E-PreMa | 通过机器学习在早期设计阶段改进钣金件的可制造性评估

随着成本压力上升和汽车行业开发周期缩短，流程效率的提高成为必要。这也影响到钣金件的开发。在新钣金件的构想阶段，会采用多种设计方案，但其后期的可制造性几乎无法客观评估。这导致由于继续开发后来无法制造的零件而产生高额附加成本和时间延误。因此，在E-PreMa项目中将开发一个软件原型，该原型能够在早期开发阶段预测可制造性并指出合适的开发方案。其基础方法是将有限元模拟、机器学习、形状优化及其他数据工程方法相结合。

最终的软件应为设计工程师提供可重复的辅助，以在零件设计中同时考虑经济和技术要求。由此应当减少昂贵且耗时的不当开发。

该项目由联邦经济与能源部（BMWi）通过中小企业中央创新计划（ZIM）资助。