Multidisziplinäre Analyse und Optimierung

Robust Design Optimierung

Bei der Auslegung technischer Systeme sind Streuungen, Unsicherheiten und Toleranzen zu berücksichtigen, um eine hohe Qualität und Zuverlässigkeit des Systems zu garantieren. Es existiert eine Klasse von Streuungen und Unsicherheiten, die durch Umweltbedingungen (Temperatur, Luftfeuchtigkeit, Tageslicht usw.) Lastschwankungen (Kraft, Moment) menschliche Fehler usw. entstanden und somit unkontrollierbar und unvorhersagbar bleiben. Sie verursachen eine unsichere Erfüllung aller erforderlichen Funktionen von technischen Systemen. Die Aufgabe des Ingenieurs ist es, die beschriebenen Funktionen eines technischen Produktes trotz dieser unvermeidbaren Streuungen und Unsicherheiten immer zu gewährleisten.

Um die Kunden zu gewinnen und den Ruf nicht zu schädigen, werden in der Industrie große Anstrengungen mit enormen Aufwand und Kosten betrieben. Statistischen Versuchsplanung mit vielen echten Prototypen wird durchgeführt. Kostenintensive Produktänderungen während der Vorserienfertigung und sogar in der Serienfertigung sind häufig der Fall. Der neue, innovative und kostengünstige Ansatz zur Lösung dieses Problems liegt aber in der Auslegung der Produktparameter in der frühen Entwurfsphase. Es geht um das Finden der Entwurfsparameter, damit das Systemverhalten trotz der unvermeidbaren Streuungen und Unsicherheiten von Eingangsgrößen robust ist. Das bedeutet, dass gleichbleibenden Streuungen der Produktparameter nur zu kleinsten Streuungen der Produkteigenschaften führen. Damit sollen die erforderlichen Funktionen des Produktes immer gut erfüllt werden. Diesen Prozess nennt man Robust-Design-Optimierung. Die Optimierungsziele sind unterschiedlich und gliedern sich in:

  • Zuverlässigkeitsbasierte Optimierung: Zielfunktion ist die Minimierung der Versagens-wahrscheinlichkeit (Ausschussquote) einer berechneten Verteilung von Produkteigenschaften.

  • Varianzbasierte Optimierung: Zielfunktion ist die Minimierung der Varianz einer Verteilung

  • Mittelwertbasierte Optimierung: Verschiebung der gesamten Streuung in eine gewünschte Richtung. Zielfunktion ist der Mittelwert einer Verteilung

Die große Herausforderung der Robust-Design-Optimierung war eine lange Berechnungszeit der großen, rechenintensiven deterministischen Produktmodelle, deren Optimierung an die Grenze der technischen Machbarkeit stoßen und somit nur mit kleinen Modelle durchführbar.  OptiY® verfügt über neuartige Optimierungsmethoden, die eine schnelle Optimierung mit wesentlich weniger Modellberechnungen erlauben. Damit ist die Robust-Design-Optimierung auch für große Produktmodelle in OptiY® durchführbar.

Robust-Design-Optimierung wird auch als Design For Six Sigma (DFSS) genannt. Es handelt sich um eine effektive Produktverbesserungsstrategie: Reduzierung der Streuungen und Steigerung der Qualität, um die Entwicklungskosten zu senken und den Markterfolg zu sichern.