Rahmen für ein Digital Twin-System zur Korrosionsvorhersage

ZUSAMMENFASSUNG Die genaue Vorhersage von Korrosion in komplexen Fahrzeugbaugruppen bleibt aufgrund fragmentierter Datenquellen, vereinfachter Geometrierepräsentationen und begrenzter Integration zwischen Simulation, physikalischen Tests und KI-basierter Analyse herausfordernd. Bestehende Ansätze befassen sich typischerweise mit isolierten Aspekten des Korrosionsverhaltens, ohne eine einheitliche Systemarchitektur. Dieses Papier präsentiert einen flächenzentrierten Digital Twin-Rahmen für die Korrosionsvorhersage, der digitale Produktdaten, Multiphysik-Simulationsergebnisse (CFD/FEM), algorithmische Oberflächenklassifizierung und physikalische Validierungsdaten in eine einzige Wahrheitsquelle integriert. Alle korrosionsrelevanten Informationen werden konsistent auf einer hochauflösenden triangulierten Produktoberfläche abgebildet, sodass nachvollziehbare Datenflüsse und modulare Interaktionen zwischen Systemkomponenten ermöglicht werden. Die Anwendbarkeit des Rahmens wird in zwei automobilen Fallstudien demonstriert, bei denen die KI-basierte Oberflächenklassifizierung in geometrische Entitäten umgewandelt und in Elektrolytsimulationen eingebettet wird, was die Simulationsgenauigkeit für klebeverschlossene Spalten erheblich verbessert. Darüber hinaus zeigt die Möglichkeit des Modells, Korrosion auf Geometrien basierend auf den verfügbaren Daten vorherzusagen, die Funktionalität des digitalen Zwillings. Die vorgeschlagene modulare Architektur unterstützt daher Transparenz, Reproduzierbarkeit und iterative Designentscheidungen, was frühzeitige Korrosionsbewertung und eine effizientere Entwicklung des Korrosionsschutzes ermöglicht. Dieser Ansatz der modularen Architektur sowie der flächenzentrierte Digital Twin zur Korrosionsvorhersage bieten beide einen neuartigen Ansatz, der die Vorhersagefähigkeiten von Korrosion verbessert.