Aeronautical industry faces the increase of system complexity and reliability-based constraints, and in the meantime tries to reduce costs, to maximize the system performance and to improve the safety. The recent development of MBSE facilitates the transfer of models and enables to simulate the system behavior early in the development phase. In this context, the thesis aims to shape a collaborative and adaptive software environment to carry out uncertainty management on multidisciplinary aeronautical systems. Case Studies examine the implementation of a systematic CPM throughout the design process of a new commercial aircraft. This work raises the point of uncertainty-based optimization complexity and investigates different solutions to face this issue. Most of the analytical models tackled in the thesis derive from a set of regressions suited to an Airbus commercial aircraft. While Cameo Systems Modeler supports a modular modeling, ModelCenter bridges the gap between descriptive and analytical models while ensuring a great traceability. The multi-levels simulation enabled by ModelCenter helps identifying the critical parameters from the early steps of the design process. This holistic and data-driven approach drives the product development process by eliminating non-value-added activities. The variety of sensitivity analysis tools suits any type of system complexity. The software environment supports the implementation of an uncertainty-based multidisciplinary optimization. Non-dominated Sorting Genetic Algorithm NSGA-II highlights the tradeoff between performance optimization and cost reduction and its influence on the optimal design. Reliability-based constraints reduce the solution space and affects the final design of the aircraft by shifting the Pareto-front away from the best objective values. ModelCenter provides effective tools to face the high level of complexity of optimization under uncertainty. While the parallelization of simulations on virtual machines enhances the computational performance, DOE screening enables reducing the design space by eliminating irrelevant inputs. The conversion of multi-objective into single objective function focuses the search for optimal on a part of the global Pareto-front and significantly shortens the computing time. However, this solution requires setting up a hierarchy between the objectives and thus leaves behind non-dominated design solutions. Although the results show the ability of this software environment to design complex systems under uncertainty, it is difficult to extrapolate a general uncertainty-based multidisciplinary design optimization workflow for various aeronautical systems at Airbus. Each design under uncertainty depends on the model complexity, the size of the design space as well as the available computational resources. Improvements of the Case Studies models are possible by refining both performance and cost functions. While models linking them to the design parameters are difficult to set up, a precise definition may capture the complete product life cycle in the design process under uncertainty.     «

Aeronautical industry faces the increase of system complexity and reliability-based constraints, and in the meantime tries to reduce costs, to maximize the system performance and to improve the safety. The recent development of MBSE facilitates the transfer of models and enables to simulate the system behavior early in the development phase. In this context, the thesis aims to shape a collaborative and adaptive software environment to carry out uncertainty management on multidisciplinary aeronau...     »

In der Luft- und Raumfahrtbranche steigen die Ansprüche in Bezug auf die Komplexität, die Verfügbarkeit und die Sicherheit der Systeme enorm, einhergehend mit großem Kostendruck. Jüngste Entwicklungen von MBSE-Methoden erleichtern die Kommunikation durch Modelle und simulieren das Systemverhalten bereits in frühen Entwicklungsphasen. Diese Arbeit führt ein Unsicherheitsmanagement mit der Konzeption einer kollaborativen und adaptiven Softwareumgebung an einem multidisziplinären Luftfahrtsystem durch. Anhand von Fallstudien wird die Implementierung eines systematischen CPM während des gesamten Entwicklungsprozesses eines Verkehrsflugzeuges untersucht. Dazu wurde die Komplexität unsicherheits-basierter Optimierung mit verschiedenen Lösungsansätzen untersucht und gelöst. Die Mehrheit, der auf Verkehrsflugzeuge von Airbus bezogenen Modelle, leiten sich aus einer Reihe mathematischer Regressionen ab. Cameo Systems Modeler unterstützt eine modulare Systemmodellierung, ModelCenter überbrückt die Lücke zwischen deskriptiven und analytischen Modellen mit hoher Nachweisbarkeit. Die Multiebenensimulation von ModelCenter ermöglicht die Identifizierung der kritischen Parameter in frühen Entwicklungsphasen. Dieser datengetriebene und integrative Ansatz eliminiert im Produktentwicklungsprozess nicht wertschöpfende Aktivitäten. Vielfältige Sensitivitätsanalysewerkzeuge eignen sich für jede Art der Komplexität. Die Softwareumgebung unterstützt die Implementierung einer unsicherheitsbasierten Optimierung. Der NGSA-II Algorithmus zeigt ein Trade-Off-Verhältnis zwischen Leistungsoptimierung und Kostenreduzierung auf, was zu einen optimalem Produktdesign führt. Zuverlässigkeitsbasierte Randbedingungen schränken den Lösungsraum ein und wirken sich auf den Flugzeugentwurf aus, indem die Pareto-front von der objektiv besten Lösung weg verschoben wird. Während die Parallelisierung von Simulationen auf virtuellen Maschinen die Rechenleistung verbessert, ermöglicht das DOE-Screening eine Reduzierung des Entwurfsraumes durch Eliminierung irrelevanter Eingangsdaten. Die Konvertierung von Multi-Objekt-Funktionen in Einzelzielfunktionen schränkt die Suche nach dem Optimum auf einen Teil des Entwurfsraums ein und verkürzt somit erheblich die Rechenzeit. Allerdings erfordert diese Lösung die Festlegung einer Hierarchie zwischen Optimierungszielen und hinterlässt somit nicht-dominierte Lösungsansätze zur Flugzeugauslegung. Obwohl die Softwareumgebung die Fähigkeit hat, komplexe Systeme mit Unsicher-heit zu designen, bleibt es schwierig generell einen optimierten, auf Unsicherheit basierenden Arbeitsablauf für verschiedene multidisziplinäre fliegende Systeme bei Airbus zu extrapolieren. Jedes Design mit Unsicherheit hängt von der Komplexität und Größe des Modells, sowie von der verfügbaren Rechnerleistung ab. Verbesserungen des Fallstudienmodells können durch Verfeinerung der Leistungs- und Kostenfunktion erreicht werden. Während das Anbinden von Designparametern an Leistungs- und Kostenfunktion komplex ist, könnte eine präzise Definition dieser Funktionen den unsicherheitsbasierten Designprozess verbessern.     «

In der Luft- und Raumfahrtbranche steigen die Ansprüche in Bezug auf die Komplexität, die Verfügbarkeit und die Sicherheit der Systeme enorm, einhergehend mit großem Kostendruck. Jüngste Entwicklungen von MBSE-Methoden erleichtern die Kommunikation durch Modelle und simulieren das Systemverhalten bereits in frühen Entwicklungsphasen. Diese Arbeit führt ein Unsicherheitsmanagement mit der Konzeption einer kollaborativen und adaptiven Softwareumgebung an einem multidisziplinären Luftfahrtsystem du...     »