自動車・オフロード車・重機業界のための不確かさの定量化と機械学習
自動車、オフロード車、重機の市場が急速に変わるなか、エンジニアには、より少ないリソースで、より速く、結果により確信を持ってイノベーションを起こすことが求められています。従来の設計、シミュレーション、試験の手法は、特定の条件では有効でも、サスペンション、衝突安全性、熱と流体の相互作用、構造動力学などで増していく複雑さに追いつくのは容易ではありません。ツールを強化しなければ、チームは次のような課題に直面します。
- 計算時間が長すぎて、設計空間の探索が限られ、開発計画が遅れる
- モデルが単純すぎて、性能予測を信頼しにくくなる
- 総当たりの最適化が遅く、リソースを大量に使い、探索も不完全になりがち
- 過渡的なスロッシング、マルチボディダイナミクス、熱サイクルなど、複雑なふるまいのモデル化が難しい
- 不確かさ、公差のばらつき、実際の運転条件を取り込めない
- 速く予測できるワークフローがないために、イノベーションの機会を逃す
SmartUQによる解決
SmartUQは、こうした課題に正面から取り組むために作られた、次世代のUQ・機械学習プラットフォームです。最先端の実験計画法（DOE）、統計的エミュレーション、機械学習の手法を組み合わせることで、OEMやサプライヤーは設計空間をすばやく探索し、車両システム全体で不確かさをたどり、確率的な性能の見積もりを得られます。しかも計算コストは大幅に下がります。
- 効率的なDOEとサンプリング：
高度なDOE手法を使って、少ないシミュレーション回数で入力と出力の関係をつかみます。計算時間の長いCFDやFEAの検討でも、すばやく知見が得られます。
- 高精度なサロゲートモデル：
高精度なエミュレーター（統計的な予測モデル）を構築します。入力が10〜20個の問題なら、必要なシミュレーションは数百回ほどです。マルチフィデリティモデリングで、低精度と高精度のデータを組み合わせることもできます。
- 複雑なデータのための解析ワークフロー：
空間や時間とともに変化する出力（温度の履歴、圧力場など）を扱えます。運転モードをまたいで、連続変数とカテゴリ変数を組み合わせることもできます。
- 不確かさの定量化とばらつきの管理：
材料、製造、運用のばらつきをシステムレベルのモデルで追跡し、確率的な性能の見積もりとロバストな設計余裕を得ます。
- 統計的キャリブレーションとモデルの妥当性確認：
パラメータの不確かさとモデル形式の不確かさの両方に対処しながら、シミュレーションを物理試験やフィールドのデータに結びつけ、エンジン試験、風洞試験、市場で稼働中の製品の記録との一致を高めます。
- デジタルツインとの統合：
設計シミュレーション、試作品の試験、製造記録、運用中のデータを融合して「信頼できる唯一の情報源」を作り、モデルの継続的な更新とシステムレベルのデジタルツインにつなげます。
エンジニアリングチームにとっての主な利点
- 1. 少ない計算回数で、すばやく探索
最小限のデータで目標とするサロゲートモデルの精度に到達でき、エンジニアは設計をすばやく繰り返せます。
- 2. 適用範囲の拡大
衝突、サスペンションの動力学、潤滑、熱マネジメントなど、従来の手法では難しかった専門的な分野にも、サロゲートモデルとUQを適用できます。
- 3. より賢い最適化
総当たりの探索を高精度なエミュレーターに置き換え、シミュレーション主導の設計で、収束性、信頼性、解が得られるまでの時間を改善します。
- 4. キャリブレーションで確信を高める
SmartUQ独自の統計的キャリブレーションで、モデルに単純化の仮定が含まれていても、シミュレーションと実験の結果を整合させます。
- 5. 全工程を通した知見
製品ライフサイクル全体にわたって、複数の情報源・複数の精度のデータを統合し、継続的な改善、部品の故障解析、デジタルツインの構築に役立てます。
まとめ
DOE、データサンプリング、エミュレーション、UQ、キャリブレーションのツールを一通りそろえたSmartUQは、自動車、オフロード車、重機の開発チームが車両システムを開発し、妥当性を確認するやり方を変えます。SmartUQがシミュレーションを速め、コストを減らし、新しいイノベーションの可能性をどのように開くかについては、ホワイトペーパーやウェビナーENをご覧ください。
