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

　 適用事例　－結果の可視化と最適化－

　 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

　 セミナー資料を提供します