人工智能驱动的设计

人工智能驱动的设计

人工智能 (AI) 和机器学习 (ML) 领域的发展,加上强大的仿真、测试和现场数据集的可用性增加,使工程数据科学成为现代产品开发生命周期的关键组成部分。AI 增强的计算机辅助工程 (CAE) 使制造商能够发现机器学习引导的洞察力,通过物理和 AI 驱动的工作流程探索复杂设计问题的新解决方案,并通过协作和设计融合实现更多的产品创新。

设计生成

设计生成

使用 AI 技术增强当前产品开发实践,成倍提高工程团队的生产力,以探索更广泛的客户满意的高性能、有意义且可制造的新产品设计替代方案。

通过使用相同的基于物理的工具,从概念到设计验证,再到发布。整个过程的相同物理场工具,并由 ML 使用组织特定约束进行指导,Altair® DesignAI™ 可让用户在开发周期的早期阶段自信地拒绝低潜力设计,实现更快的设计迭代。

设计探索

设计探索

使用 AI 驱动的设计工具加强协作、加速设计迭代并推动产品创新。

如需对复杂几何体进行高保真建模,分析师可以使用 Altair® HyperWorks® Design Explorer,这是一种用于实时性能预测和评估的端到端工作流。Design Explorer 使用 ML 自动执行重复性任务,直观地为几何体创建和编辑、中间表面提取、表面和中间网格划分、网格质量校正执行直接建模,并进行高效的装配管理和过程指导。

优化设计

优化设计

从设计微调到设计合成,包括复杂的多物理场项目或数据集研究,Altair® HyperStudy® 可帮助多学科团队从复杂的模型中获得洞察力,利用各种信息探索和创造新理念,确定最佳折衷方案并为决策提供支持。

仿真技术与设计探索和 ML 相结合,使工程师能够有效应对上市时间挑战,并帮助团队交付更高性能的产品,在整个开发过程中考虑更多设计维度。

客户案例

福特汽车公司

福特使用 Altair® Knowledge Studio® 利用现场数据训练分类算法,以准确一致地预测每个新零件的正确冲压过程。

阅读案例

使用 AI 轻松实现高保真建模

HyperWorks shapeAI 可以实现自动识别模型中的图案和形状,使用户能够选择所有相似的形状并同时进行编辑。它使用集群对零件进行分组,使用户能够对少量零件组而不是对大量的单个零件进行建模。

shapeAI 包含对指定几何体本身的自动特征提取,无需进行任何额外的输入或干预。将这些功能与 HyperWorks 匹配工具中的 ML 算法结合,对于几何 ML 的功能,每个用户触手可及。shapeAI 可用于按几何相似性整理复杂模型的组件,以便对一个部分的修改可以同步到整体。

实现 shapeAI 的更多功能
使用 AI 进行异常检测和测试装置分析

使用 AI 进行异常检测和测试装置分析

Altair® Compose® 是一个用于数学计算、数据操作和可视化以及编程和调试脚本的环境,对重复运算和流程自动化非常有用。Compose 让用户能够执行各种数学运算,包括信号处理。

signalAI 是一个使用 ML 支持信号处理的库。signalAI 可以在时域和频域中执行数据准备。然后它可以自动训练异常检测模型以识别异常行为。此外,对于标记数据,它可以自动训练分类模型以预测信号签名并识别测试或操作环境。

用于动态降阶模型生成的 AI

用于动态降阶模型生成的 AI

降阶模型 (ROM) 可用于将详细的 3D 仿真整合到计算效率更高的 1D 环境中,以进行系统级研究。仿真工具(如 Altair® EDEM™ 或 Altair CFD™)支持对时变非线性系统进行详细研究,但由于仿真运行时间长,分析通常集中在组件或子系统上。然而,在完整系统仿真的情况下,通常需要减少组件行为,只取其与完整系统的交互就已足够,这样可以缩短求解器运行时间,同时仍能提供足够准确的结果。

利用 Altair 的 romAI 人工智能工具,可将 3D 仿真用作训练数据以生成动态 ROM。只需要运行几次 3D 仿真即可,因为与传统的数据驱动方法相比,这种方法需要的训练数据更少。romAI 可以与任何 求解器搭配使用,并且在训练空间内运行时可生成高度准确的结果, 甚至在该空间外的外推应用中也非常稳定且实用。如果从测试数据开始,还可使用同一 ML 技术进行系统识别。

利用现场数据进行预测分析

利用现场数据进行预测分析

工程数据科学家和分析师借助 Altair 产品从数据中获得可执行洞察。Altair® Knowledge Studio® 是一款市场领先且易于使用的 ML 和预测分析解决方案,可以快速实现数据可视化,并快速生成可解释性结果,而无需编写任何代码。

工程数据科学在各种产品设计和制造问题中具有实际应用。钣金冲压是汽车行业中最常见的制造工艺之一,但它需要具有丰富经验的人员手动为每个零件挑选出最合适且最具成本效益的工艺流程。

阅读福特客户案例

仿真和数据驱动的数字孪生

数字孪生能够帮助企业优化产品性能,了解产品的使用寿命,确定执行预测性维护的时间和位置,以及了解如何延长产品的剩余使用寿命 (RUL)。Altair 数字孪生集成平台将物理孪生体和数据孪生体进行了融合,能够在整个产品生命周期内提供优化支持。我们采用开放、灵活的综合性方法,让您能够根据自身情况实现数字化转型。

该基于物理场的仿真驱动数字孪生体采用独立于工具的标准接口(如功能性实体模型接口 (FMI))、带基于几何学的 3D CAE 工具的联合仿真方法,以及降阶建模方法,能够通过详细仿真导出低保真度模型。数据驱动的孪生可通过机器学习算法和数据科学来优化产品性能。如果从这个角度考虑问题,您便可以快速、实时地了解产品状态,然后进行适当的操作调整,延长产品寿命并避免故障。

关于数字孪生的更多信息

特色资源

劳斯莱斯:工程与数据科学的融合

纵观传统的产品生命周期,我们发现重要的设计决策往往在概念设计阶段的早期做出,也就是在详细的分析或测试数据可用之前做出。数据分析技术与经典工程工具相结合,可以在过程早期提供更多有用的信息,从而实际帮助解决这一冲突。这样,整个过程可以变得更加有效。

演示文稿

How to Make Responsible AI

How do industry leaders and today's young minds look at ethical AI? This article from Engineering.com poses some tough questions about the role AI will play in our future and how we can plan to deploy these powerful tools responsibly. The panel of industry leaders and up-and-coming engineers interviewed for this article include:

  • James Scapa, chairman, founder and CEO of Altair
  • Carsten Buchholz, capability lead of Structural Systems Design at Rolls-Royce
  • Hod Lipson, a professor at Columbia University that researches Robotics, AI, Digital Design and Manufacturing
  • John Estrada, a student that produced an AI model for drought stress assessments in plants
  • Tienlan Sun, a student that produced an AI model to detect illnesses within the eyes

Technical Document

AI 驱动的产品设计

Altair 一直致力于使用 AI 支持产品设计和开发,让您的工作生活更加愉快和高效。我们注重减少重复性、劳动密集型、非增值任务以及效仿专家和通过实时现场预测完善绩效预测,从而改进过程和结果。

演示文稿

AI 在产品设计领域的未来

该小组探讨了工程数据科学的现状以及增强仿真、AI 驱动的设计和预测数据分析的采用。

小组讨论会