データサイエンスによるデータ分析/検証ソリューションは、エンジニリング領域での品質向上を支援します。データサイエンスは、設計および生産技術等で必要となる要因分析、仮説に基づく機能検証へのデータ活用を促進します。また、技術ドキュメントや不具合情報から重要な知見(ノウハウ)を可視化することで、データの知的資産化と活用を支援します。
データサイエンスの適用では、その知識や実装力だけでなく対象業務の知見が重要です。特徴量の決定やモデル評価は、予測モデルの性能に影響し多くの時間を要します。ここでは、業務視点からの特徴量の探索やモデル評価とチューニングが必要となります。
弊社のエンジニリング領域の業務知見とCAEのソリューション実績を活かし、以下のソリューションを提供します。
設計要件からの検証対象を整理し、データサイエンスによる検証項目を絞込みます。各種分析手法を織り交ぜ、検証対象の特性に応じた分析アプローチを決定します。特徴量エンジニリングを繰り返すことで、対象の特徴量を深く理解し、データ選定の質を向上させます。
サロゲートモデルによる予測は、CAEに比べ計算時間を大幅に短縮し、繰り返し検証を可能とします。サロゲートモデルは、対象事象をデータから予測するものです。実験データや既存のCAE結果データ等から生成します。機械学習でのデータの次元削減は、特定の特徴量のアルゴリズムへの影響を防ぎ、モデルの予測精度を全体的に向上させます。
Cd値の予測は、エクステリア形状を使った3次元のCFDによる評価が一般的です。CFDは高性能のコンピュータを必要とし、最適なCd値となるエクステリア形状の探索に、多額の計算コストや長い検討期間を要します。ここでは、計算済みのCFD結果データを活用して機械学習モデルを構築しています。
機械学習モデルでは、同じケース数を検討する場合でも、計算コストが少ないため、下図のように結果的に検討期間を短くすることができます。
データマイニングやクラスタリングは、技術ドキュメントや不具合要因等の関係性を推定し、可視化します。データサイエンスは、人では気づかない潜在的な関係性を抽出し、そのつながりをネットワークで表現します。技術や事象をつなぐネットワークは独自の知的資産を形成し、課題に対する関連情報や洞察・気づきを与えます。
設計開発業務の中では、過去から蓄積・保存された業務文書や技術文書が、数多く存在します。データマイニング技術は、文書を構成する特徴的なキーワードを抽出し、情報の関係性を可視化します。
これらノウハウとして抽出された情報から、“新たな気づき”を得ることができ、例えば、下図のようなプレス加工を予測する解析モデルの評価精度の向上など、開発業務へのフィードバックとして有効活用されます。
“モノづくり”へのデータサイエンス技術活用支援
蓄積データに関する分析 / 提案
データ蓄積が不足している場合、CAE等を活用した機械学習用データの生成など
エンジニアリング知識を活かした探索的データ解析による、学習用データの特徴量と評価量の抽出に関する提案
エンジニアリング知識を活かした適用モデルの提案
モデルの予測精度向上のための提案
構築した機械学習モデルを業務活用するための、データ管理やシステム化の検討・提案
弊社のエンジニリング業務知見とCAEソリューション実績を活かした、 データサイエンスによるデータ分析 / 検証ソリューションは、エンジニリング領域での品質向上をご支援します。