最適化/機械学習による設計空間探索ソフトウエア pSeven

なぜ設計空間探索を実施するのか

設計空間探索機能により、様々な設計案を検討し、最適なソリューションを簡単に見つけることができます。pSevenは設計の課題を解決しながら、実験計画法の設定、設計最適化の組み込み、不確かさの定量化（UQ）の実行など手法を瞬時に切り替えることができます。

設計空間探索で次のことを実現します。

• モデルの信頼性を高める
• 設計の選択肢の検討
• トレードオフの検討
• ボトルネックの発見
• モデルの特定
• 目標の設定

実験計画法（DoE）とは、設計空間を探索するため、あるいは、できるだけ少ない観測値を用いてモデルの挙動についてできるだけ多くの情報を得るために、モデルの入力値を選択することである。DoEは、信頼性の高いサロゲートベース最適化（SBO）の実行やサロゲートモデル（予測モデル）構築のための学習データサンプルを生成するためにも使用できます。
モデルの挙動は、次元、サイズ、滑らかさ、ノイズ性などが大きく異なる場合があり、利用可能なモデル評価回数には限りがあることが多いです。pSevenではこのようなモデルをより効果的に探索するために、既知のバッチアルゴリズムや独自の適応的探索手法など、様々な手法を提供しています。

設計最適化とは、調査対象の製品や製造プロセスの解析モデルやシミュレーションモデルの性能を最適化する入力パラメータの値を求めるプロセスです。最終的には、以下のような問いに答えることになります。

• 製品やプロセスの特性を改善するにはどうしたらよいか？
• どの入力パラメータの組み合わせが最適か？
• 入力パラメータのばらつきが製品やプロセスの全体的な挙動に与える影響を小さくするには？

pSevenは、1つまたは複数のモデルの目的関数を様々な制約条件下で最適化するための、独自開発の手法・アルゴリズムを提供します。解析モデルの評価時間が短い設計最適化問題や、計算機資源のシミュレーションが高価な問題を効率的に解決するなど状況に応じて適切な手法を適用できます。
pSevenでは、最適化アルゴリズムの内部パラメータを調整する面倒な作業の代わりに、モデルの基本特性を設定するだけで、設定に基づいて特定の設計最適化アルゴリズムを自動的かつ適応的に選択するSmartSelection機能を提供します。

モデルの入力パラメータは、例えば減衰係数や散乱係数など、決定が困難または不可能な場合があります。実験を行うことで解決することもありますが、これらのパラメータを直接求めることができない場合は、より高度な研究が必要です。
このような場合、pSevenのモデル同定（またはデータマッチング）を利用することができます。これは、実験の出力データを収集し、未知の入力パラメータを持つ製品や製造プロセスのシミュレーションモデルまたは解析モデルを作成することです。その後、予測データと実験データの残差チェックを伴う最適化プロセスを設定し、未知の入力パラメータを特定します。このアプローチにより、研究コストを抑え、より信頼性の高いシミュレーションを実現することができます。

幅広い業界の専門家が、材料特性や動作条件など、製品の不確実なパラメータがその技術特性や動作特性に与える影響を評価する必要性に直面しています。pSevenの不確かさの定量化（UQ）は、このニーズに対応し、エンジニアが設計製品の品質と信頼性を大幅に向上させ、設計、製造、運用の初期段階で潜在的なリスクを管理することを可能にします。

UQは、入力パラメータの偏差と出力への影響を考慮して、モデル設計点を評価するために使用されます。入力パラメータの不確かさは、実験データ、製造上の制約、ベストプラクティス、または工学的判断に基づき、分布で記述されます。UQプロセスの最も重要な部分は、モデルの評価基準（例えば、故障条件）を定義することです。UQによって分布を得ることができ、モデルの信頼性を評価し、より良い技術的決定を行うことができます。

pSeven は、外部データの完全な制御と豊富なポスト処理機能を提供します。あらゆる種類の表や統計、相関関係、依存関係、パラレルコーディネート図、2D/3D可視化など、インタラクティブでカスタマイズ可能な総合ツールにより、エンジニアリング結果を可視化し、再利用することができます。