

開発元:DATADVANCE
pSevenは、効率的なパラメータ分析を行うための先進的な設計空間探索(実験計画法・最適化・不確からしさの定量化)機能や、既存の試験・シミュレーションデータから機械学習モデルを構築する予測モデリング機能を提供します。
また、与えられた問題に対して最も効果的な手法を自動で選択するSmartSelection機能が実装しており、数学の専門家でなくても数回のクリックで様々な工学的問題解決し、最適な設計を発見できます。
トピックス
pSevenとは?


計算コストが膨大
ex)エンジンディスクの形状最適化
解決策 

強度向上と軽量化の2目的最適化のため、サロゲートモデルを構築し、多目的最適化アルゴリズムで少ない計算回数で最適解を探索

結果
- 数分で2000回の計算 / 400個の最適解を探索
- FEM解析の計算コストを削減
シミュレーションと実測値が合わない
ex)照明解析のパラメータフィッティング
解決策 

乳白板の解析パラメータの最適化組み合わせを見つけるため、最適化アルゴリズムを用いて実測値と合うパラメータの組合せを検討

結果
- 実測値と一致するパラメータの組合せを探索
- シミュレーション精度向上と実験回数削減
制約条件が多く最適化検討が困難
ex)IGBT冷却板の冷却効率最適化
解決策 

最大温度、流体抗力の最小化を実現するため、実験計画法により少ないサンプリング数でサロゲートモデルを作成し、高速な最適化計算を実現

結果
- 計算負荷の高い流体解析を効率化
- 寄与度の高いパラメータや相関関係が分析可能に
パラメータのサンプリングに時間がかかる
ex)ボイラ燃焼数値解析の初期パラメータサンプリング
解決策 

モデルが大規模で、パラメータ数も膨大のため、実験計画法を用いて複雑なパラメータ選定を自動化

結果
- 複雑なパラメータ選定の時間を削減
- 少ないシミュレーション回数でモデル挙動情報を取得
パラメータが膨大でデータ分析が困難
ex)人工衛星のバッテリー寿命予測
解決策 

高精度な寿命予測のため、膨大なパラメータから主成分分析を行い、Inputパラメータを削減

結果
- パラメータ削減後の予測誤差は約0.2%
- 実際のバッテリー寿命に対して十分な精度で予測
実験回数が少なくモデルの精度が不安
ex)コックピットエリアにおける乱流境界線の騒音予測
解決策 

フュージョン機能を用いて、高信頼度の実験データと低信頼度のシミュレーションデータから1つのサロゲートモデルを作成

結果
- 実験回数を増やすことなく、予測精度を向上
- 実験未実施の領域も予測可能に

- 非線形領域の予測が困難、シミュレーションに時間がかかる
- 大量の実験データを活用してシミュレーションを行わず開発したい
- 人員リソースの減少(自動化のニーズ)
- 対象の現象をシミュレーションできるツールがない
技術情報コラム
pSeven製品紹介動画
適用分野
製品資料
- ※掲載されている製品、会社名、サービス名、ロゴマークなどはすべて各社の商標または登録商標です。
製品・サービスに関する
お問い合わせ・資料請求
ご質問、ご相談、お見積もりなど
お気軽にお問い合わせください。
デジタルエンジニアリング事業本部
プロダクト推進部
TEL:03-5859-3012
E-mail:eng-sales@scsk.jp お問い合わせフォーム
プロダクト推進部
TEL:03-5859-3012
E-mail:eng-sales@scsk.jp お問い合わせフォーム