* Коришћење вештачке интелигенције за убрзање сложених прорачуна и аутоматско предлагање оптималних димензија дизајна
НТН је уградио технологију машинског учења засновану на вештачкој интелигенцији (АИ)-1) у свој аутоматизовани систем прорачуна који се користи за пројектовање треће-генерације лежајева главчине точкова који подржавају ротацију аутомобилских гума. Захваљујући томе, НТН је значајно смањио време потребно за анализу евалуације перформанси на мање од једне-десетине традиционалног времена, истовремено омогућавајући аутоматско дизајнирање димензија које испуњавају захтеве. Ово помаже у смањењу радног оптерећења дизајна и скраћује развојне циклусе купаца.
1) Машинско учење: Метода учења образаца из података за прављење предвиђања и класификација.
У дизајну аутомобилских делова, развој заснован на моделу (МБД) постаје све популарнији, развојни модел који симулира перформансе на рачунару да би се брже производили-квалитетни производи. 2022. године, НТН је покренуо аутоматизовани систем прорачуна „АБИЦС“, који обавља серију процеса пројектовања за трећу {{4}генерацију лежајева главчине точка, смањујући радно време{5}}конструкције за приближно 80% у поређењу са претходним методама, доприносећи краћем времену развоја клијената. У анализи методе коначних елемената (ФЕМ)2) која се користи за проверу да ли дизајн испуњава захтеве купаца, ако захтеви нису испуњени, неопходни су редизајн и поновна{9}}анализа коришћењем МКЕ. Међутим, лежај главчине точка треће{11}}генерације има сложену структуру, интегришући лежајеве и периферне компоненте као што су завртњи, што захтева веома сложене прорачуне да би се завршила ФЕМ анализа.
2) ФЕМ анализа: Рачунски метод који нумерички анализира физичке појаве као што су концентрација напона и деформације на рачунару дељењем сложених облика или структура на мале елементе.
Увођењем АИ технологије у „АБИЦС“, постигли смо -предвиђање велике брзине специфичних задатака ФЕМ анализе, смањујући време на мање од једне-десетине традиционалног времена. Штавише, ако резултати не испуњавају тражене спецификације, систем аутоматски предлаже одговарајуће димензије дизајна.
Процес пројектовања користи симулациони модел заснован на Ласо регресији3) у комбинацији са Бајесовом оптимизацијом4) алгоритмом. Први бира само неопходне податке из великог скупа података да би предвидео резултате анализе на основу улазних димензија дизајна, док је други алгоритам који ефикасно добија оптимално решење, чиме се постиже висока-предвиђања тачности и предлози димензија у широком опсегу. 3) Ласо регресија: Регресиона регресија: Метода унапред регресије која бира важне променљиве (опште методе) гради предиктивни модел. 4) Бајесова оптимизација: Алгоритам који ефикасно проналази оптимално решење за кратко време са што мање покушаја избором следеће тачке испитивања на основу резултата претходних испитивања.
НТН има за циљ да користи новоуведену АИ технологију да аутоматски предвиди све ФЕМ анализе имплементиране у АБИЦС-у до 2029. године и пружи оптималне препоруке за дизајн. Када се све ове функције имплементирају, очекује се да ће се време дизајна смањити за више од 90% у односу на време пре увођења АБИЦС-а.
НТН ће такође наставити да користи дигиталне технологије као што су ЦАЕ и АИ за побољшање ефикасности и прецизности истраживања и развоја, омогућавајући нам да брзо обезбедимо производе високих{0}}перформанси и високог{1}}квалитета нашим клијентима. Штавише, активно ћемо гајити дигиталне таленте способне да користе ове технологије.
