Team des Lehrstuhls
Frau Dr.- Ing. Anahita Pakiman
Kontakt
Biografie
Knowledge Graph for CAE-based Development in Vehicle Safety
Diese Dissertation stellt eine umfassende Untersuchung von Wissensgraphen
(Knowledge Graphs, KGs) vor, um den Bereich der
Fahrzeugentwicklung zu verändern, wobei der Schwerpunkt auf der
Verbesserung der Crashsicherheit liegt. Der vorgeschlagene KG nutzt
Wissen aus verschiedenen strukturierten und unstrukturierten Datenquellen
und beinhaltet kritische Konzepte in der Automobilindustrie.
Diese Forschung dient dem industriellen Ziel, Wissen aus Computer-
Aided Engineering (CAE)Workflows zu erfassen und zu bewahren, um
Daten wiederzuverwenden, Richtlinien zu verbessern und die Anwendung
von maschinellem Lernen (ML) zu unterstützen.
Die Erstellung eines domänenspezifischen KG ist eine anspruchsvolle
Aufgabe, insbesondere wenn komplexe CAE-Daten mit komplizierten
3D-Verformungen verarbeitet werden müssen. Diese Komplexität ist
in den meisten existierenden textbasierten KGs selten anzutreffen. Um
dieser Herausforderung zu begegnen, beschreibt diese Dissertation
einen umfassenden Weg von der Datenmodellierung bis hin zu praktischen
ML-Anwendungen, die auf einem konkreten Anwendungsfall
basieren. Dieser Ansatz ermoeglicht eine zyklische Rückkopplung zwischen
Datenmodellierung und Merkmalsextraktion und verbessert den
Nutzen beider Prozesse.
Die Forschung umfasst mehrere Schwerpunkte, darunter Datenmodellierung
und Ontologieentwicklung, Merkmalsextraktion, Datenvisualisierung
zur Wissensentdeckung und die Implementierung von ML
zur Vorhersage von Beziehungen zwischen Simulationen. Das Projekt
setzt Crash-Sicherheitsanalysen innovativ in graphische Darstellungen um, nutzt SimRank zur Analyse gewichteter bipartiter Graphen und
abstrahiert Fahrzeugstrukturen, um Simulationen nach Ähnlichkeit der
Lastpfade zu ordnen.
Darüber hinaus wurde eine benutzerfreundliche Webanwendung für
dieses Projekt entwickelt, die mit Django erstellt und auf GitHub2
gehostet wurde, um die Zugänglichkeit und Benutzerfreundlichkeit
für Industrieexperten und Forscher zu gewährleisten. Diese Arbeit
unterstreicht das enorme Potenzial von KGs in der Automobilindustrie,
die einen datengetriebenen Ansatz in der Fahrzeugentwicklung ermöglichen
und die Crash-Sicherheitsanalyse durch die Integration von
CAE-Daten erheblich verbessern.
