Overordnede kursusmål
Hovedformålet med kurset er at give de studerende en forståelse for
og en portefølje af værktøjer (teknikker) til optimering af
fremstillingsprocesser.
Opfyldelsen af målet er baseret på indhentning af data (både
eksperimentelle og simulerede) og de tilsvarende analysemetoder til
ekstrahering af nyttig information og viden fra disse data.
Rent konkret vil kurset integrere følgende tre hovedområder inden
for data, analyse og digital fremstilling:
(1) Multi-fysisk processimulering (modeldrevet simulering, f.eks.
finite element-metoder og computational fluid dynamics samt
analytiske løsninger for simple systemer).
(2) Statistisk modellering (datadrevet simulering, f.eks. design af
eksperimenter, multivariat analyse, maskinlæring).
(3) Digital tvillingteknologi (integration af fysiske data og
simulerede data).
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Beskrive de vigtigste tilgange og metoder anvendt indenfor
digitalisering af fremstillingsprocesser og produktion.
- Behandle og analysere data (både off-line og in-line) genereret
under fremstilling og identificere sammenhænge til effektiv
beslutningstagning på tværs af hele dataværdikæden, herunder: (i)
Predefinering af data; (ii) Databehandling; (iii) Data
efterbehandling; (iv) Datakvalitet.
- Identificere og anvende de mest relevante ”1.
principle”-baserede modelleringsteknikker til simulering og
optimering af en given fremstillingsproces.
- Identificere og anvende de mest relevante datadrevne
modelleringsteknikker til simulering og optimering af en given
fremstillingsproces.
- Forklare produkt/proces kausaliteter og sammenhænge baseret på
(a) viden om materialevidenskab og materialeopførsel; b) viden om
fremstilling; (c) dataanalyse.
- Skelne og diskutere forskelle mellem 'korrelation'
(sammenhæng) og 'kausalitet' (årsagssammenhæng).
- Anbefale optimeringsstrategier for at forbedre
fremstillingsprocesser og proceskæder baseret på eksperimentelle og
simulative data.
- Bruge Reduced Order Models (ROMs).
Kursusindhold
Generelle digitale værktøjer til analyse af fremstillingsprocesser,
herunder specielt additiv fremstilling og sprøjtestøbning.
Klassificering af datatyper, herunder off-line data, in-line data,
eksperimentelle data og observationsdata. Data processering og
datakvalitet. Data-drevne modeller. Korrelation (sammenhæng) og
kausalitet (årsagssammenhæng). Fysikbaserede modeller for
sprøjtestøbning og additiv fremstilling til beskrivelse af
temperaturer, flow og spændinger/deformationer. Simple analytiske
løsninger og numeriske løsninger. Reduced Order Models (ROMs)
baseret på både eksperimentelle data, observationsdata og
simulerede data. Optimering af processer baseret på ROMs.
Sidst opdateret
04. maj, 2023
