クラウドCAEとAIを活用したデータドリブン最適設計
膨大な解析データから最適設計をワンストップで実現
データドリブン最適設計
適用事例 －対象モデル－
自動車車体部品サイドメンバーの性能設計
●検討性能
① 衝突性能：運動エネルギー吸収 EA
② 静的剛性：stiffness
③ NV性能：固有値 Mode1
④ 重量 ：Mass
⑤ コスト：Cost (見積もり数式より算出）
基本形状はある程度確定
各パーツの板厚、鋼材スペック(降伏応力)を決めたい
●設計パラメータ
①パーツ１鋼材スペック m1 (200Mpa~800Mpa)
②パーツ１鋼材板厚 t1 (1mm~3mm)
③パーツ２鋼材スペック m2 (200Mpa~800Mpa)
④パーツ２鋼材板厚 t2(1mm~3mm)
⑤パーツ３鋼材スペック m3 (200Mpa~800Mpa)
⑥パーツ３鋼材板厚 t3 (1mm~3mm)
⑦全体断面幅 scale (0.7~1.5)
適用事例 －計算と機械学習－
●CAE解析ソフト： LS-DYNA R11 single precision
●CAE解析回数 ：１パラメータあたり5水準、7パラメータ 計5^7=78,125回
●機械学習モデルにて性能予測
➡ Python ライブラリSkleanのMLPRegressorを使用
➡ MLP( Multilayer perceptron)ニューラルネットワークの予測精度は概ね良好
ソリューション提供元：スーパーリンクジャパン
科学計算関連の受託業務
●中国本社のリソースをフル活用、顧客に高品質な技術サービスを提供
●CAE、クラウド、AIの３領域に展開
