本ユーザ会の基調講演には、計算力学、破壊力学、非接触ひずみ計測をご専門とされている近畿大学 理工学部 機械工学科 教授 和田様にご登壇いただき、「CAEにおけるディープラーニング活用 ～重合メッシュ法によるき裂進展挙動学習～」と題し、ご講演いただきました。

「ILSVRC 2012（ILSVRC：ImageNet Large Scale Visual Recognition Challenge　コンピュータの物体認識の精度を競うコンテスト）」で、ディープラーニング（深層学習）の有効性が画像認識において示され、その可能性に多くの人々が期待する状況になり、5年が経ちました。しかし現在においても、計算力学やCAEといった分野こそ、ディープラーニングとの親和性が高いと期待するものの、その応用方法・利用方法については先行研究事例すら少ない状況にあります。

講演では、コンピューティングパワーにより学習用データを大量生成し、何をどのように学習するのが最も効果的かつ効率的かをき裂進展挙動を通して考察いただくとともに、並列計算環境におけるディープラーニングの学習データ生成についてもご説明いただきました。また講演の終わりには、「最適な学習用データの収集・厳選は困難。しかし、CAEとディープラーニングの融合は適材適所のテクノロジーといえ、ディープラーニングによる汎用技術はCAEにおいても適用の可能性は高い。CAE（Computer Aided Engineering: コンピュータ援用設計）からA2E（Artificial intelligence Aided Engineering：AI援用設計）への進化が期待できる」と話されました。

建設機械・運搬機械および環境関連製品などの製造・販売を手掛けられている日立建機株式会社様の実験解析評価センタでは、FEM解析を用いた油圧ショベルの強度評価に関する高度化に取り組まれています。

本セッションでは、超大型ショベルにおける大型溶接構造物の信頼性向上という課題に対し、破損が起こりやすい溶接不溶着部にかかる負荷の事前評価手法について、機構解析と組み合わせたADVENTREClusterの適用事例をご紹介いただくとともに、ADVENTUREClusterを適用することにより、得られた効果についてもお話しいただきました。

オート向けを中心としたダイカストの大手製造メーカーである株式会社アーレスティ様では、アルミダイカスト設計業務において、ダイカスト製品の疲労寿命や寸法精度向上に対し、離型力、残留応力、熱変形など熱的な影響に考慮した解析が必要となっています。しかし、これらの解析には、金型を含めた解析モデルの大規模化に加え、材料クリープ特性などへの考慮も必要となることから、解析負荷の増加が大きな課題となっています。

本セッションでは、これらの課題の解決に向け、従来ソフトとADVENTUREClusterを解析精度と解析時間の観点で比較した事例をご紹介いただくとともに、金型への抱き付き力および残留応力の解析にADVENTUREClusterを適用した事例について詳しくご紹介いただきました。

ヤンマー株式会社様では、適正な品質・価格・タイミングで製品をお客様に提供することを目指し、さらなる解析技術の高度化および適用範囲の拡大を図っておられます。

本セッションでは、エンジン部品の高周波焼入れ解析において、製造時の残留応力予測や処理条件導出に適用するためユーザ関数機能を活用した解析技術を構築し、計算精度や計算時間、計算効率などの基本性能について、従来ソフトとADVENTUREClusterとの比較検証を行った事例について詳細にご説明いただきました。

自動車部品開発・製造メーカーである株式会社ヒロテック様は、フタ物と排気系に特化することにより、開発から生産のすべての領域において改善と改革を推進し、オンリーワンの技術を通して世界一のエンジニアリング会社を目指されています。

本セッションでは、プレス金型の製造において、部品・工程の単位で理想的金型構造を追及するためにADVENTUREClusterを導入し、金型の変位やたわみに関して活用した4つの事例についてご紹介いただきました。

トラックをはじめ、バスやピックアップトラックなどの自動車、およびエンジンを主要製品とされている、いすゞ自動車株式会社様では、解析件数の増加、解析内容の高度化に対し、CAEの期間短縮が必要であるとかねてから考えられ、改善活動に取り組まれています。こうしたなか、人による手作業が多いためモデル作成には時間を要しており、期間短縮について改善の余地を残していました。

本セッションでは、モデリング時の煩雑な設定を廃し、また、細かいメッシュコントロールをオートで実施し、計算負荷が増大した分についてはADVENTUREClusterのスケーラビリティを活かした多並列化により計算時間をカバーすることで、モデル作成期間短縮を実現した取り組みについて詳細にご紹介いただきました。