EUREKA ITEA3 19009 DEFAINE

Viktiga resultat som projektet gav

Projektet har med hjälp av AI teknologi som t.ex. maskininlärning utvecklat metoder och verktyg inom flera discipliner för att effektivt kunna utforska och optimera ett större antal konstruktionsalternativ, en design rymd. Möjligheten att förbereda (Front-loading) dessa aktiviteter syftar till att: · Minska återkommande kostnader vid design av flygplan med 10 % och · Minska ledtiden för designuppdateringar med 50 %. Metoder och verktyg har demonstrerats i olika användningsfall. Projektet har presenterats i olika evenemang och publikationer.

Långsiktiga effekter som förväntas

KPI:erna uppfylldes, vilket visades i projektets användningsfall: - Antal designmål som handlats (mål:20 uppnådda:24) - Designrumsdimensionalitet (mål 50 % ökning, uppnådd = 400 %) - Ledtid för designuppdatering (mål 50 % minskning, uppnådd: 91 %) - Antal designvarianter utvärderade (mål: 10x, uppnått: 40x-steady state, 15x -transient modell) - Ledtid för designuppdatering (mål: 8-40 timmar, uppnådd: 0,5-1 timmar) - Inställning av simuleringsarbetsflöde (mål: 1 vecka, uppnått: 5 timmar) - Konferenspublikationer (mål: 8, uppnått: 12) - Evenemang (uppnått: 7)

Upplägg och genomförande

Arbetet har genomförts med svenska partners och partners från Nederländerna genom workshops (fysiska och virtuella). Projektet började med en långsam start på grund av covid och oförmågan att ha en ordentlig fysisk kick-off av projektet. Efter den första riktiga fysiska verkstaden kunde arbetet verkligen börja och virtuell workshop var effektiva. En annan händelse berodde på faktum att nyckel partnerna från två länder (Tyskland och Belgien) inte finansierades inom sina egna nationella finansieringsansökningar, vilket ledde till en betydande och tidskrävande omfattning.

Externa länkar

DEFAINE has demonstrated a Design Exploration Framework supported by AI.