Hendrik Geisler, M. Sc.

Hendrik Geisler, M. Sc.
Adresse
An der Universität 1
30823 Garbsen
Gebäude
Raum
306
Hendrik Geisler, M. Sc.
Adresse
An der Universität 1
30823 Garbsen
Gebäude
Raum
306

Unsicherheiten in Simulationen effizient berücksichtigen: Time-separated Stochastic Mechanics

In allen physikalischen Messungen und Produktionsprozessen spielen zufällige Schwankungen eine unvermeidbare Rolle. Beispielsweise lässt sich nicht exakt vorhersagen, bei welcher mechanischen Spannung ein Material versagt oder an welcher Stelle eine Kraft auf ein Bauteil einwirkt. Um diese Ungewissheiten auszugleichen, verwenden Ingenieure Sicherheitsfaktoren in ihren Berechnungen. Dadurch wird die Sicherheit von Bauteilen und Produktionsprozessen erhöht, allerdings auf Kosten einer geringeren Ressourceneffizienz.

Um dieses Vorgehen zukünftig zu optimieren, entwickeln wir am IKM die Time-separated Stochastic Mechanics, die einen neuen Ansatz zu effizienten Berücksichtigung von Schwankungen von Materialparametern und Lasten in numerischen Simulationen eröffnet. Der äußerst geringe numerische Mehraufwand ermöglicht die direkte Anwendung auf komplexe Produktionsprozesse in der Industrie. Durch die Vorhersage des stochastischen Verhaltens von Bauteilen und Prozessen wird eine noch größere Nachhaltigkeit im Maschinenbau bei reduzierten Kosten und erhöhter Zuverlässigkeit erreicht.

seit 2021 Wissenschaftlicher Mitarbeiter am IKM
2021 Master of Science "mit Auszeichnung"
2019 - 2020 Studium an der UC Berkeley, USA
2015 - 2021 Studium Maschinenbau an der TU Hamburg
  • Publikationen

    Zeige Ergebnisse 1 - 4 von 4

    A new paradigm for the efficient inclusion of stochasticity in engineering simulations. / Geisler, Hendrik; Erdogan, Cem; Nagel, Jan et al.
    2023.

    Publikation: Arbeitspapier/PreprintPreprint

    Mehr...
    Time-separated stochastic mechanics for the simulation of viscoelastic structures with local random material fluctuations. / Geisler, Hendrik; Junker, Philipp.
    in: Computer Methods in Applied Mechanics and Engineering, Jahrgang 407, 115916, 15.03.2023.

    Publikation: Beitrag in FachzeitschriftArtikelForschungPeer-Review

    Mehr...
    U p -Net: a generic deep learning-based time stepper for parameterized spatio-temporal dynamics. / Stender, Merten; Ohlsen, Jakob; Geisler, Hendrik et al.
    in: Computational mechanics, Jahrgang 71, Nr. 6, 06.2023, S. 1227–1249.

    Publikation: Beitrag in FachzeitschriftArtikelForschungPeer-Review

    Mehr...
    Simulation of the dynamic behavior of viscoelastic structures with random material parameters using time-separated stochastic mechanics. / Geisler, Hendrik; Nagel, Jan; Junker, Philipp.
    in: International Journal of Solids and Structures, Jahrgang 259, 112012, 25.12.2022.

    Publikation: Beitrag in FachzeitschriftArtikelForschungPeer-Review

    Mehr...