent des monetären Aufwands aus, während Simulationen ca. 10 bis 15 Prozent in Anspruch nehmen. Dieser Prozess lässt sich deutlich beschleunigen. IAV will die Entwicklungszeit um 15 Prozent verringern und die Kosten um bis zu 20 Prozent senken. Möglich machen diesen großen Sprung vor allem aussagefähige Simulationsergebnisse, mit denen künftig in großem Umfang Freigaben erfolgen sollen. Da IAV bei diesem Virtual Development entlang der drei Dimensionen Physik, Geometrie und Daten vorgeht, trägt das Projekt den Namen „Trinity“.

Die offensichtlichste Veränderung im „Trinity“- Prozess ist der Wegfall der ersten Baustufe. „Dafür muss man allerdings mehr Aufwand in der Konzeptbaustufe betreiben“, erklärt Dr. Michael Berg, Querschnittsverantwortlicher für die Digitalisierung im Bereich Powertrain Systems Development bei IAV. „Dadurch wird sie künftig einen deutlich höheren Reifegrad aufweisen, sodass wir die grundsätzliche Funktionalität und erste Tendenzen in puncto Dauerhaltbarkeit bereits sehr gut einschätzen können.“ Viel detailliertere Informationen über Funktionalität und Dauerhaltbarkeit sollen danach aber Simulationen liefern. Voraussetzung dafür: Die Entwickler müssen die physikalischen Wirkmechanismen kennen, in mathematischen Modellen abbilden, diese Modelle validieren und auf dieser Basis verlässliche Prognosen erstellen. Ziel ist es, einen großen Teil der Freigaben für die Serienentwicklung in Zukunft über Simulationen einzuholen.

Dank höherer Rechenleistung und besserer mathematischer Modelle ist das inzwischen auch möglich. „Wir können heute beispielsweise den Ölkreislauf mit allen Komponenten detailliert modellieren“, berichtet Berg. „Und wir arbeiten ständig daran, unsere Berechnungsund Simulationsmethoden zu verbessern und zu validieren, um Ergebnisse mit einem hohen Confidence-Level zu erhalten.“ Auf der Grundlage dieser Confidence-Level definieren die IAV-Entwickler, welche Versuchs- und Erprobungsumfänge noch nötig sind. Mit anderen Worten: Sie hinterfragen alle bisherigen Versuchsprozeduren und -programme und modifizieren sie bei Bedarf.
Das verringert nicht nur die Zahl der Versuche, sondern auch ihre Art: In Zukunft dienen diese immer mehr dazu, Wirkmechanismen besser zu verstehen und Modelle zu validieren. Zudem lassen sich mit ihnen Versuchsmethoden weiterentwickeln (zum Beispiel Online-Messungen der Ölemission) oder neu etablieren (zum Beispiel die Verschleißmessung auf Basis der Radionuklid-Technologie). Natürlich werden sie auch weiterhin genutzt, um Informationen zu liefern, die man mit Simulationen noch nicht erhalten kann. „Das ist ein permanenter Prozess, weil mit jeder Entwicklung neue Erkenntnisse hinzukommen“, sagt Berg.

Bei der Geometrieentwicklung sollen in Zukunft CAD- und CAE-Tools stärker gekoppelt werden. Ziel ist es hier, den Einfluss konstruktiver Änderungen auf Funktionalität und Dauerhaltbarkeit direkt im Simulationsmodell abschätzen zu können. Hier muss man derzeit aber noch Kompromisse eingehen: „Simulationen mit hoher Genauigkeit sind sehr aufwendig und erfordern CAE-Spezialisten sowie leistungsfähige Rechencluster“, so Berg. „Eine mögliche Lösung: Man koppelt vereinfachte Simulationsmodelle mit den CAD-Daten. Sie sind zwar weniger genau, ersparen aber später viele Iterationsschritte mit aufwendigen Simulationsmethoden.“
Für die Absicherung in dieser Phase dienen digitale Mock-ups (DMU), mit denen sich diverse Untersuchungen durchführen lassen: Verbauanalysen (passen die Komponenten geometrisch zusammen?), Bewegungsanalysen (was geschieht zum Beispiel bei Last- und Drehzahlwechsel?) und Analysen zur Montierbarkeit (welche Montagekräfte sind erforderlich, sind die Freigänge für die Serienfertigung ausreichend?). Und weil alle Daten digital vorliegen, können die Entwickler in Zukunft auch Virtual und Augmented Reality einsetzen, um Informationen besser sichtbar zu machen.

Große Bedeutung für den neuen Ansatz hat ein durchgängiges Datenmanagement, das den gesamten Wertschöpfungsprozess umfasst und das Einpflegen von Änderungen erleichtert. In den einzelnen Phasen werden derzeit häufig unterschiedliche Systeme eingesetzt, was die Datenübertragung aufwendig und fehleranfällig macht. „Neben der Automatisierung der Datenübertragung ist das Management der Komplexität, die sich durch die Änderungen und die große Zahl der Fahrzeugvarianten ergibt, die große Herausforderung“, erklärt Berg.

Erfolgen Auslegung und Validierung auf Basis physikalischer und geometrischer Modelle, sprechen IAV-Entwickler vom „virtuellen Zwilling“ – er ist also modellgetrieben. Der „digitale Zwilling“ umfasst eine weitere Dimension: Realdaten aus Entwicklung, Produktion und Nutzung. Er ist darum datengetrieben. Die Daten stammen unter anderem aus Prüfstandsversuchen, Flottenerprobung, der Fertigung, Werkstattberichten und Kundenfeedback. „Es geht darum, Daten längs der gesamten Wertschöpfungskette zu erfassen, miteinander zu vernetzen, für die Nutzung aufzubereiten und dann zur Problemlösung bzw. für neue Entwicklungsaufgaben verfügbar zu machen“, erklärt Berg. „Aufgabe ist es also, aus Daten neues Wissen zu generieren.“
Neben dem Wissen der IAV-Experten spielen hier Methoden der künstlichen Intelligenz eine wichtige Rolle, zum Beispiel Assoziations- und Clusteranalysen, maschinelles Kategorisieren, Mustererkennung und die automatische Detektion von Anomalien.

Die drei Schwerpunkte Physik, Geometrie und Daten sind dabei in ständiger Interaktion. „Wichtig ist aber, dass wir unsere Arbeit mit allen am Entwicklungsprozess des Fahrzeugs beteiligten Gewerken verzahnen, also unter anderem mit der Entwicklung von Steuergeräten, deren Funktionen sowie der Applikation“, betont Berg. „Nur dann können wir das maximale Potenzial hinsichtlich der Kosten- und Zeitersparnis ausnutzen.“

Ein Kernteam von Mitarbeitern aus verschiedenen Gewerken – darunter Konstruktion, Berechnung, Simulation, Versuch und Datenmanagement – treibt das „Trinity“-Projekt bei IAV voran. Es arbeitet nach der Scrum-Methode mit wöchentlichen Sprints. „Die fachliche Arbeit machen die Experten der jeweiligen Gewerke“, so Berg. „Sie unterstützen uns dabei, die Methodik weiterzuentwickeln.“ Ein unternehmensweites Engagement, das sich lohnt: „Trinity“ bildet künftig die Entwicklung aller Komponenten und Systeme des Powertrains ab.