The James Webb Space Telescope (JWST), launched on December 25, 2021, is NASA’s successor mission to the Hubble Space Telescope.JWST has been designed and developed to observe “first light” objects in the nascent universe, the evolution of galaxies over cosmic history, star birth within our own galaxy, planet formation and evolution both in our solar system and in solar systems around other stars and to make detailed observations of some of the recently discovered exoplanets.The JWST telescope has an aperture greater than 6 meters in diameter, and along with its compliment of science instruments must be cooled to cryogenic temperatures below 50K.It is operated at the Sun-Earth L2 point to keep thermal sources such as the Sun and Earth in the same general direction so that their radiation can be shielded by a “tennis court sized” sunshield, allowing the payload to attain these temperatures passively. The observatory is now well into its first year of science operations, producing magnificent images and science data that is already reshaping our understanding of the early universe.This presentation will give an overview ofJWST science, its system design and challenges and the way integrated systems analysis was performed to address them.The presentation will then discuss the science observations and data collected to date.
Mr. Menzel has 42 years of experience in the aerospace, working 23 years in industry for commercial and defense missions and for NASA for the past 19 years.He is currently the NASA Mission Systems Engineer for the James Webb Space Telescope.
Mr. Menzel received a B.S. in Physics from the Massachusetts Institute of Technology in 1981 and an M.S. in Physics from Columbia University in 1986. He began his career in 1981 with the RCA Astro Space Division in East Windsor, N.J. as an antenna engineer, designing flight antennas for commercial and defense communications and remote sensing satellites.In 1990 he took a position in the Systems Engineering Group of the General Electric Astro Space Division designing commercial, DOD and civil space systems.In 1995 he took a position as Director of Systems Engineering in the Orbital Sciences Corporation, and in 1997 he took a position as the Deputy Program Manager for the Hubble Space Telescope Servicing Group at Lockheed Martin.
Mr. Menzel began working on the Pre-Phase studies for the Next Generation Space Telescope in 1998, and in June of 2004 he took his current position as the NASA Mission Systems Engineer for the James Webb Space Telescope.
In addition to his various engineering positions, Mr. Menzel has also served as an adjunct lecturer in Physics and Astronomy at various colleges. His hobbies include weightlifting, bicycling and amateur astronomy.
Mr. Menzel has been the recipient of the Robert H. Goddard Exceptional Achievement Award for Engineering in 2009, the NASA Systems Engineering Excellence Award in 2010, the Mission Engineering and Systems Analysis Division Engineering Excellence Award in 2013, the NASA Outstanding Leadership Medal in 2013, the 2020 Robert H. Goddard Merit Award in 2020, the NASA Distinguished Service Medal in 2022, the NASA Systems Engineering Excellence Award in 2022, the Norman L. Baker Astronautics Engineer Award in 2023 and AIAA Goddard Astronautics Award in 2023.
The integration of Machine Learning (ML) and Artificial Intelligence (AI) is significantly impacting various domains within Computer-Aided Engineering (CAE), catalyzing advancements across simulation, optimization, and design methodologies. Enhanced turbulence models, powered by AI, offer improved simulation accuracy for complex fluid dynamics. The development of surrogate models for scalars and fields from simulation data is streamlining design cycles, enabling rapid prototyping, optimization and the evaluation of manufacturing deviations. Real-time digital twins, supported by these models, are becoming feasible, providing live operational insights and predictive analytics for systems across diverse industries. Generative design is revolutionizing geometry creation by automatically generating structures based on performance criteria, surpassing traditional parameter-based methods. Collectively, these innovations in ML and AI are not only refining existing CAE techniques but are also unlocking new capabilities, leading to more efficient, sustainable, and creative engineering solutions.
Dr.-Ing. Astrid Walle is a mechanical engineer with a PhD in CFD and has over a decade of experience in applied fluid mechanics. She has held several positions in gas turbine R&D and AI development at Siemens Energy, Vattenfall, and Rolls Royce. Driven by her professional determination to incorporate AI and Data Science into engineering, Astrid ran her own business and worked as a Product Manager in a software startup before she returned to Siemens Energy to establish the use of data from the initial stages of product development.
Virtual product development is an increasingly important aspect in vehicle development projects, in order to keep costs down and master the complexity of multi derivate platform projects. However, managing CAE-related work across a large automotive group with several brands becomes a challenge. It is therefore important to establish means for effective collaboration on CAE-data, CAE-methods and CAE-processes, and it makes sense to organize simulation data in such a way that common components such as materials, impactors, barriers or dummies, as well as certain process-scripts or simulation-methods in general, can be shared across the group's various brands. To this end, libraries of common CAE-models and all types of process-scripts are created and maintained by a small number of experts and can then be used by all CAE users across the different Group brands. To ensure that this also works regardless of the location of the CAE engineers, and to enable effective collaboration, special tools are required to exchange data between locations within the Group and with its various partners. Within the VW-Group, simulation data management has already been used for many years to control CAE-processes and data management. In the past, however, the CAE-methods and processes have been different for each of the Group's brands, and the sharing of common CAE-models has been limited. Overcoming these limitations to the benefits of collaborative CAE-model development has been a challenge in recent years. In this presentation, we want to address how to organize the collaboration between many CAE-engineers across different locations. The focus will be on how data can be structured and exchanged, how CAE-processes can be standardized such that they are applicable for everyone and ultimately how all the data and results can be prepared for storage in the different data management systems of the respective brands. In addition to collaboration between the engineers of the different group brands, we’ll also focus on how OEMs and their external partners and suppliers can work together effectively and how larger external partners (e.g. joint ventures) can be integrated into such collaboration.
Abstract will follow ....
Dr. Rapin hat Mathematik, Wirtschaft und Informatik an der Universität Göttingen studiert. Danach war er dort für 8 Jahre als wissenschaftlicher Mitarbeiter in der angewandten Mathematik tätig und hat im Bereich der Numerischen Lösung von Strömungsproblemen geforscht und gelehrt. In diese Zeit fallen auch längere Auslandsaufenthalte in Turin und Paris. Seit 2008 hat er verschiedene Positionen bei der Volkswagen AG durchlaufen und ist aktuell Leiter der Methodenentwicklung für Mehrkörpersimulation und Mechatronik.
Die Leistungsprofile neu zu entwickelnder Produkte sind sehr anspruchsvoll und werden ständig erweitert: sie sollen (multi-) funktional, ressourceneffizient produziert, klima- und umweltfreundlich sowie wirtschaftlich herstellbar sein. Weitere Aspekte sind zuverlässige Lieferketten und ein ansprechendes Design.
Biologische Strukturen besitzen solche Eigenschaften in hohem Maße, da sie über Jahrmillionen durch die Evolution an vielfältige Umweltfaktoren angepasst sind. So sind z.B. die Silikatschalen der Kieselalgen sehr leicht, permeabel und mechanisch widerstandsfähig, aufgrund der genutzten Materialien mit wenig Energieaufwand herstellbar sowie umweltfreundlich. Die Strukturen der Kieselalgen sind außerdem als ausgesprochen ästhetisch bekannt.
Entscheidend für die effektive Entwicklung anspruchsvoller Produkte, die all diese Aspekte optimal kombinieren, ist die Möglichkeit, den Entwicklungsprozess mit Lastenheften, Designkonzepten, Varianten und Optimierungsprozessen sowie Bewertungen wie Belastbarkeit, Preis und CO2-Footprint schnell und zuverlässig zu gestalten. In unseren Projekten setzen wir dafür „Connected Engineering“ ein. In dieser Präsentation wird diese Prozessautomatisierung anhand von Fallbeispielen für bio-inspirierte Produktentwicklung vorgestellt.
Christian Hamm wurde in Bergen op Zoom/NL geboren, studierte Biologie in Tübingen, Miami, Tromsø und Bremen mit dem Schwerpunkt Meeresforschung und promovierte 1999 mit einer Arbeit über die Konstruktion, Biomechanik und Biogeochemie von Mikroalgen. Anschließend baute er eine Forschungsgruppe auf dem Gebiet des bionischen Leichtbaus auf und leitete u.a. das virtuelle Helmholtz-Institut "PlanktonTech". Von 2008-2014 war er Leiter der Abteilung "Marine Strukturen und Nanomaterialien" am Institut für Marine Ressourcen (Imare GmbH), die seit 2015 in sein Team am AWI integriert ist.
Dr. Hamm leitet am AWI den Bereich Bionischer Leichtbau und Funktionelle Morphologie. Im Fokus seiner Arbeit steht ein effektiver Technologie- und Wissenstransfer von Ergebnissen aus der Grundlagenforschung (Biophysik, Planktonforschung) in Wirtschaft und Gesellschaft. Er untersucht mit einem interdisziplinär aufgestellten, diversen Team komplexe 3D-Strukturen mariner Organismen mit innovativer Mikroskopie und setzt dabei digitale Tools ein (CAD, FEA, KI, Softwareentwicklung, Connected Engineering), um Erkenntnisse zu deren Leistungsprofil gewinnen und diese in technische Produktentwicklungsprozesse zu integrieren. Er beteiligt sich an Produktentwicklung u.a. für Luft- und Raumfahrt, Schiffbau, Maschinenbau, Architektur und Medizintechnik und ist Mitgründer der Synera GmbH. Die Ergebnisse der F&E-Aktivitätenwerden u.a. auf Ausstellungen wie Hannover Messe und Berlin Science Week, im Rahmen von Stadtentwicklungsprojekten sowie durch Unterricht für MINT (plus Kunst) -Fächer an Schulen und Universitäten präsentiert.
Künstliche Intelligenz hat mittlerweile Einzug in unser tägliches Leben in nahezu allen Bereichen gefunden, sei es privat oder beruflich – selbstverständlich auch in den automobilen Entwicklungsprozess.
In dieser Keynote beleuchten wir das erforderliche Mindset aller Beteiligten für einen effizienten und nachhaltigen Einsatz datengetriebener Methoden. Anhand praxisnaher Beispiele aus der Fahrzeugentwicklung geben wir Einblicke, wie Porsche die Herausforderungen des KI-Zeitalters angeht. Hierzu zählen insbesondere strukturelle Anpassungen der Organisation zur Bündelung der KI-Kompetenz sowie ein geeignetes Management von Daten aus der virtuellen und physischen Absicherung. Abschließend zeigen wir aktuelle Entwicklungen und mögliche Zukunftsperspektiven für die KI-Entwicklung bei Porsche auf.
Im Anschluss an sein Masterstudium der Fahrzeug- und Motorentechnik an der Universität Stuttgart startete Maximilian Rabus im Jahr 2018 bei Porsche. Dort fokussierte er die Etablierung künstlicher Intelligenz als alternative Absicherungsmethode in der Entwicklung der passiven Sicherheit. Ende 2020 übernahm Maximilian Rabus die neu geschaffene Position für Data Science und Digitale Transformation in der Karosserieentwicklung bei Porsche. Seit 2022 ist er Projektleiter in der Abteilung für Datengetriebene Entwicklung und als Data Domain Manager verantwortlich für die Definition und Umsetzung der Datenstrategie im Umfeld der Fahrzeugentwicklung. Zudem leitet er das IT-Projekt zur Entwicklung einer CAE-Plattform, wobei er den Fokus insb. auf Prozess- und Datendurchgängigkeit als Grundlage zukünftiger datengetriebener Anwendungen legt.
Auch in seiner Dissertation, welche er aktuell nebenberuflich anfertigt und von Prof. Hiermaier der Albert-Ludwigs-Universität Freiburg betreut wird, konzentriert sich Maximilian Rabus auf die Integration von Data Science und Künstlicher Intelligenz in den konventionellen Entwicklungsprozess. Außerdem gilt sein besonderes Interesse der Forschung im Bereich erklärbarer Künstlicher Intelligenz und der zukunftsorientierten Organisation und Verwaltung von Daten.
Hauptseite - Konferenzprogramm - AnmeldungCall for PresentationsKeynotesSPDM SymposiumWorkshops und TrainingsVMAP Presentations & WorkshopAusstellung und SponsoringDetails zur Konferenz / HotelzimmerbuchungBereich für Vortragende / Presenter area
Stay up to date with our technology updates, events, special offers, news, publications and training
If you want to find out more about NAFEMS and how membership can benefit your organisation, please click below.
Joining NAFEMS© NAFEMS Ltd 2024
Developed By Duo Web Design
