Join the forum for Designers!
Your expertise is vital to the community. Join us and contribute your knowledge!
Join the Forum NowShare, learn and grow with the best professionals in the industry.
Dzięki konwergencji sztucznej inteligencji i fizyki
Wyzwania związane z klejami strukturalnymi
W dziedzinie inżynierii strukturalnej zachowanie klejów strukturalnych stanowi kluczową, ale złożoną zagadkę. Te materiały polimerowe zapewniają spójność i trwałość szerokiej gamy konstrukcji inżynieryjnych, od samolotów po komponenty samochodowe. Ich głównym wyzwaniem jest przewidywanie ich trwałości zmęczeniowej, zwłaszcza pod wpływem obciążeń cyklicznych. Takie obliczenia są trudne i wymagające pod względem precyzji i wydajności.
Strukturalne połączenia klejowe są dość złożone; składają się z kleju (zazwyczaj polimeru) i dwóch podłoży, które mogą składać się z metalu, polimeru lub materiałów kompozytowych. Jak można sobie wyobrazić, ta nieodłączna złożoność sprawia, że ocena ich wytrzymałości zmęczeniowej jest trudna, nie mówiąc już o jej optymalizacji w kolejnym kroku.
Podczas gdy modele oparte na fizyce oferują najwyższą dokładność analizy takich połączeń, wymagają one skrupulatnej kalibracji parametrów dla każdego nowego kleju. Dla przykładu, proszę rozważyć test zmęczeniowy strukturalnego połączenia klejowego z 10 milionami cykli przy częstotliwości 10 Hz. Testy te są wymagające i czasochłonne, a ich wykonanie zajmuje ponad 10 dni. Dodatkowym wyzwaniem jest potrzeba uzyskania wielu punktów danych w celu skonstruowania kompleksowej krzywej projektowej zmęczenia, co jest podstawowym aspektem analizy strukturalnej. Biorąc pod uwagę potrzebę optymalizacji zarówno wydajności, jak i dokładności, inżynierowie i badacze potrzebują i poszukują innowacyjnych rozwiązań.
Jedną z dróg do rozwiązania jest integracja sztucznej inteligencji (AI) i uczenia maszynowego (ML) z materiałoznawstwem. Uznana za swoją zdolność do rozwiązywania złożonych problemów poprzez uczenie się na podstawie istniejącej wiedzy, sztuczna inteligencja zapewnia obiecującą drogę do modelowania strukturalnego poprzez generowanie wyrażeń matematycznych, które wychwytują wzajemne oddziaływanie różnych parametrów. Oczekujemy, że to uzasadnienie ma również zastosowanie do modelowania strukturalnego zachowania zmęczeniowego strukturalnych połączeń klejowych, co jest przedmiotem naszych bieżących badań.
Jednak zastosowanie AI/ML w nauce o materiałach często napotyka praktyczne wyzwanie – fakt, że w rzeczywistości istnieje ograniczona dostępność / dostęp do danych, które są odpowiednie do szkolenia algorytmów AI/ML. Wyzwanie to jest częściowo rozwiązywane przez godne pochwały inicjatywy tworzenia repozytoriów i rynków danych materiałowych, ale w praktyce dostępność kompleksowych danych pozostaje ograniczona.
Obietnica modeli hybrydowych
Dążąc do znalezienia rozwiązania dla tak złożonych wyzwań, naukowcy już teraz eksplorują wcześniej niezbadane terytorium modeli hybrydowych [1], które stanowią syntezę sztucznej inteligencji opartej na danych i metodologii opartych na fizyce. Modele te strategicznie wykorzystują dane z heterogenicznych źródeł, w tym z recenzowanych artykułów, raportów technicznych i baz danych materiałów. Wykorzystując podobieństwa w zachowaniu materiałów w określonych kategoriach, te hybrydowe modele mogą zapewnić odpowiednie zrozumienie reakcji zmęczeniowej strukturalnych połączeń klejowych.
Modele hybrydowe wyróżniają się zdolnością do integrowania wiedzy dziedzinowej, kierując wyborem odpowiednich cech i minimalizując ryzyko nadmiernego dopasowania – częstej pułapki, w której model staje się zbyt ściśle dostosowany do danych szkoleniowych, utrudniając jego adaptację do nowych zestawów danych. Na przykład sieci neuronowe oparte na fizyce (PINN) harmonizują ustalone relacje oparte na fizyce ze sztuczną inteligencją, osiągając delikatną równowagę między „duże dane, mała fizyka” i „małe dane, duża fizyka.” [3].
Prezentacja modelowania hybrydowego na platformie DOME 4.0
Zgodnie z tą innowacyjną wizją, Siemens Digital Industries Software i Fraunhofer Institute for Manufacturing Technology and Advanced Materials IFAM są aktywnie zaangażowane w projekt badawczy DOME 4.0 (Digital Open Marketplace Ecosystem 4.0). Projekt ten ma na celu stworzenie semantycznie wzbogaconej platformy cyfrowej, która płynnie łączy różne źródła danych materiałowych z wieloma interesariuszami, zapewniając rygorystyczne zarządzanie transakcjami danych w celu ochrony prywatności uczestników. Celem DOME 4.0 jest zrewolucjonizowanie wymiany danych materiałowych poprzez efektywne wykorzystanie danych do wirtualnej inżynierii materiałowej i projektowania produktów, przy jednoczesnym wspieraniu innowacyjnych modeli biznesowych zakorzenionych w przepływach pracy w chmurze. Innowacje technologiczne przedstawione w tym wpisie na blogu są częścią Showcase 4 w ramach projektu DOME 4.0, który obejmuje współpracę badawczą między Fraunhofer IFAM, Siemens Digital Industries Software oraz Citrine Informatics.
Ta prezentacja jest przykładem naszego zaangażowania w zrewolucjonizowanie doboru materiałów i przewidywania trwałości zmęczeniowej połączeń klejowych. Wykorzystanie platformy Citrine [2], płynnie stosujemy metody uczenia maszynowego w celu integracji zbiorów danych eksperymentalnych z modelowaniem opartym na fizyce (w oparciu o współczynniki koncentracji naprężeń). To innowacyjne podejście nie tylko znacznie zwiększa precyzję prognoz zmęczeniowych, ale także umożliwia precyzyjny dobór optymalnych klejów do klejonych struktur, uwzględniając różne właściwości materiałowe i geometryczne, a także warunki użytkowania.
Ponieważ trwające badania w tej dziedzinie nadal ewoluują, oczywiste jest, że modele hybrydowe mają obiecującą przyszłość. Ich potencjał polega na łączeniu danych empirycznych z solidnymi zasadami fizyki, oferując ścieżkę do lepszego zrozumienia i wzmocnienia zachowania złożonych struktur, w tym strukturalnych połączeń klejowych. Inżynierowie, naukowcy i specjaliści z branży znajdują się w czołówce tej nowej ery, przyczyniając się do tego, aby takie modele hybrydowe były odpowiednie do wyzwań związanych z projektowaniem inżynieryjnym teraz i w przyszłości.
W związku z tym zapraszamy wszystkich aktywnych na płaszczyźnie stycznej między nauką o materiałach a inżynierią (oraz wszystkich zainteresowanych i zaciekawionych potencjałem) do informowania się o aktualnym stanie i śledzenia przyszłych postępów w modelowaniu hybrydowym. Mamy też nadzieję, że gdy następnym razem zobaczą Państwo strukturalne połączenie klejowe, spojrzą Państwo na nie z większym uznaniem dla nauki wspierającej jego wytrzymałość i niezawodność.
Aby uzyskać dodatkowe informacje, prosimy zapoznać się również z wpisem na blogu Simcenter „Informatyka materiałowa przyspiesza projektowanie materiałów kompozytowych dostosowanych do potrzeb klienta” (obejmujący Showcase 9 w projekcie DOME 4.0, który jest również możliwy dzięki platformie Citrine).
Podziękowania
Siemens Digital Industries Software (DI SW) i Fraunhofer Institute for Manufacturing Technology and Advanced Materials (IFAM) dziękują za wsparcie Komisji Europejskiej dla projektu w zakresie badań i innowacji „DOME 4.0” w ramach programu Horyzont 2020 (zob. https://dome40.eu/), z umową grantową nr 953163, koordynowaną przez CMCL.
Ten wpis na blogu informuje o statusie innowacji technologicznych Fraunhofer IFAM, Siemens DI SW i Citrine Informatics dla Showcase 4 „Kleje strukturalne: Zachowanie zmęczeniowe” w DOME 4.0.
Referencje
[1] Fernandes, Pedro Henrique Evangelista, Giovanni Corsetti Silva, Diogo Berta Pitz, Matteo Schnelle, Katharina Koschek, Christof Nagel i Vinicius Carrillo Beber. „Data-Driven, Physics-Based, or Both: Fatigue Prediction of Structural Adhesive Joints by Artificial Intelligence”. Mechanika Stosowana 4, nr 1 (8 marca 2023 r.): 334-55. https://doi.org/10.3390/applmech4010019.
[2] Citrine Informatics, „Czym jest Informatyka Materiałowa i Chemiczna?„, Strona internetowa Citrine, 2023.
[3] Karniadakis, G.E., Kevrekidis, I.G., Lu, L. et al. Uczenie maszynowe oparte na fizyce. Nat Rev Phys 3, 422-440 (2021). https://doi.org/10.1038/s42254-021-00314-5
Join the forum for Designers!
Your expertise is vital to the community. Join us and contribute your knowledge!
Join the Forum NowShare, learn and grow with the best professionals in the industry.