下载PDF
Developing an Injury Threshold for Human Brain Concussion using IoT
技术
- 分析与建模 - 数字孪生/模拟
- 传感器 - 触觉传感器
适用行业
- 汽车
- 生命科学
适用功能
- 产品研发
用例
- 数字孪生
- 虚拟现实
服务
- 测试与认证
挑战
密歇根州底特律韦恩州立大学生物工程系面临着全面了解轻度创伤性脑损伤或脑震荡损伤机制的挑战。目标是预防或减轻伤害发生。创伤性脑损伤占车辆碰撞和运动碰撞造成的伤害的很大一部分。该部门旨在制定预防和减轻这些伤害的策略,从而减少未来产品因这些伤害而造成的沉重的情感、经济和社会代价。该部门此前曾根据动物脑震荡试验加速结果和尸体颅骨骨折得出的耐受曲线制定了头部伤害保护标准。然而,这些标准无法解释可变形颅骨内大脑的复杂运动,忽略了头部角加速度对损伤因果关系的贡献以及头部的方向敏感性。
关于客户
本案例研究的客户是密歇根州底特律市韦恩州立大学的生物工程系。该系拥有美国最大的持续活跃的生物医学研究项目之一。 70多年来,通过该系和华盛顿州立大学医学院的密切合作,教师和研究人员在生物医学方面取得了重大进展。该系的生物工程中心是一个领先的实验室,专注于冲击创伤、腰痛和运动损伤生物力学的研究。目前的项目包括车辆侧面和后部碰撞耐撞性分析、头部损伤建模和下肢损伤模拟。
解决方案
解决方案是通过使用现场震荡数据和基于 Altair HyperMesh 的头部有限元建模来建立有意义的伤害标准。生物工程中心开发了一种脑损伤计算模型,获得史密森学会认可并授予计算机世界史密森奖章。开发了韦恩州立大学头部损伤模型 (WSUHIM),能够模拟导致损伤的冲击的精细解剖细节和组织级特征。该模型模拟了 50% 男性头部的所有基本特征,包括大脑和周围组织的 15 种不同材料特性。该模型用于改进网格质量和材料定义的研究。修改后的有限元模型的颅骨通过 24 个实验室头部碰撞重建测量的平移和旋转加速度来加载。
运营影响
数量效益
相关案例.
Case Study
Integral Plant Maintenance
Mercedes-Benz and his partner GAZ chose Siemens to be its maintenance partner at a new engine plant in Yaroslavl, Russia. The new plant offers a capacity to manufacture diesel engines for the Russian market, for locally produced Sprinter Classic. In addition to engines for the local market, the Yaroslavl plant will also produce spare parts. Mercedes-Benz Russia and his partner needed a service partner in order to ensure the operation of these lines in a maintenance partnership arrangement. The challenges included coordinating the entire maintenance management operation, in particular inspections, corrective and predictive maintenance activities, and the optimizing spare parts management. Siemens developed a customized maintenance solution that includes all electronic and mechanical maintenance activities (Integral Plant Maintenance).
Case Study
Monitoring of Pressure Pumps in Automotive Industry
A large German/American producer of auto parts uses high-pressure pumps to deburr machined parts as a part of its production and quality check process. They decided to monitor these pumps to make sure they work properly and that they can see any indications leading to a potential failure before it affects their process.