製造業における人工知能:スピードで革新を起こす方法

今日、製造業が直面している課題のひとつは、製品のライフサイクルを通じて正確性と効率性を維持しながら、設計とエンジニアリングのプロセスを加速させることです。航空宇宙・防衛から食品・飲料製造まで、メーカーが高い生産目標と厳しいタイムラインに直面するのはよくあることです。しかし、こうした問題の解決には多額の資金が必要となることが多く、スキルアップなど他のニーズに集中しながら予算を抑えるのは困難と言えます。では、どうすれば生産量を最適化しながら、困難な目標を達成できるのでしょうか?製造における機械学習と人工知能(AI)を活用し、製品開発ライフサイクルの早い段階でプロセスを改善することがカギです。

なぜ製造シミュレーションにAIが必要なのか?

最近のAIと機械学習の進歩は、物理学に基づく数値シミュレーションの補完とともに、製品設計の新時代を切り開くことができます。

世界中の組織が製造業に機械学習とAIを導入し、ダウンタイムの削減や精度、生産工程、意思決定の最適化などの課題に対処し、効率化を図っています。AIを活用することで、製造業者はさまざまな戦略をバーチャルで検証でき、物理的なプロトタイプ製造の必要性を減らし、試行錯誤に伴うコストと時間を最小限に抑えることができます。シミュレーションにAIを取り入れることで、リアルタイムで調整できるため、需要の変化に対する設計の応答性を高められます。

例えば、Altair® physicsAI™は、製造業者が物理予測をより迅速に行えるよう支援するツールです。このツールは、製造製品のライフサイクルの初期段階、特にシミュレーションを再実行する必要性が生じる前の、様々な設計が検討される初期段階における重要なギャップに対応します。physicsAIは、製造業者が生成する膨大な量の合成データを活用し、ユーザーはそこからCAD設計を入力して、時間のかかるシミュレーションを新たに実施する必要性を排除します。過去のシミュレーションデータから学習したAIモデルを活用することで、典型的な製造プロセスに関する正確な予測を効率的に得ることができます。

アルテアはまた、製品開発のライフサイクル全体を通じてシミュレーション主導の設計を加速し、製造におけるAIの統合をさらに進める直感的で強力なソリューション、Altair® Inspire™の各種アプリケーションも提供しています。こうした製造ツール向けの設計を、physicsAIのようなAIを搭載したソリューションと組み合わせることで、ワークフロー全体を合理化し、アップグレードできます。

導入の障壁を克服する

AIや機械学習をベースとしたシミュレーションの普及を妨げている主な要因は、従来のシミュレーションと比較して、その利点が限定的にしか理解されていないことです。AIや機械学習ベースのシミュレーションは、従来のシミュレーションに取って代わるものではなく、組織が既に持っているデータを活用することでシミュレーションプロセスを補完するものです。幸運にも、製造業のリーダーたちが機械学習とAIを製造業に導入し続けているため、こうした障害は消えつつあります。

AIや機械学習を活用したシミュレーションの利点は、インパクトが大きく、広範囲に及びます。まず、組織の柔軟性が向上します。射出成形、ポリウレタン発泡、金属プレス、鋳造など、多くの製造工程シミュレーションで使用できます。

そして製造業におけるAIは、皆さんが思っている以上に一般的になりつつあります。例えば、最新の幾何学的ディープラーニング機能により、physicsAIはあらゆる物理学の形状と性能の関係を特定できます。一旦学習すると、physicsAIモデルは従来のソルバーシミュレーションよりも最大1,000倍速く予測を導き出すため、より多くのコンセプトを評価し、より良い設計決定を行うことができます。簡単なワークフローにより、学習済みモデルを選択し、予測を生成し、様々な製造プロセスの品質を評価できます。

AIが動く

AIが初期設計プロセスを改善する例は、ダイカストプロセスを使用して産業用アクチュエータハウジングのポロシティを分析するユースケースで実証されています。鋳造部品の機能性に影響を与える最も一般的な問題のひとつがポロシティです。ダイカストプロセスでポロシティをゼロにすることは不可能ですが、よく計画された金型設計とプロセス制御により、ポロシティを最小限に抑えることができます。この使用例では、Altair® Inspire Cast™とphysicsAIを併用することで、アクチュエーターハウジングユニットの品質と完全性を維持しながら、はるかに短い時間枠で製品設計を改善できました。

製造業における人工知能:スピードで革新を起こす方法

図1-Altair® Inspire Cast™とAltair® physicsAI™によるポロシティの比較

製造業におけるAIの重要性

製造業におけるAIは、特に設計プロセスの初期段階において、効率と精度を最適化するために極めて重要です。多くの製造プロセスでは、数値シミュレーションを使用してデータセットを作成することから始めます。AIの導入により、これらのデータセットが決定されると、ユーザーはソルバーのトレーニングと検証を開始し、トレーニングされた物理AIモデルを使用して製造不良を予測し、設計エラーを減らし、結果を改善します。この構造化されたワークフローは、InspireとphysicsAIを統合する方法論を確立するための基礎段階を表しています。

今回はAltair® Inspire™ Moldを使用し、射出成形によるリブ付き構造部品の反りを調査しました。リブとは、反りに対抗するための構造的支持のために、プラスチック部品の主壁に追加される形状のことです。このケースでは、より高い精度を達成するために、より高い機械学習パラメータを使用してphysicsAIでより多くの設計モデルを実行する必要がありました。

製造業における人工知能:スピードで革新を起こす方法

図2-Altair® Inspire Mold™とAltair® physicsAI™による反りの比較

physicsAIは、ユーザーのCAEデータのパワーを活用し、幾何形状とフルコンター結果の関係を学習することで、より迅速な設計の反復を可能にし、より良い設計を早期に生成します。従来の機械学習とは異なり、physicsAIはパラメータ化を必要とせず、形状から直接学習します。つまり、ユーザーは実験計画法(DOE)の必要なく、過去のシミュレーションから学習することができます。

より高速な革新

メーカーは、製品のライフサイクルを通じて大量のデータを作成、収集、保持しています。このデータを戦略的に活用することで、メーカーはイノベーションを推進し、効率を改善し、競争力を維持することができます。

データ主導の世界では、この情報を活用することが非常に重要であり、これこそ、他のどのツールよりも優れたphysicsAIによる組織の支援です。このツールは、過去のシミュレーションデータから学習することで、高速な物理予測を実現します。製造プロセスは製品によって多少異なりますが、物理AIシミュレーションを実行するロジックとワークフローは変わりません。

AIが再び動き出す

AIと機械学習がイノベーションを加速させるもう一つの例は、金属成形工程に見られます。例えば、Altair® Inspire™ Formは、設計の最適化、ロバスト製造のシミュレーション、材料コストの削減を実現する完全なプレス成形シミュレーション環境です。下の例は、典型的なプレス成形工程で調査したブランクのサイズと形状を示しています。ブランクのサイズと形状は、金型との接触面や摩擦に影響するため、部品の成形性を決定する上で極めて重要です。試験データがより正確であれば、新しい設計予測を迅速に行うことができます。

製造業における人工知能:スピードで革新を起こす方法

図3 – Altair® Inspire Form™とAltair® physicsAI™による変位と板厚の比較

同様に、Altair® Inspire™ PolyFoamは、硬質・軟質ウレタンフォーム製品設計における製造上の問題を予測し、製品ライフサイクルの早い段階で解決します。physicsAIとPolyFoamの効率性を示す別の使用例では、アルテアのエンジニアが冷蔵庫のドアのさまざまな設計バリエーションを検討し、密度分布と残留応力を予測しました。その結果、AIと機械学習によるアプローチの信頼性と重要性が確認されました。

製造業における人工知能:スピードで革新を起こす方法

図4 – Altair® Inspire™ PolyFoamとAltair® physicsAI™による発泡シミュレーションの比較

これは、AIや機械学習を活用したシミュレーションソリューションによって、製造業者がより良い製品設計の意思決定を早期に行い、最終的に生産可能なツールを予算内で納品できるようになることを示すもう1つの例です。

企業は製造プロセスにどのようにAIを導入すべきか?

AIと機械学習を使用する場合、製造業者はFEAモデルを作成する必要はありません。どのような用途であっても、エンジニアリングチームはモデルをトレーニングし、数秒以内に特定の部品の新しい設計と形状のレンダリングを得られるので、望ましい結果を導出できます。

今日、世界中の業界リーダーたちが、AIが製造設計プロセスにもたらすプラスの効果を目の当たりにしています。例えば、インドのデリーに本社を置く世界最大級の二輪車メーカー、Hero MotoCorp Limitedは、AI導入のメリットをすでに享受しています。同社のデジタルエンジニアリング・テスト部門のシニアエンジニアであるJeevesh Prasoon氏は、physicsAIの活用が同社のCAEエンジニアにどのように役立っているかを語ります。「physicsAIは、従来のFEAアプローチとは異なり、出力予測を迅速化するのに役立ちます約90%の信頼性マトリックスと99%以上の時間短縮を実現する出力が得られるため、より迅速な設計探査が可能になります」。Hero MotoCorp Limitedは、製造業でAIを活用して前進する数多くのパイオニアのひとつです。

製造業におけるAIの選択肢を模索する際、怖気づく必要はありません。AIと機械学習が製造プロセスにもたらす効率と精度は貴重なもので、そのメリットは導入コストをはるかに上回り、製品開発のワークフローを最適化します。

アルテアのシミュレーション主導型設計ツールは、設計者とエンジニアの両方を念頭に置いて開発されているため、使いやすさが保証されています。また、アルテアが特許を持つAltair Unitsライセンスシステムを通じて、ユーザーはAltair One®マーケットプレイスのソフトウェアツールに必要な時に必要なだけアクセスできます。短時間でより多くの設計検討を行うことで、企業は開発サイクルの早い段階で設計の改善方法を発見し、競合他社よりも早く革新的な製品を市場に投入することができます。

InspireとphysicsAIの詳細については、以下のリンクをご覧ください:

*本記事は、本社ブログ「Artificial Intelligence in Manufacturing: How to Innovate with Speed」を翻訳したものです。

 


先進的な製造技術


 

0 0 votes
Article Rating

カテゴリー: Altair Global Blog, データアナリティクス

Subscribe
Notify of
0 Comments
Inline Feedbacks
View all comments