자동차 전기화의 슬롯 사이트 추천 문제 해결 : 경량, 충돌 고유 한 차량 및 혁신적인 AI 솔루션의 역할

자동차 라이터를위한 혁신적인 솔루션

Mubea는 자동차 산업의 국제 파트너이며 혁신적인 경량 전문가입니다. 가족 소유 회사 인 Mubea는 또한 장기적이고 지속 가능한 성공과 동의어이며 독일 참석 런에 본사를 둔 글로벌 회슬롯 사이트 추천며 전 세계 20 개국에 위치합니다.

Mubea Group은 경량 부품의 혁신적인 개발 및 생산의 핵심 역량으로 전통적인 전기 및 전기 드라이브 트레인으로 자동차 비즈니스의 성공에 기여합니다. 또한 Mubea는 다른 이동성 분야, 특히 항공 산업에서 핵심 노하우를 성공적으로 설립했습니다.

수십 년 동안 Mubea는 섀시, 본문 및 파워 트레인 제품을 제공하는 자동차 산업의 최고 계층 1 공급 업체가되었습니다. 제품 자체가 제공 한 것과 마찬가지로 제품 개발 프로세스도 독특하고 맞춤화되었습니다. Mubea의 디자인은 일련의 디자인 탐색에서 비롯되어 무게, 신뢰성 및 비용과 같은 모든 충돌 요구 사항 슬롯 사이트 추천에서 가장 최적의 타협을 찾습니다.

4275_4382

"Mubea는 슬롯 사이트 추천 최적화 기술을 사용하여 고객의 요구에 맞는 제품 구성을 찾습니다. 프로세스는 FEA (Finite Element Analysis)를 사용합니다. 슬롯 사이트 추천 제안은 특수 CAE 프로세스 체인을 기반으로 자동 평가됩니다. Metamodel 기반 최적화는 최적의 부품 모양 및 두께 분포를 결정합니다.

이전 방법은 스칼라 값으로 최대 변위 및 힘과 같은 주요 결과를 추출하고 본격적인 FEA 분석없이 슬롯 사이트 추천를 신속하게 평가할 수있는 예측 모델을 생성하는 것이 었습니다. 이 방법은 대부분의 경우 매우 효과적 이었지만 신경 개념 모양을 사용하여 지금은 다음과 같습니다.

1. 완벽한 모델의 행동과 기본 물리학과 단일 중요한 결과를 활용
2. 오래된 프로젝트의 과거 시뮬레이션 결과를 사용하여 모델 학습 노력을 더욱 줄이십시오 "

이 백서는 Mubea가 다음과 같은 과제를 어떻게 해결했는지 소개하는 데 중점을 둡니다.

・ 주어진 데이터 세트에 대한 3D 필드의 응답을 예측하는 방법
・ 슬롯 사이트 추천자가 사용할 수있는 슬롯 사이트 추천 검증 도구 개념
・ 저장된 데이터 측면에서 Mubea의 누적 된 지식과 경험을 활용하는 방법

아래 다이어그램은 배터리 하우징의 일반적인 슬롯 사이트 추천를 보여줍니다.

혁신적인 프로젝트 : 미션

신경 개념의 사명은 엔지니어의 근무 시간을 줄이고 급격한 슬롯 사이트 추천 개선으로 이끌어내는 것입니다. 이번에는 EVS 용 배터리 하우징 슬롯 사이트 추천에서 Mubea와 신경 개념이 어떻게 협력했는지 보여줄 것입니다. 이 백서는 신경 개념 모양 (NCS)을 소개하여 딥 러닝 접근 방식을 취합니다. 이는 CAE (CARD) 및 3D 시뮬레이션 (CAE)과 같은 회사 데이터를 사용하여 AI 기반 앱을 만들어 회사의 모든 엔지니어가 실시간으로 시뮬레이션 결과를 얻을 수있는 솔루션입니다.

슬롯 사이트 추천 엔지니어들에게 중요한 것은 슬롯 사이트 추천 제안이 자동차의 측면 충돌시 배터리의 구조적 무결성을 보장하는지 확인하는 것입니다. 따라서 수백 가지의 슬롯 사이트 추천 옵션은 무게 감소 및 포장 요구 사항에서 비롯됩니다.

혁신적인 프로젝트 : run

이 프로젝트의 과제는 배터리 하우징의 슬롯 사이트 추천드 레일이 배터리와 접촉하지 않도록하는 것이 었습니다. 일반적인 방법은 접촉력의 구성 요소 슬롯 사이트 추천의 거리를 측정하는 보고서 템플릿을 만드는 것입니다.

"레거시 접근법은 접촉력을 0으로 설정하고 두께 최적화가 수행되었습니다. 그러나이 접근법의 모델의 품질은 0 근처의 비선형 성과 반응의 불안정성으로 인해 매우 열악했습니다. 따라서 3D 변형 및 거리 및 충돌을 측정 할 수있는 솔루션을 찾았습니다."

따라서 신경 개념 팀의 도전은 거의 실시간으로 실행되는 AI 기반 애플리케이션을 구축하여 디자이너가 단순화 된 접근 방식에서도 요점을 취하지 않고 대답 할 수 있도록하는 것이 었습니다. 가장 중요한 것은 충돌 시뮬레이션 중에 특정 슬롯 사이트 추천 구성이 배터리 접촉을 유발하는지 여부를 예측할 수 있습니다. 신뢰성 지표에는 "오 탐지"의 부족이 포함됩니다. 즉, 접촉이 없더라도 앱이 접촉을 예측할 경우가 없으며 최소한 "거짓 부정", 즉 앱이 접촉 상황을 강조하는 최소 상황입니다.

이 앱에 수백 개의 디자인이 입력 된 경우, 기본 소프트웨어 신경 개념 모양 (NCS)에 의해 예측 된 하나의 잘못된 부정만이 잘못되었으며 잘못된 긍정은 발생하지 않았습니다. 이것은 가장 중요 하며이 대리 모델을 사용하여 배터리 하우징의 슬롯 사이트 추천를 최적화 할 수 있습니다.

XYZ 변위 및 최대 힘의 예측 품질에 대한 자세한 분석이 이루어졌습니다. 소위 결정 계수 R2는 기본 예측 엔진 (NCS)의 정확도를 측정하는 공정한 지표입니다. 대리 모델은 다음과 같이 표 1에 표시된 테스트 세트의 R2 점수로 매우 높은 정확도에 도달합니다.

"우리는 NCS를 사용함으로써 신경망이 문제의 물리학을 배울 수 있다는 것을 배웠습니다. 각 노드의 변형 응답은 최소 거리의 응답보다 훨씬 매끄럽고 결과의 품질을 크게 향상시킵니다. 우리의 레거시 솔루션은 85%와 30%의 오차를 가졌습니다.

NCS는 최적화 루프에서 3D 필드 응답 예측을 활용할 수있을뿐만 아니라 추가 목적으로 솔버를 사용하지 않고 모델 예측을 시각화 할 수있는 작은 웹 앱을 만들었습니다. 그림 2는 테스트 형태의 FEA 시뮬레이션과 비교하여 NCS 예측 결과를 보여줍니다.

"이와 같은 웹 앱을 사용하면 디자이너는 본격적인 FEA 분석을 수행하지 않고도 디자인에 대한 직접적인 피드백을 얻을 수 있습니다. 디자이너 경험은 종종 잘 정의되고 강력한 변형 행동을 달성하는 데 중요하지만 여기서 가장 중요한 것은 엔지니어가 잘못된 방향을 이끌지 않도록 모델의 품질을 이해하는 것입니다."

프로세스의 핵심 신뢰성

NCS의 신뢰성 개념을 강화하기 위해 엔지니어는 각 예측마다 주어진 신뢰 지표를 사용하여 NCS의 예측을 신뢰하는지 여부를 결정할 수 있습니다. 그림 3은 사용자가 예측의 약 10%를 신뢰하지 않는이 메트릭을 기반으로 허용 가능한 임계 값을 선택하면 90% 신뢰할 수있는 예측의 R2 점수는 최대 부하에 대해 0.95임을 보여줍니다. 선택한 공차 임계 값 아래의 나머지 10% 예측은 필요한 경우 CAE로 시뮬레이션 할 수 있습니다. 이 새로운 시뮬레이션은 기본 딥 러닝 (슬롯 사이트 추천) 모델을 가르치는 데 사용될 수 있다는 이점이 있습니다.

이 방법은 잘 정의 된 매개 변수를 기반으로 배치로 생성 된 일련의 시뮬레이션에 적용되었습니다. NCS를 사용하면 과거의 디자인을 사용하여 네트워크를 훈련시킬 수 있으므로 과거 프로젝트에서 얻은 지식을 활용하면 최적의 디자인이 더 빨리 달성 될 수 있습니다.

"우리는이 특별한 기능을 평가하지는 않았지만 향후 애플리케이션에 큰 관심을 가지고 있습니다. SDM 시스템에 많은 데이터가 올바르게 저장되고 분류되면이 기술을 적용하여 알려진 제품의 최적 디자인을 더 빨리 달성 할 수 있습니다."

결론 : 디자이너를위한 시뮬레이션

충돌 시뮬레이션을 수행 할 기술이없는 슬롯 사이트 추천자조차도 약 1 초 안에 변위와 최대 부하를 결정할 수있는이 프로세스는 일반적으로 슬롯 사이트 추천 개념에서 CAE 검증까지 몇 시간이 걸린다는 점을 고려할 때 혁신적인 일입니다.
이 혁신적인 접근 방식은 시뮬레이션 중심 디자인의 목표를 달성했습니다. 앞으로 알고리즘 중심 디자인 (최적화 알고리즘에 의한 슬롯 사이트 추천 변경)과 같은보다 유망한 진화가 기다리고 있습니다.

이 기사는 다음 신경 개념의 다음 웹 슬롯 사이트 추천에 게시 된 기사를 기반으로합니다.혁신적인 경량 구성 요소 슬롯 사이트 추천를위한 신경 개념 모양을 사용하는 amubea|"의 일본어 번역입니다.

신경 개념 소개

신경 개념은 엔지니어링을 향상시키기 위해 AI 딥 러닝 알고리즘을 개발하고 있습니다. R & D주기 속도를 높이고 제품 성능을 높이고 차세대 엔지니어링 문제를 해결함으로써 80 명 이상의 고객을위한 제품 슬롯 사이트 추천 방법을 혁신했습니다. 이 회사는 2018 년 스위스 EPFL에있는 주요 AI 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.