精彩案例摘取

汽車行業(yè)案例：如何利用機器學(xué)習(xí)ML

提前檢測NVH性能問題

及早解決 NVH 問題對于品牌形象至關(guān)重要，尤其是在車隊電氣化的情況下需要更快的 NVH 性能分析，以評估設(shè)計變量并確保結(jié)構(gòu)可靠性。

• 使用數(shù)據(jù)和機器學(xué)習(xí)創(chuàng)建用于了解設(shè)計變量對 NVH 性能影響的應(yīng)用程序；

• 利用無代碼機器學(xué)習(xí)模型和接又分析 NVH 指標(biāo)，比傳統(tǒng)方法快100倍。

• 及早發(fā)現(xiàn) NVH 問題，增強品牌聲譽并提高產(chǎn)品質(zhì)量；

• 更快的 NVH 分析可以加快決策速度并縮短開發(fā)周期；

• 用戶友好的無代碼工具可提高工作流程效率并延長產(chǎn)品生命周期。

重工業(yè)案例： AI + 數(shù)字孿生精準(zhǔn)護(hù)航

設(shè)備健康，提前預(yù)防故障

• 健康狀況 ( SoH )的預(yù)估很難做到準(zhǔn)確；

• 使用傳感器數(shù)據(jù) (如加速度和壓力)實時分析關(guān)鍵部件對于避免故障和減少停機時間至關(guān)重要。

開發(fā)實時合規(guī)的虛擬傳感器，使用 Altair^® romAl™ 和 Altair^® Twin Activate™ 準(zhǔn)確預(yù)測 SoH。這些虛擬傳感器可以部署在邊緣設(shè)備或云平臺上，以進(jìn)行持續(xù)監(jiān)控。

• 更深入地了解各種操作條件下的系統(tǒng)損壞行為；

• 改進(jìn)異常檢測和故障預(yù)測，支持采取主動措施防止故障；

• 實現(xiàn)更有效的預(yù)測性維護(hù)計劃，減少停機時間并提高整體運營效率。

材料與制造：AI 驅(qū)動大鑄件輕量化與

多學(xué)科優(yōu)化，增強性能

• 復(fù)雜設(shè)計：大鑄件制造中的設(shè)計和分析復(fù)雜性；

• 數(shù)據(jù)過載：需要處理大量的仿真數(shù)據(jù)才能確定最佳解決方案；

• 可持續(xù)發(fā)展目標(biāo):需要開發(fā)具有卓越多學(xué)科性能(碰撞、NVH 等)的輕量化產(chǎn)品。

• 多學(xué)科設(shè)計探索：采用多學(xué)科設(shè)計探索評估不同概念的設(shè)計需求與可制造性；

• AI / ML 聚類：利用 AI/ML 聚類技術(shù)識別海量數(shù)據(jù)中性能最優(yōu)的設(shè)計方案；

• 結(jié)構(gòu)優(yōu)化：利用輕量化策略，最大限度地提高能量吸收并減少變形，以避免破裂。

• 設(shè)計自由度：通過擴展的設(shè)計靈活性和材料特性，增強產(chǎn)品的輕量化潛能；

• 運營效率：減少與零件質(zhì)量相關(guān)的損失，提高資源利用率；

• 加快產(chǎn)品上市時間：加快產(chǎn)品開發(fā)速度，推動產(chǎn)品更快進(jìn)入市場。