Knowledge Based Cloud FE Simulatie van Sheet Metal Forming Processes
13 december 2016
Het volgende artikel presenteert een nieuwe FE-simulatietechniek (KBC-FE), die de computationele kosten verlaagt door simulaties uit te voeren in een cloud computing-omgeving, door middel van de toepassing van individuele modules. Bovendien vestigt het een naadloze samenwerkingsnetwerk tussen wereldwijd toonaangevende wetenschappers, waardoor de integratie van baanbrekende kennismodules in FE-simulaties mogelijk wordt.
Het algemene doel van de Knowledge Based Cloud FE Simulatie Methode is om specialismen uit verschillende velden te combineren in een enkele portal om de capaciteit en nauwkeurigheid van vormsimulaties te verbeteren zonder de moeilijkheid van het gebruik ervan aanzienlijk te verhogen. Deze methode kan helpen bij het beantwoorden van belangrijke vragen in het gebied van plaatmetaalvorming, zoals het instellen van de parameters voor het succesvol vormen van componenten en het voorspellen van de levensduur van vormgereedschappen. Een grote sterkte van deze methodologie is dat het mogelijk maakt om geavanceerde voorspellende modellen te gebruiken met elke FE simulatiesoftware zonder dat er wijzigingen in de modellen zelf nodig zijn.
Over het algemeen zullen personen die nieuw zijn met deze methode deze met zeer weinig moeite kunnen gebruiken vanwege de gebruiksvriendelijke interface. Visuele demonstratie zal laten zien hoe eenvoudig het eigenlijk is om geavanceerde voorspellende modellen in conventionele FE simulaties te implementeren. Deze sectie beschrijft hoe KBC-FE computing kan worden gebruikt om de vormbaarheid in een heet stempelproces te voorspellen.
Start een nieuw project in de FE simulatiesoftware. Selecteer het proces als heet stempelen en het oplossertype als PAM-AutoStamp bij het opslaan van het project. Importeer vervolgens de binnenste mal van de deur door eerst op de importeergereedschappen CAD te klikken, noem het geïmporteerde object mal, schakel de strategie voor heet stempelen om de gereedschappen te mazen, importeer en breng vervolgens de IGS geometriebestand van de binnenkant van de deur over naar de grafische interface.
Herhaal nu het proces om de stempel en de blankhouder te importeren. Klik vervolgens onder het opzettabblad op blank. Klik dan in de blankeditor op blank toevoegen.
Stel het nieuwe object in als blank en stel het type in als oppervlakteblank. Kies nu voor de definitietype outline en importeer de blankvorm door op importeren uit CAD-bestand te klikken. Onder rasteropties definieer de verfijning als opgelegd niveau en selecteer niveau één.
Schakel vervolgens automatisch mazen uit en stel de mazengrootte in op vier millimeter. Ga verder met het definiëren van de materiaaleigenschappen in de blankeditor. Klik onder het materiaaltab op een materiaal laden en selecteer het AA-zes-nul-twee materiaal.
Stel de rolrichting in op X gelijk aan één. Stel de blankdikte in op twee millimeter en de begintemperatuur van de blank op 490 graden Celsius. Ga vervolgens naar het opzettabblad, klik op proces en selecteer het pluspictogram om een nieuw macro te laden.
Blader vervolgens naar de map voor heet stempelen en selecteer het HF validatie dubbele actie GPA-bestand. Activeer in het aanpassen dialoogvenster de objecten blank, mal, stempel en blankhouder. Activeer onder de fasentab zwaartekracht, houden, stempelen en harden.
Stel nu alle parameters in de objectattributen onder het opzettabblad in om overeen te komen met de feitelijke experimentele set-up. Stel de warmteoverdrachtscoëfficiënten in als functie van de opening en contactdruk. Klik vervolgens op het controlepictogram om de set-up op fouten te controleren en als er geen fouten zijn, klik op het berekeningpictogram om de simulatie op de hostcomputer te starten.
Na het observeren van de resultaten, voer een script uit om de belangrijkste spanning, kleinere spanning en temperatuurcontourwaarden voor alle elementen uit alle simulatietoestanden als ascii-bestanden te exporteren en sla de bestanden vervolgens op. Door de gegevens op deze manier te gebruiken, wordt geen informatie over de geometrie van het onderdeel overgebracht naar de online portal, waardoor eventuele vertrouwelijke informatie wordt beschermd. Open nu Smart Forming, de nieuw gecreëerde portal voor KBC-FE simulaties, en log in op je eigen gebruikersprofiel.
Selecteer de module voor vormbeperkingsvoorspelling en exporteer de simulatieresultaatbestanden naar de cloudcomputer. Voer vervolgens het aantal toestanden in de simulatie in, voer handmatig de simulatiedetails en parameters in en start de berekening. Nadat de berekening is voltooid, download de resultaten van de cloudcomputer voor visualisatie in je FE simulatie.
Laad vervolgens de laatste toestand van de FE simulatieresultaten en klik onder de contourentab op geïmporteerd en vervolgens op scalaire waarden. Selecteer ascii om de vormbeperkingsvoorspellingsresultaten weer te geven. Deze sectie beschrijft hoe KBC-FE computing kan worden gebruikt om de gereedschapslevensduur te voorspellen met behulp van een alternatief vormproces.
Maak en noem een nieuw simulatieproject in de FE simulatiesoftware. Selecteer het proces als standaard stempelen en het oplossertype als PAM AutoStamp bij het opslaan van het project. Importeer vervolgens de malgeometrie door op de importeergereedschappen CAD te klikken.
Importeer en breng vervolgens het U-vormige die IGS-geometriebestand over naar de grafische interface. Selecteer de validatiestrategie voor het mazen van gereedschappen en stel de mazengrootte in op twee millimeter, met een maximale hoek van vijf. Noem het geïmporteerde object mal.
Importeer op dezelfde manier de stempel en de blankhouder. Klik nu onder het opzet op blank en voeg een blank toe in de blankeditor. Stel het nieuwe object in als blank en selecteer vervolgens het type als oppervlakteblank.
Kies vervolgens vier punten voor het definitietype en stel de blankgrootte in op 120 bij 80 vierkante millimeter. Zorg ervoor dat automatisch mazen is uitgeschakeld en stel de mazengrootte in op één en een halve millimeter. Definieer nu de materiaaleigenschappen in de blankeditor.
Klik onder het materiaaltab op een materiaal laden en selecteer het AA vijf-zeven-vijf-vier H een-een-een materiaal als de materiaaleigenschappen. Stel vervolgens de blankdikte in op één en een halve millimeter met een begintemperatuur van 20 graden Celsius. Klik vervolgens onder het opzettabblad op proces en selecteer het pluspictogram om een nieuw macro te laden.
Blader naar de map voor stempelhaalbaarheid en selecteer het alleen stempelen dubbele actie dot GPA-bestand. Activeer in het aanpassen dialoogvenster de objecten blank, mal, stempel en blankhouder. Activeer onder fasen stempelen.
Stel nu alle parameters in de simulatie in om overeen te komen met de feitelijke experimentele set-up. Klik vervolgens op controle in de set-up om ervoor te zorgen dat er geen fouten zijn gemaakt. Klik nu op het berekeningpictogram en start de berekening voor een 11-toestand U-vormige buigsimulatie op de
Overzicht
Dit document introduceert de Knowledge Based Cloud FE Simulatie Methode (KBC-FE), die verschillende specialiteiten integreert in een enkel platform om de nauwkeurigheid van vormgevingsprocessimulaties te verbeteren. Het stelt gebruikers in staat om geavanceerde voorspellende modellen te gebruiken zonder de bestaande FE simulatiesoftware te wijzigen.
Belangrijkste studieonderdelen
Wetenschapsgebied
- Eindige Element Simulatie
- Cloud Computing
- Bladmetaal Vorming
Achtergrond
- De KBC-FE methode beoogt het gebruik van geavanceerde simulaties te vereenvoudigen.
- Het gaat in op belangrijke uitdagingen in de bladmetaal vormingsindustrie.
- De methode ondersteunt samenwerking tussen wetenschappers wereldwijd.
- Het beschermt vertrouwelijke informatie tijdens simulaties.
Doel van Studie
- Om de capaciteit van vormgevingsprocessimulaties te verbeteren.
- Om gereedschapslevensduur en vormbaarheid in verschillende processen te voorspellen.
- Om de integratie van voorspellende modellen in FE simulaties te vergemakkelijken.
Gebruikte Methoden
- Gebruik van een gebruiksvriendelijke interface voor simulatie-instellingen.
- Stap-voor-stap begeleiding voor het importeren van geometrieën en het definiëren van parameters.
- Cloud-gebaseerde berekening voor simulatieresultaten.
- Resultaten exporteren voor visualisatie en analyse.
Belangrijkste Resultaten
- Succesvolle integratie van geavanceerde voorspellende modellen in simulaties.
- Accurate voorspellingen van vormbaarheid en gereedschapslevensduur.
- Stromlijnd proces voor het opzetten en uitvoeren van simulaties.
- Bescherming van vertrouwelijke geometrie-informatie tijdens cloudverwerking.
Conclusies
- KBC-FE vermindert aanzienlijk de complexiteit van het gebruik van geavanceerde simulaties.
- De methode verbetert samenwerking en kennisdeling tussen onderzoekers.
- Het biedt een robuust kader voor toekomstige ontwikkelingen in FE simulaties.
Veelgestelde Vragen
Executive Industry Relevance
Advanced FE simulation methods, such as Knowledge Based Cloud FE (KBC-FE), address the increasing complexity and predictive demands of material forming in automotive and aerospace R&D. By integrating advanced material and friction models with cloud-based computation, KBC-FE enhances simulation accuracy and operational efficiency at critical design and manufacturing inflection points. This capability supports rapid iteration, risk reduction, and data-driven decision-making across the product development pipeline.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables robust hypothesis testing for material behavior under diverse forming conditions.
- Supports mechanistic de-risking by integrating temperature and strain rate effects into predictive models.
- Facilitates rapid evaluation of new alloy candidates for process feasibility and manufacturability.
Screening & Assay Development
- Prepares validated digital models for downstream process optimization and tool design workflows.
- Standardizes simulation outputs, supporting reproducibility and quantitative comparison across conditions.
- Accelerates screening of process parameters, reducing reliance on physical prototyping.
Translational & Preclinical Research
- Aligns simulation outputs with experimental validation, supporting translational continuity from digital to physical trials.
- Enables risk-adjusted advancement of process designs based on predictive tool life and formability metrics.
- Supports iterative optimization, reducing late-stage failure risk in manufacturing scale-up.
Pipeline & Workflow Integration
KBC-FE simulation integrates seamlessly from early process design through to preclinical manufacturing validation, enabling iterative optimization and data-driven decision support.
- Discovery Biology: Provides a platform for hypothesis-driven interrogation of material and process variables.
- Screening: Delivers reproducible, quantitative outputs for parameter optimization and tool design.
- Analytics: Generates detailed strain, temperature, and pressure readouts for comparative analysis.
- Translational Research: Bridges digital simulation with experimental validation, supporting robust process transfer.
- Enterprise Reuse: Modular cloud-based architecture enables scalable deployment and cross-project knowledge sharing.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in process development.
- Operational Value: Streamlines simulation workflows, enhances reproducibility, and supports scalability.
- Strategic Value: Improves go/no-go decision quality and capital efficiency by reducing trial-and-error cycles.
- Portfolio Impact: Enables risk-adjusted prioritization and advancement of manufacturing innovations.
Implementation Considerations
- Requires expertise in FE simulation setup and interpretation of advanced material models.
- Demands access to cloud computing infrastructure and secure data handling protocols.
- Benefits from standardized simulation procedures across teams for reproducibility.
- Adaptation of modules may be necessary for different alloys or forming processes.
- Practical limitations include the need for calibration and validation against experimental data.
Biopharma FAQs
Chapters in this video
0:05
Title
1:05
Knowledge-based Cloud Finite Element (KBC-FE) Simulation Case Study 1: Predicting the Forming Limit under Hot Stamping Conditions
5:10
KBC-FE Simulation Case Study 2: Tool Life Prediction under Multi-cycle Loading Conditions
8:26
Results: KBC-FE Simulation for Necking Prediction and for Tool Life Prediction
9:48
Conclusion
