close
  • Altair One
  • 發展趨勢
    行業
    角色
  • 產品分組
人工智能驅動設計

人工智能驅動設計

AI 和機器學習 (ML) 領域的發展，加上強大的模擬、測試和現場數聚集的可用性增加，使工程數據科學成為現代產品開發生命週期的關鍵組成部分。AI 增強的電腦輔助工程 (CAE) 使製造商能夠發現 ML 引導型深度資訊，通過物理和 AI 驅動的工作流程探索複雜設計問題的新解決方案，並通過協作和設計融合實現更多的產品創新。

設計生成

設計生成

使用 AI 技術增強當前產品開發實踐，成倍提高工程團隊的生產力，以探索更廣泛的客戶滿意的高性能、有意義且可製造的新產品設計替代方案。

使用與用於從概念到設計再到簽收的驗證相同的基於物理的工具，並由 ML 使用組織特定約束進行指導，Altair® DesignAI™ 可讓用戶在開發週期早期自信地拒絕低潛力設計，實現更快的設計收斂。

Design Exploration

Design Exploration

使用 AI 驅動的設計工具加強協作、加速設計融合並推動產品創新。

對於複雜幾何體的高保真建模，分析師可以使用 Altair® HyperWorks® Design Explorer，這是一種用於實時性能預測和評估的端到端工作流。Design Explorer 使用 ML 自動執行重複性任務，直觀地為幾何體創建和編輯、中間表面提取、表面和中間網格劃分、網格品質校正執行直接建模，並進行高效的裝配管理和過程指導。

優化設計

優化設計

從設計微調到設計合成，包括複雜的多物理場專案或資料集研究，Altair® HyperStudy® 説明多學科團隊從複雜的模型中獲得洞察力，利用各種輸入探索和創建新理念，確定最佳折衷方案並為決策提供支援。

模擬技術與設計探索和 ML 相結合，使工程師能夠有效應對上市時間挑戰，並幫助團隊交付更高性能的產品，在整個開發過程中考慮更多設計維度。

客戶案例

福特汽車公司

福特使用 Altair® Knowledge Studio® 利用現場數據訓練分類演算法，以準確一致地預測每個新零件的正確衝壓過程。

閱讀案例

使用 AI 輕鬆實現高保真建模

使用 AI 輕鬆實現高保真建模

HyperWorks shapeAI 可以實現自動識別模型中的圖案和形狀，使使用者能夠選擇所有相似的形狀，同時進行編輯。它使用集群對零件進行分組，使使用者對少量組而不是大量單個零件進行建模。

shapeAI 包含對指定幾何體本身的自動特徵提取，無需進行任何額外的輸入或干預。將這些功能與 HyperWorks 匹配工具中的 ML 演算法結合，對於幾何 ML 的功能，每個用戶觸手可及。shapeAI 可用於按幾何相似性整理複雜模型的元件，以便對一個部分的修改可以同步到整體。

實現 shapeAI 的更多功能
使用 AI 進行異常檢測和測試裝置分析

使用 AI 進行異常檢測和測試裝置分析

Altair® Compose® 是一個用於數學計算、資料操作和視覺化以及程式設計和調試腳本的環境，對重複運算和流程自動化非常有用。Compose 讓使用者能夠執行各種數學運算，包括信號處理。

signalAI 是一個使用 ML 支援信號處理的庫。signalAI 可以在時域和頻域中執行數據準備。然後它可以自動訓練異常檢測模型識別異常行為。此外，對於標記數據，它可以自動訓練分類模型以預測信號簽名並識別測試或操作環境。

用於動態降階模型生成的 AI

用於動態降階模型生成的 AI

降階模型 (ROM) 可用於將詳細的 3D 模擬整合到計算效率更高的 1D 環境中，以進行系統級研究。模擬工具（如 Altair® EDEM™ 或 Altair CFD™）支援對時變非線性系統進行詳細研究，但由於模擬執行時間長，分析通常集中在元件或子系統上。然而，在完整系統模擬的情況下，通常將元件的行為減少到與完整系統的交互就已足夠，從而提高求解器執行時間，同時仍能提供足夠準確的結果。

利用 Altair 的 romAI 人工智能工具，3D 模擬可用于生成動態 ROM 的訓練術具。只需要運行幾次 3D 模擬，因為與傳統的數據驅動方法相比，這種方法需要的訓練數據更少。romAI 可以與任何求解器一起使用，並可在訓練空間內運行時生成高度準確的結果，甚至在空間外的外推中也非常穩定和有用。當從測試數據開始時，相同的 ML 技術也可用於系統識別目的。

利用現場數據進行預測分析

利用現場數據進行預測分析

工程數據科學家和分析師借助 Altair 產品從數據中獲得可執行洞察。Altair® Knowledge Studio® 是一款市場領先的 ML 和預測分析解決方案，可以快速實現資料視覺化，並快速生成可解釋性結果，而無需任何代碼。

工程數據科學在各種產品設計和製造問題中具有實際應用。鈑金衝壓是汽車行業中最常見的製造工藝之一，但它需要具有豐富經驗的人員手動為每個零件挑選出最合適且最具成本效益的子工藝。

閱讀福特客戶案例
模擬和數據驅動的數字孿生

模擬和數據驅動的數字孿生

數位孿生能夠説明企業優化產品性能，瞭解產品的使用壽命，確定執行預測性維護的時間和位置，以及瞭解如何延長產品的剩餘使用壽命 (RUL)。Altair 數字孿生集成平臺將物理孿生體和數據孿生體進行了融合，能夠在整個產品生命週期內提供優化支援。我們採用開放、靈活的綜合性方法，讓您能夠根據自身情況實現數字化轉型。

該基於物理場的模擬驅動數字孿生體採用獨立於工具的標準介面（如功能性實體模型介面 (FMI)）、帶基於幾何學的 3D CAE 工具的聯合模擬方法，以及降階建模方法，能夠通過詳細模擬匯出低保真度模型。數據孿生可通過機器學習演算法和數據科學來優化產品性能。如果從這個角度考慮問題，您便可以快速、即時地瞭解產品狀態，然後進行適當的操作調整，延長產品壽命並避免故障。

關於數字孿生體的更多資訊

特色資源

勞斯萊斯：工程與數據科學的融合

縱觀傳統的產品生命週期，我們發現重要的設計決策往往在概念設計階段的早期做出，也就是在詳細的分析或測試數據可用之前做出。數據分析技術與經典工程工具相結合，可以在過程早期提供更多有用的信息，從而實際説明解決這一衝突。這樣，整個過程可以變得更加有效。

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 驅動的產品設計

Altair 一直致力於使用 AI 支援產品設計和開發，讓您的工作生活更加愉快和高效。我們的重點是減少重複性、勞動密集型、非增值任務以及效仿專家和通過即時現場預測豐富績效預測，從而改進過程和結果。

演示文稿

AI 在產品設計領域的未來

該小組探討了工程數據科學的現狀以及增強模擬、AI 驅動的設計和預測數據分析的採用。

小組討論會

聯繫我們

我們能幫你什麼嗎？

期待收到您的來信。請通過以下方式聯繫我們。

聯繫我們