ソフトウェア

実験計画法（DOE）

SmartUQは、画期的なデータサンプリング手法と、シミュレーションと物理実験の両方に使える高度なDOE生成ツールの充実したライブラリを提供します。発想を転換して生まれたSmartUQの技術は、精度を確保しながら、不確かさの定量化と解析の結果を得るのに必要なデータ点の数を最小限に抑えます。特に人気のあるツールには、ビッグデータ向けのサブサンプリングと、すでに集めたデータを使って追加のデータ点を選ぶことでサンプリング効率を最大にするアダプティブDOEがあります。

詳しく見る

サロゲートモデルと機械学習

画期的なエミュレーション技術により、SmartUQは高精度なエミュレーター（サロゲートモデル）を記録的な速さで当てはめます。こうした非常に高速な解析モデルは、複雑なブラックボックスの計算システムや物理システムの挙動を予測できます。エミュレーターを使えば、不確かさ伝播、感度解析、設計空間の探索、最適化、統計的キャリブレーション、逆解析を非常に速く行えます。高価なモンテカルロサンプリングも、解析の計算を何時間も待つことも、もう必要ありません。

SmartUQの技術は、カテゴリ値と連続値の入力、複数の出力や関数型の出力を持つシステム、高次元のシステム、ビッグデータを扱えるので、不確かさの定量化と解析を加速する新たな道を開きます。

詳しく見る

感度解析

設計空間全体にわたって、入力に対する出力の感度をすばやく求めます。製造公差、環境条件、摩耗の度合いに対して、部品形状、計測器の精度、規制への適合がどれだけ敏感かを調べるのに役立ちます。感度解析で影響の小さい因子と大きい因子がわかるので、エンジニアは設計の労力とリソースを最も必要なところに集中できます。

詳しく見る

不確かさ伝播

不確かさ伝播を使えば、不確かな入力やばらつく入力の分布から生じる、システムの出力の確率分布を予測できます。ほとんどのシステムには入力の不確かさがあり、その多くは物理的な測定値、製造寸法、材料特性、環境条件、加わる力といった入力から来ます。不確かさ伝播によって、エンジニアは、システムの出力が要件を満たすか、極端な事象の確率が実際にどの程度か、どの入力が出力の分布に最も影響するかを判断できます。その結果、初期設計の質が上がり、開発が速くなり、トラブルシューティングも簡単になります。

詳しく見る

最適化

高度なDOE、より優れたサロゲートモデル、強化されたベイズ手法を組み合わせることで、SmartUQは、目的が複数ある場合、応答が複雑な場合、入力パラメータが多い場合でも最適化を加速します。この加速によって、確率的最適化、信頼性ベース最適化、ロバスト最適化といった、不確かさを考慮した高度な最適化も可能になります。SmartUQは、連続値と離散値が混在する入力や出力、場（フィールド）の応答など、より多くの種類のデータや問題の最適化にも対応します。エミュレーターを使う手法なら、同じシステム評価回数で、より多くの最適化結果、ほかの解析、エクスポートできるサロゲートモデルが得られます。さらに、必要な実行データを過去の取り組みから再利用したり、並列のバッチで集めたりできるので、所要時間を大きく短縮し、試験サイクルを短くできます。

詳しく見る

統計的キャリブレーション

シミュレーションの精度は向上し続けていますが、シミュレーションが現実を正しく表していることを確かめるには、今でも試験データでシミュレーションを裏付ける必要があります。SmartUQの統計的キャリブレーションツールは、限られたシミュレーションデータと試験データから、モデルのキャリブレーションパラメータをすばやく自動で求めます。モデルと実測の不一致（discrepancy）も求めるので、改善の余地を見つけたり、モデルの妥当性確認の指標にしたりできます。モデルの精度を上げ、妥当性確認を速めることで、統計的キャリブレーションは複雑なシステムを理解するのに必要な時間と試験の回数を減らし、設計サイクルを短くします。

詳しく見る

逆解析

逆解析とは、システムから得られた出力の組をもとに、それをもたらした入力の確率分布を求めるプロセスです。この手法は、測りにくいさまざまなシステム特性を求めるのに幅広く役立ちます。よい例が、地面と車両の相互作用のモデルと車両のテレメトリデータから、土の特性を求めることです。逆解析に必要なのは、システムのモデルと、入力の分布を求めたい試験データだけです。そのため、高価な試験や、侵襲的・破壊的な測定に頼らず、既存のデータや簡単に得られるデータを活用できます。

詳しく見る