Browsing by Author "Niebling, Florian"

Now showing 1 - 2 of 2

Open Access
Entwicklung einer Methode zur datengetriebenen Vorhersage der Ausgaben einer Kaltmassivumformsimulation
(2023) Niebling, Florian
Im Bereich der Kaltmassivumformung werden physikalische Simulationen eingesetzt, um den Fertigungsprozess zu optimieren. Sie sind kostengünstiger als physische Experimente und ermöglichen es, die Eigenschaften des Produkts der Umformung anhand von Prozessparametern präzise zu bestimmen. Eine lange Laufzeit von bis zu mehreren Tagen schränkt den Nutzen von Simulationen für die Prozessoptimierung jedoch ein. An ihrer Stelle können datengetriebene Surrogatmodelle eingesetzt werden. Diese erlernen Zusammenhänge zwischen Eingangs- und Ausgangsgrößen der Simulation anhand simulierter Daten. Anschließend können sie zur schnellen Approximation der Ausgangsgrößen verwendet werden. Eine Methode zur Erzeugung solcher Modelle für die Vorhersage der Ausgaben einer Kaltmassivumformsimulation wird in dieser Arbeit entwickelt. Anhand einer Untersuchung verwandter Arbeiten und einer ausführlichen Datenanalyse wird eine Vorgehensweise erarbeitet, die datenspezifische Vorverarbeitung, Feature Engineering und eine Gaußprozess-Regression umfasst. Sie wird mithilfe von Testdaten evaluiert und erreicht eine hohe Vorhersagequalität für sechs von einem Fachexperten ausgewählte Ausgangsgrößen der Simulation. Im Rahmen einer Ablationsstudie werden der Einfluss einzelner Schritte der Vorgehensweise auf die Vorhersagequalität und die Laufzeit des Verfahrens untersucht. Es wird festgestellt, dass sich durch Überspringen des Feature Engineerings der zeitliche Aufwand der Vorgehensweise auf wenige Minuten reduzieren lässt. Dabei bleibt die Vorhersagequalität unverändert hoch. Mit diesen Anpassungen benötigen die Erzeugung eines Surrogatmodells und die Vorhersagen für über hundert Prozesskonfigurationen des Testdatensatzes weniger Zeit, als einen einzelnen Datenpunkt zu simulieren. Da die Vorhersagen komplexer Surrogatmodelle nur schwer nachzuvollziehen sind, werden mit verschiedenen XAI-Verfahren Erklärungen für das Verhalten der erzeugten Modelle produziert. Dabei werden Zusammenhänge zwischen Eingangsgrößen und Vorhersagen aufgedeckt, die zuvor im Rahmen einer Untersuchung der Werteverteilungen und Korrelationen zwischen Eingangs- und Ausgangsgrößen der Simulation nicht aufgefallen sind.
Open Access
Interactive parallel post-processing of simulation results on unstructured grids
(2014) Niebling, Florian; Resch, Michael (Prof. Dr.-Ing.)
Numerical simulations and the assessment of their results are constantly gaining importance in product design and optimization workflows in many different fields of engineering. The availability of massively parallel manycore computing resources enables simulations to be executed with accuracies posing very high requirements on the methods for interactive post-processing of the simulation results. A traditional post-processing of such large-scale simulation datasets on single workstations is often no longer possible due to the limited resources such as main memory, the low number of compute cores and the available network bandwidth to the simulation cluster. In this work, concepts and solutions are presented that enable interactive post-processing of large-scale datasets generated by fluid dynamic simulations on unstructured grids through the use of parallel manycore environments. A software architecture the parallel post-processing and visualization, as well as specific optimizations of frequently used methods for post-processing are introduced that enable the interactive use of parallel manycore resources. The implementation of the methods and algorithms is based on existing manycore devices in the form of programmable graphics hardware, which are no longer solemnly usable for computer graphics applications, but are getting increasingly interesting for general purpose computing. It will be shown, that methods for visualization of fluid simulation data such as the interactive computation of cut-surfaces or particle traces is made possible even for large-scale unstructured data. Additionally, an algorithm for the dense texture-based visualization of flow fields will be introduced that combines the presented methods for the extraction of cut-surfaces, isosurfaces and particle tracing. This algorithm for line integral convolution enables the interactive post-processing of flow fields on partitioned and distributed unstructured grids. The methods introduced in this thesis are evaluated using several large-scale simulation datasets from different fields of engineering in scientific and industrial applications.