자동차 제조의 슬롯

자동차 산업 - 공급망에서 1 단계의 역할

슬롯 기술에 대해 이야기하기 전에, 우리는 자동차 산업에서 공급망의 구조를 한 단계 더 내보낼 것입니다. 슬롯 기술은 어떤 종류의 자동차 분야에 유용합니까?

자동차 산업의 1 단계는 무엇입니까

Tier1은 모든 전통적인 자동차, 하이브리드 자동차, 전기 자동차에서 중요한 역할을하므로 Tier1 공급 업체의 역할에주의를 기울여야합니다. OEM과의 관계는 상품 제품 공급 업체와 다릅니다.

RFQ에서 생산까지

RFQ (RFQ 요청) 단계는 다른 공급 업체와의 경쟁이 공식적으로 시작될 때입니다. Tier 1은 OEM이 브랜드화 된 하나 이상의 차량 모델을위한 장비 공급 업체로서 기술 및 상업 제안서를 제출해야합니다.
계약이 체결 된 후에도 선택된 티어 1과 OEM의 협력은 계속됩니다. 애프터 마켓 공급과 OEM 공급의 차이점은 무엇입니까? 애프터 마켓에는 기성품 부품이 있지만 OEM 공급 업체는 종종 생산이 시작될 때까지 각 새로운 요구에 맞게 조정해야합니다.
OEM은 공급 업체가 내구성 및 에너지 효율과 같은 성능 요구 사항을 충족하도록 요구합니다. 그렇다면 어떻게 해당 요구 사항을 충족 할 수 있습니까? 90 년대까지 공급 업체는 물리적 프로토 타입 및 테스트주기에 의존했습니다. CAE와 CAD의 조합은 이후 위주기의 지속 시간과 비용을 줄일 수있었습니다. 이 혁명은 아날로그에서 디지털 (소프트웨어 1.0) 엔지니어링으로 혁명이었습니다. 아날로그에서 디지털로 소프트웨어 1.0 이후 소프트웨어 2.0을 향해 혁명이 진행되고 있습니다.

슬롯 : Tier 1 및 OEM을 지원하기 위해 소프트웨어 2.0 소개

Software 2.0은 데이터를 공급하여 기능 (실시간 예측 분석 기능)을 획득하는 "다른 소프트웨어를 먹는 소프트웨어"입니다. 데이터는 위에서 언급 한 CAD 및 CAE와 같은 "기존"소프트웨어 1.0에서 제공됩니다. Software 2.0 Revolution은 경험을 통해 배우고 더 나은 제품을 더 빠르게 설계하는 데 도움이되는 도구를 만들고 있습니다.

자동차 산업 - 1 단계의 기술 전문 분야

전통적인 자동차 라디에이터에 초점을 맞추겠습니다. 라디에이터 시스템만으로는 광범위한 제조 공정, 엔지니어링 기술 및 공급망 구성원이 포함됩니다. 예를 들어, 3 개의 공급 업체는 그림에 표시된 세 부분의 워터 펌프, 냉각수 탱크 및 라디에이터 엔진에 관여합니다.

슬롯가 자동차 산업을 어떻게 변화시킬 것인가

우리는 OEM과 그 단계 1이 자동차 산업에서 슬롯 기술을 어떻게 사용하는지에 대한 예를 소개 할 것입니다. 여기서는 인공 지능이 전통적인 방법의 비즈니스 지원 기능을 향상시킬 수있는 방법을 명확하게 보여줍니다. 자율 주행 차, 자율 주행 기술, 제조 사이트 및 제품 설계 영향에 대해 자세히 이야기합시다.

자율 차량

우리는 자율 주행 차를 주제로 제조 현장 및 설계 부서에 대해 논의 할 것입니다. 자율 주행 차량은 다양한 기술을 사용하여 운전 문제를 해결합니다. 문제에는 도로 탐색 및 장애물 회피와 같은 중요한 의사 결정이 포함됩니다. AI 기술도 여기에 사용됩니다. 자율 주행 차량은 센서의 데이터를 해석하는 컴퓨터 비전 알고리즘을 사용합니다. 이를 통해 주변 환경을 이해할 수 있습니다. 인공 지능은 백그라운드에서 물체를 식별 할 수 있지만 자율 주행 차의 장애물의 예로는 보행자, 기타 차량 및 교통 표지판이 있습니다 (아래 참조).

자동차 제조에서 슬롯 응용 프로그램의 예

인공 지능 (슬롯)에는 자동차 제조에 많은 응용 프로그램이 있습니다. 예로는 품질 관리, 예측 유지 보수 및 공급망 최적화가 있습니다.

생성 설계의 역할

자동차 제조업체가 AI-OP 최적화 된 공기 역학적 성능으로 새로운 스포츠카를 설계하는 것으로 간주한다고 가정하십시오. 기존 스포츠카 모양의 데이터 세트로 훈련 된 기계 학습 모델은 짧은 시간 안에 수천 개의 디자인 제안을 생성 할 수 있습니다.

디자인에는 스포일러, 에어 댐 및 디퓨저를 포함한 다양한 기능이 포함되어 있습니다. 그렇다면 공기 역학적 성능이 설계된 경우 어떻게 변할까요? 다시 말하지만, 설계 변경 및 예측 공기 역학적 성능과 동기화하기 위해 슬롯를 수행해야합니다. 형상 변화와 엔지니어링 예측을 결합함으로써 슬롯는 최적화 된 공기 역학적 성능으로 즉시 모양을 만들 수 있습니다. 또한 디자이너의 최종 개선과 전통적인 테스트/시뮬레이션을 통한 최종 검증으로 제조업체는 최고의 설계 제안을 좁힐 수 있습니다.

자동차 설계에 적용되는 슬롯의 실질적인 예

자율 주행 및 제조에서 슬롯에 대한 일반적인 고려 사항과 개요를 제공했습니다. 이제 CAD 및 CAE에서 얻을 수있는 데이터를 사용하여 차량 설계에 적용된 슬롯의 세 가지 예를 자세히 살펴 보겠습니다.

자동차 산업 사례 1- 승용차의 공기 역학

승용차의 공기 역학적 설계에서 몇 가지 중요한 품목을 고려해야합니다. 그들은 공기 역학적 시뮬레이션 (CFD) 및 슬롯 예측에 의해 악용됩니다. 이 중 배터리/연료 소비, 차량 취급 및 운전자/승객 편의에 영향을 미치는 세 가지 품목 (공기 저항, 다운 포스 및 소음)을 고려하십시오. CAE/CFD와 같은 소프트웨어 1.0은 몇 시간 안에 모든 것을 시뮬레이션 할 수 있지만 Software 2.0의 개념을 사용하면 슬롯/딥 러닝으로 몇 초 만에 답을 얻을 수 있습니다.

1. 공기 저항
자동차의 공기 저항을 줄이면 연료 효율과 최고 속도가 향상 될 수 있습니다. 드래그 계수를 줄이는 다양한 방법이 있습니다. 고전적인 방법에는 자동차 모양을 간소화하고 활성 공기 역학을 사용하는 장치 사용이 포함됩니다. 공기 역학적 성능을 향상시키는 장치의 예로는 스포일러 및 에어 댐이 있습니다. 여기서 우리는 스포일러를 자세히 설명합니다 (다이어그램 참조).

승용차의 공기 역학 : 자원 요구 사항 감소

위의 모든 것을 최적화가 필요한 KPI로 좁힐 수 있습니다. 예를 들어, 각 지표는 연료 소비에 대한 공기 저항을 최소화하고 안정성을위한 다운 포스 최대화 및 편안함을위한 공기 역학적 노이즈를 최소화해야합니다.

노력없이 고급 기술과 더 많은 자원을 가져 오는 것 : 슬롯

AI 시스템 학습 프로세스를 통해 CFD의 효과를 대다수의 엔지니어에게 전달할 수 있습니다. 그림의 오른쪽에 표시된 AI 예측 결과는 왼쪽의 CFD 시뮬레이션 결과와 거의 동일합니다.

CFD 전문가가 아닌 엔지니어가 슬롯 예측을 활용할 대상으로 가정하십시오. 또한 HPC (로컬 클러스터 또는 클라우드) 리소스에 대한 요구 사항도 피합니다. 슬롯 애플리케이션은 로컬 컴퓨터 또는 랩톱에서도 실행될 수 있습니다. 이것은 자동차 산업에 매우 흥미로운 소식입니다. 지금까지 "슬롯 in Cars"와 관련하여 협업 로봇과 자율 주행 차를 생각하는 것이 일반적이었습니다. 슬롯가 새로운 자율 주행 자동차 시장뿐만 아니라 자동차 가치 사슬에 어떤 영향을 미치는지 이전에 보는 것이 더 명확 할뿐만 아니라

디자인 작업에 대한 눈덩이 효과

슬롯와 자동차 산업에서 눈덩이 효과는 무엇을 의미합니까? 슬롯 투자는 초기 개념 설계 단계에서 슬롯 솔루션을 배포 할 때 혁신적인 영향을 줄 수 있습니다. 눈이 내리는 산맥을 통해 눈덩이와 같은 질량과 표면적을 증가시켜 눈을 굽히는 방법을 상상해보십시오.
자동차 설계 부서에서 AI는 초기 개념 디자인 단계 (예 : 경영진이 새로운 자동차 발사에 대해 논의 할 때) 동안 자동차 프로젝트의 나머지 프로젝트에 큰 영향을 미치기 위해 구현할 수 있습니다. 눈덩이 효과는 긍정적이고 유익한 방향으로 작동하여 전통적인 방법보다 훨씬 더 넓은 설계 잠재력을 창출하며 최상의 솔루션이 조기에 선택 될 것입니다.
실제로 AI는 생산 라인, 어셈블리 라인 또는보다 구체적으로 자세한 CAD 작업 이전에 자동차의 성능을 시뮬레이션 할 수 있습니다. 모양 수정과 연결된 AI 시뮬레이션은 고급 회의를 지원하는 이상적인 도구입니다. 회의는 랩톱을 포함한 모든 플랫폼에서 설계 변경에 대한 실시간 기술 평가를 허용합니다. 이는 경영진과 디자이너가 CAE 부서에 시뮬레이션을 수행하고 몇 시간, 며칠 또는 몇 주 안에 시뮬레이션 결과에 대한 피드백 및 토론을 제공하도록 요청하는 전통적인 프로세스와 비교할 때 극적인 변화입니다.

자동차 산업의 엔지니어의 새로운 인구 통계

CFD와 CAE를 전문으로하는 엔지니어보다 많은 회사들이 10 ~ 100 배 더 많은 디자이너를 보유하고 있다고 확신합니다. 앞으로 AI 기반 시뮬레이션은 CFD 및 CAE의 대규모 배치를 허용 할 수 있습니다. 다음은 AI 기반 시뮬레이션을 일반화하고 대규모 배포를 가능하게하는 세 가지 주요 성공 요인입니다.

1. 슬롯는 슬롯 전문가가 아닌 자동차 설계자에 의해 앱에 쉽게 배포됩니다할 수 있습니다.
2. 인공 네트워크 구조로 인해 AI는 몇 시간 또는 며칠이 아닌 몇 초 안에 실행할 수 있습니다.
3. 슬롯는 메시 및 솔버와 같은 특수 소프트웨어를 사용하는 번거 로움없이 CAD 기계 설계를 처리합니다.

따라서 소프트웨어 2.0에는 2.0이 나타나지 않습니다. 딥 러닝의 최종 개발은 단순한 것보다 더 간단합니다.

기술 세부 사항 - 슬롯 시스템이 배우는 것은 무엇을 의미합니까

이 다이어그램은 CNN (Convolutional Neural Networks)이 어떻게 작동하는지 보여줍니다.

기술 세부 사항 - 학습 과정의 효율성

특정 전송 학습 기술이 학습 효율성을 향상시킬 수있는 방법을 보여줍니다. 시뮬레이션에 AI를 도입하면 예상보다 훨씬 적은 노력이 필요할 수 있습니다. 예를 들어, NCS (신경 개념 모양)는 모든 기능 요구 사항을 충족하고자동차 공기 역학에 필요한 CFD 시뮬레이션 작업97.5%감소했습니다.

자동차 산업 사례 2- F1 기계의 공기 역학

모든 기술 응용 프로그램에 대한 매력적이고 도전적인 벤치 마크는 공식 1입니다. 요약하면, 공기 역학적 관점에서 F1은 세 가지 중요한 기술적, 정치적, 조직적 과제를 가지고 있습니다.자동차 부문의 AI, 특히 공기 역학기술 및 조직의 과제를 해결할 수 있습니다.

F1의 기술 문제

공기 역학의 기술적 과제는 승용차의 기술과 다릅니다. 포뮬러 1 머신, 직선 속도를 유지하면서 가능한 한 많은 다운 포스를 생성하는 데 집중해야합니다. 이를 통해 운전자는 더 나은 그립을 얻을 수 있으며 고속 운전 중에 코너 핸들링을 허용합니다. 이 F1의 다운 포스의 힘은 매우 크며 매우 강력하여 이론적으로 천장에서 운전할 수 있습니다.
F1의 공기 역학적 저항을 줄이는 것은 자동차의 최고 속도를 높이기 때문에 필수적입니다. 그러나 충격은 승용차의 영향보다 적습니다. 반면에, 에어로 탄력성은 승용차보다 가장 영향력이 있습니다. F1 기계에는 공기 역학적 하중에 노출되는 많은 외부 구조가 있습니다. 이러한 하중을 받으면 신체와 날개가 구부러 지거나 변형되어 차량의 성능에 영향을 미쳐 여러 주요 사고가 발생합니다.

F1의 조직 과제

슬롯 개발에서 중요한 마지막 요점은 "규제"입니다. F1 세계에는 기계의 공기 역학적 설계에 대한 엄격한 규정이 있으며 날개 및 전방 및 후면 디퓨저와 같은 특정 모양과 크기의 공기 역학적 장치가 있습니다. 이 규정은 공기 역학 팀이 이용할 수있는 설계를 제한합니다. 그러나 차량을 개발하는 데 사용할 수있는 풍동 실험의 수와 CFD 시뮬레이션 시간에는 제한이 있습니다. 이는 자원 활용이 외부 제어에 의해 규제되지 않는 자동차 제조업체와 다릅니다.

F1의 공기 역학 설계의 예 - 전통적인 접근 방식

F1 디자이너가 다이어그램 (중첩)에 표시된 것처럼 5 가지 자동차 디자인을 고려해야하는 경우를 고려해 봅시다.

전통적으로, 디자이너들은 CFD 부서와 협력하여 흐름 필드 (아래 참조) 및 다운 포스와 같은 공기 역학적 매개 변수를 계산하여 효과적으로 발생하는 일을 반복적으로 확인했습니다.

전통적인 시뮬레이션 기술 (이 개념은 AI의 이점을 이해하는 데 필수적입니다)은 CAD에서 CFD로 즉각적인 작업을 마이그레이션 할 수 없습니다. Formula 1 팀의 CFD 부서에서 전용 전문가는 여러 단계를 담당합니다. 보다 정교한 시나리오에서 사용자는 포털 앞에 앉아 (웹 기반 서비스) CAD 파일을 입력하고 일부 매개 변수는 자동으로 공기 역학적 보고서를 반환 할 수 있습니다. 그러한 경우에도 응답 속도가 중요합니다.

F1의 공기 역학적 디자인 예 - 슬롯 접근법

따라서이 응답 전에 대기 시간을 3 시간에서 0.3 초로 줄일 수 있습니까? AI를 사용하면 디자이너를 사용하면 다양한 유형의 디자인을 관리하고 AI로 광범위하고 상세한 디자인 공간을 탐색 할 수 있습니다. 또한 CFD 및 풍동 실험으로 최종 검증에 중점을 둘 수 있습니다.

여기서 디자이너는 공기 역학적 특성을 짧은 시간 내에 확인할 수 있습니다 (랩톱에서 0.3 초, 컴퓨터 클러스터에서 3 시간). 공기 역학적 특성의 세부 사항 중 하나는 다양한 비히클 단면에서 소용돌이 생성입니다. 아래 다이어그램에서 볼 수 있듯이 시뮬레이션 결과에는 큰 차이가 없습니다. 중요한 것은 CFD 시뮬레이션의 시간이 슬롯 예측에 따라 몇 배나 짧다는 것입니다. 물론 슬롯 시뮬레이션의 경우 메쉬 생성 프로세스가 없습니다.

자동차 산업 사례 3 -HVAC 시뮬레이션

CFD (Computational Fluid Dynamics) 시뮬레이션을 사용하여 시스템 내에서 공기 흐름의 영향을 예측하여 자동차 난방, 환기 및 에어컨 (HVAC) 시스템 설계를 최적화 할 수 있습니다.
그러나 CFD는 일부 전문가에게만 주제이며 자동차 산업과 마찬가지로 일부 HVAC 설계자 만 알고 있습니다. 슬롯 기술이 HVAC 설계자에게 어떻게 도움이 될 수 있습니까? 자동차 산업의 슬롯가 고객 (OEM), 디자이너 및 시뮬레이션 전문가 간의 격차를 해소 할 수 있습니까?
신경 개념 모양은 TER1 구성 요소 또는 어셈블리입니다슬롯가 실시간 시뮬레이션을 실현하는 방법를 나타냅니다.
빅 데이터는 최근 슬롯 및 기계 학습의 발전과 함께 자동차 산업에서 수년간 수십 년 동안 경험을 쌓았으며 차세대 자동차로 자동차 산업을 전환 시켰으며 에어컨 설계자들도 두 가지 방식으로 도울 수 있습니다.

1. 슬롯 기반 알고리즘을 사용한 빠른 디자인 관련 열 및 흐름 예측
AI 알고리즘을 사용하여 설계 및 주변 온도 조건에 따라 HVAC 시스템의 성능을 추정 할 수있는 데이터 중심 예측 모델을 구성 할 수 있습니다. 이 모델은 설계자가 시스템 크기 및 구성을 최적화하는 데 도움이됩니다.

2. 슬롯 시스템을 사용하여 새로운 디자인 만들기 (최적화)
AI 최적화 알고리즘을 사용하여 일련의 제약 및 목표 및 이전 AI 예측 기능을 기반으로 HVAC 시스템의 최적 설계를 탐색 할 수 있습니다. 이 알고리즘은 거의 실시간으로 많은 설계 변수를 고려하며 원하는 성능 목표를 달성하기위한 최상의 조합을 찾을 수 있습니다.

데이터 수집 및 데이터 사용

여기서는 에어컨 시뮬레이션의 실제 예를 살펴 보겠습니다 (아래 참조).

엔지니어링의 비즈니스 지원 기능 개선신경 개념에서 신경 개념 슬롯 시스템 (NCS)의 도입에 의해 제시된다. 슬롯 도구 NC는 회사의 과거 경험에서 파생 된 데이터 세트와 결합되며 PLM 시스템에 올바르게 저장됩니다. 기술 트렌드의 키워드 인 "빅 데이터"에 대해 이야기 할 때 빅 데이터의 위치를 ​​구체적으로 추적하는 것이 중요합니다.
PLM은 CAD 및 시뮬레이션 데이터에서 센서 데이터에 이르기까지 제품 기록을 따르는 모든 데이터를 저장할 수 있습니다. 이것들은 NCS의 딥 러닝 AI 기술의 학습 과정에서 활용되기를 기다리고 있습니다.
이 예측 도구는 단순한 "디자이너를위한 사용하기 쉬운 소프트웨어"그 이상입니다. 이는 최종 사용자의 요구에 따라 생성 된 워크 플로를 포함하기 때문입니다.

HVAC 사례 요약

AI는 "소프트웨어 2.0"접근법, 즉 CAD 및 CFD와 같은 기존 소프트웨어의 데이터 (BAIT) (학습 데이터)로 인식하여 설명 할 수 있습니다. 위의 경우 1에 표시된 필요한 훈련 데이터는 예상보다 훨씬 적습니다. AI는 1000 개 이상의 샘플이 필요한 어려운 시나리오 대신 100 개 이상의 샘플로 원하는 정확도를 달성 할 수있었습니다.

1. 비모수 적, 일반화 된, 무료, CAD 데이터를 무료로 읽을 수 있습니다. 이것은 비모수 신경 개념 모양을 통해서만 가능합니다.

2. 이전 학습을 활용하십시오. 전송 학습을 사용하여 AI 딥 러닝은 처음부터 미리 훈련 된 예측 모델에서 "다시 시작"할 수 있습니다.

결론

AI 및 딥 러닝은 최초의 제품 개념 단계에서 자동차 산업의 설계 프로세스를 혁신 할 수 있습니다. 우리는 AI가 자동차 디자인의 개념 단계에서 자동차 산업을 지원할 수 있음을 보여주었습니다.

・ 디자인 : 딥 러닝은 과거 CFD/CAE 시뮬레이션에서 지식을 추출하여 설계 엔지니어에게 제공 할 수 있습니다.

・ 더 넓고, 더 빠르고, 더 빠르며, 탐색 공간 : 딥 러닝은 CFD/CAE보다 1,000 배 빠르게 처리 될 수 있으므로 동시에 1,000 개가 넘는 디자인을 탐색 할 수 있습니다.

이 기사는 신경 개념의 다음 웹 사이트에 게시 된 기사 "자동차 제조의 인공 지능|"의 일본어 번역입니다.

신경 개념 소개
신경 개념은 엔지니어링을 향상시키기 위해 슬롯 딥 러닝 알고리즘을 개발하고 있습니다. R & D주기 속도를 높이고 제품 성능을 높이고 차세대 엔지니어링 문제를 해결함으로써 80 명 이상의 고객을위한 제품 설계 방법을 혁신했습니다. 이 회사는 2018 년 스위스 EPFL에있는 주요 슬롯 실험실에서 설립되었습니다. 우리는 30 명 이상의 회원으로 구성되어 있으며 산업 공학의 미래를 인텔리전스로 변화시키는 비전에 전념하고 있습니다.자세한 내용을 보려면 여기를 클릭하십시오

• *제품/서비스 이름, 회사 이름, 로고 마크 등은 각 회사의 상표 또는 등록 상표입니다.

신경 개념 스튜디오, 딥 러닝 슬롯를 사용한 분석 결과 예측 솔루션

신경 개념 스튜디오는 딥 러닝 슬롯 기술을 기반으로 한 SaaS 형 분석 결과 예측 솔루션입니다. 슬롯 모델은 3D 형태 및 분석 결과로 구성 될 수 있으며 슬롯 모양 평가는 몇 밀리 초 만에 완료 될 수 있습니다. 모양 매개 변수와 일시적 현상이 다른 부품에 적용될 수 있으며 전송 학습에도 사용될 수 있습니다.