SIMULIA Isight

ダッソー・システムズ製品
CAE解析

SIMULIA Isightは最適設計のための解析プロセスを自動化するツールです。
シミュレーション・プロセスの統合化・自動化・最適化のためのさまざまなアプリケーションを用意しています。
各種CAD/CAEアプリケーション・内製コード・Excelなどと連携してシミュレーション・プロセス・フローを構築し、探索を自動実行することで、最適設計案の特定ができます。
SIMULIA EXTENDED PACKAGINGをご購入いただくことで、トークン数によって以下の機能をフレキシブルに使用できます。

解析プロセス自動化による設計の最適化で、
生産性の向上・人為的ミスの削減を実現します

複雑・多様化する設計要件による設計から解析までの作業の繰り返しは、手間や工数がかかり、人為的ミスも発生し易いです。
SIMULIA Isightによる自動化・最適化によって生産性の向上・人為的ミスの削減が可能になり、
より多くの設計案が検討可能になります。

Point1

最適設計のための
解析プロセス自動化
Point2

設計期間の短縮
Point3

設計品質の向上
Point4

設計プロセスの可視化

解析プロセスの自動化による設計の最適化

SIMULIA Isightはソフトウェアロボットとして機能します。

① 設計者は解析プロセスと設計ゴールを設定します。
② 入力の生成・解析実行・出力からの抽出を自動化します。
③ 設計空間を系統的に探索します。
④ 多くのよりよい選択肢を生成します。

SIMULIA Isightに適した解析

頻繁に利用される解析プロセス
多くの制約・多くの自由度がある問題
多段ステップや条件分岐する解析プロセス

自動化・最適化によるメリット

設計期間の短縮

繰り返し作業からの解放
人為的ミスの削減
並列処理実行

設計品質の向上

より目標に最適な設計
解析条件（材料特性・荷重/拘束・交差など）を考慮した設計
実験結果と解析結果の比較検討

設計プロセス過程の可視化

解析フローの可視化による標準化・共有化
各設計変数の寄与度の把握
複数の目的変数間のトレードオフ検証

自動化と最適化を実現する
SIMULIA Isightの機能

SIMULIA Isightは、最先端の最適化手法・DOE（実験計画法）・近似手法・品質工学手法など
多岐にわたる並列処理に対応したプロセスコンポーネントがあります。

Design Gateway: モデル作成のためのGUI

Runtime Gateway: 実行・進捗モニタリング、ポスト処理のためのGUI

Process Component: 解析フローを設計手法に応じて実行

Application Component: 各種プログラムを実行

効率よく設計空間を探索するための並列処理に対応したコンポーネント

最適化手法

制約条件を満たしつつ、目的にもっとも満足する解を探索する手法です。

数理的手法
探索的手法
多目的最適化手法
自律型最適化など

DOE（実験計画手法）

解の傾向や相関関係を把握することができます。

要因実験
直交表実験
パラメータスタディ
ラテン超方格実験
モンテカルロ法

近似手法

近似式を用いて最適化探索を効率化することで、計算時間が短縮できます。

応答局面モデル（RSM）
直交多項式モデル
RBF/EBFモデル
Kringingモデル

品質工学手法

ロバスト性の高い解を探索する手法です。

信頼性解析
タグチメソッド
シックス・シグマ

モデル作成のためのGUI
Design Gateway

さまざまなシミュレーションプログラムを結合させ、統合されたシミュレーションプロセスフローをカンタンに構築できます。
シミュレーションプロセスはドラッグ・アンド・ドロップにより作成できます。パラメータのマッピングや問題の設定も行うことができます。

実行・進捗モニタリング・ポスト処理のためのGUI
Runtime Gateway

プロセスフローをローカルで実行し、結果をグラフやテーブルとして可視化できます。
テーブルや2次元、3次元グラフ、統計解析などのリアルタイムポスト処理を行うことができます。
対話型ポストツールにより大局的な観点で設計空間の確認ができ、空間設計上の感度解析・寄与度分析・トレードオフ分析によりパラメータ間の相関関係を評価できます。

解析フローを設計手法に応じて実行
Process Component

解析フローを各種設計手法（最適化/実験計画/近似/品質工学）に応じて実行します。

各種プログラムの実行
Application Component

外部アプリケーションの実行や、アプリケーション間連携を実行します。

CAEプロセスにおける機械学習の活用例

CAEプロセスにおける機械学習適用の可能性

最適化の知識が必要かつ手間がかかる従来の手法に対し、機械学習による支援によって、専門知識がなくてもロバスト解の探索の省力化・効率化を期待することができます。

設計解探索プロセスへの機械学習の適用効果

作業負荷の低減/計算時間の短縮

設計解探索のエリアを絞り込むことで計算数を軽減できます。
計算エラーが生じるINPUTパラメータの組合せを排除できます。
コンター図確認等の目視判断が伴う作業が低減できます。

SPSSとWatsonによる設計解探索プロセス効率化の可能性を検証した事例

① SIMULIA Isightによる実験計画法（ラテン超方格実験）
- 実験回数を任意に指定することでINPUTパラメータの組み合わせが生成されます。
- SIMULIA Isightを計算ソルバーと連携し結果群を自動的に取得します。
②クラスタ分析
- 解析結果からクラスタ分析に用いる指標を選定します。
- 今回は変位量-反力の過渡特性を指標としてクラスタリングを行います。
③クラスタ予想モデルの作成
- 指定された指標にて全解析結果をクラスタリングします。
- クラスタリングされた結果群のINPUTとOUTPUTの関係をSPSSに学習させます。
④クラスタ予想モデルによって設計テーブルをスクリーニング
- ①より実験回数の多い設計テーブルを用意します（計算処理は行いません）。
- ③にて生成された識別器にて各INPUTがどのクラスタに属するか予測させます。
⑤指定されたINPUTによる計算処理および画像取得
- 画像取得用のコンポーネントを組み込むことで自動的にコンター画像を取得します。
⑥コンター図OK/NG予測モデルの作成
- ⑤にて取得された画像を数点選び、人間の判断にてOK/NGを判定します。
- OK/NGの判断結果をWatsonに学習させます。
今回の検証を通じて確認できたこと
- 比較的少ない実験回数であっても、変位量-反力の過渡特性による結果群のクラスタリング処理が行える。
- INPUTとOUTPUTの関係性を学習させることで、任意のINPUTパラメータ組合せからOUTPUT値を予測できる。
- コンター画像を学習させることで、結果確認作業の負荷を軽減できる。