人工智能驱动的设计

AI-powered Design

人工智能 (AI) 和机器学习 (ML) 领域的进步,加上强大的模拟、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。人工智能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,通过物理和人工智能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大的产品创新。

Design Generation

设计生成

增强当前的产品开发实践,并利用 AI 技术提高工程团队的生产力,以探索更广泛的客户满意、高性能和可制造的新产品设计替代方案。

通过应用相同的基于物理的工具,用于从概念到设计的验证,再到签收,并由机器学习使用组织特定约束进行指导, Altair® DesignAI™ 通过在开发周期的早期自信地拒绝低潜力设计,实现更快的设计收敛。

Design Exploration

设计探索

使用 AI 驱动的设计工具加强协作、加速设计融合并推动产品创新。

对于复杂几何的高保真建模,分析师可以使用 Altair® HyperWorks® 设计浏览器,用于实时性能预测和评估的端到端工作流。使用 ML 自动执行重复性任务,Design Explorer 直观地为几何创建和编辑、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,并结合高效的装配管理和过程指导。

Design Optimization

设计优化

从设计微调到设计综合,包括复杂的多物理场项目或数据集研究, Altair® HyperStudy® 帮助多学科团队从复杂的模型中获得洞察力,探索和创建具有各种输入的新概念,确定最佳折衷方案并支持决策。

仿真技术与设计探索和机器学习相结合,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。

Customer Story

Ford Motor Company

Ford 使用 Altair® Knowledge Studio® 来训练一个带有现场数据的分类算法,以准确、一致地预测每个新零件的正确冲压工艺。

阅读故事

使用 AI 轻松实现高保真建模 

超级工程 形状AI 使模型内的模式和形状识别自动化成为可能,使用户能够选择所有相似的形状并同时对其进行编辑。它使用聚类对零件进行分组,允许用户对少量组而不是大量单个零件进行建模。

形状AI 包含对指定几何体本身的自动特征提取,无需任何额外的输入或干预。将这些功能与 HyperWorks 匹配工具中的 ML 算法相结合,让每个用户都能轻松使用几何 ML 的强大功能。 shapeAI 可用于通过几何相似性组织复杂模型的组件,以便对一个部分的修改可以同步到所有部分。

使用 shapeAI 做更多事情
使用 AI 进行异常检测和测试装备分析

使用 AI 进行异常检测和测试装备分析

Altair® Compose® 是一个用于进行数学计算和操作和可视化数据的环境,以及用于重复计算和过程自动化的编程和调试脚本。 Compose 允许用户执行各种数学运算,包括信号处理。

signalAI 是一个使用 ML 进行信号处理的库。 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来识别异常行为。此外,对于标记数据,它可以自动训练分类模型以预测信号特征并识别测试或操作环境。

更多关于信号人工智能
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 模拟整合到计算效率更高的 1D 环境中,以进行系统级研究。模拟工具如 Altair® EDEM™ or Altair CFD™ 允许对时变非线性系统进行详细研究,但由于长时间的仿真运行,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,通常足以将组件行为减少到与完整系统的交互,从而改善求解器运行时间,同时仍能提供足够准确的结果。

利用 Altair 的 romAI 人工智能工具,3D 模拟可用作生成动态 ROM 的训练数据。只需要几次 3D 模拟运行,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 可以与任何求解器一起使用,并在训练空间内运行时产生高度准确的结果,并且对于空间外的外推甚至稳定有用。当从测试数据开始时,相同的 ML 技术也可用于系统识别目的。

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使用 Altair 从他们的数据中生成可操作的见解。 Altair® Knowledge Studio® 是市场领先的易于使用的 ML 和预测分析解决方案,可快速可视化数据,因为它可以快速生成可解释的结果 - 无需一行代码。

工程数据科学在广泛的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,但它需要丰富的经验和人工来为每个零件挑选出最合适且最具成本效益的子工艺。

阅读福特客户故事

模拟和数据驱动的数字孪生

数字孪生可帮助组织优化产品性能,了解产品的使用寿命,了解何时何地执行预测性维护,并了解如何延长产品的剩余使用寿命 (RUL)。 Altair 数字孪生集成平台融合了物理驱动和数据驱动的孪生,以支持整个产品生命周期的优化。我们采用完整、开放和灵活的方法,根据您的条件实现您的数字化转型愿景。

基于物理、仿真驱动的数字孪生利用标准化的、工具独立的接口,如功能模型接口 (FMI)、与基于几何的 3D CAE 工具的协同仿真方法以及降阶建模方法,从详细的模型中导出低保真模型。模拟。数据驱动的孪生使用机器学习算法和数据科学来优化产品性能。通过这个镜头查看问题,您可以快速、实时地了解产品状态,然后进行适当的操作调整,以延长产品的使用寿命并避免故障。

更多关于数字孪生

Featured Resources

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,我们看到重要的设计决策往往在概念设计阶段的早期做出,然后详细分析或测试数据可用。数据分析技术与经典工程工具相结合,可以通过在流程的早期提供更有用的信息来实际帮助解决这种冲突。因此,整个过程可以变得更加有效。

介绍

如何打造负责任的人工智能

行业领导者和当今的年轻人如何看待合乎道德的 AI? 这篇来自 Engineering.com 的文章提出了一些棘手的问题,即 AI 将在我们未来扮演的角色,以及我们如何计划负责任地部署这些强大的工具。本文采访的行业领导者和有前途的工程师小组包括:

  • Altair 董事长、创始人兼首席执行官 James Scapa
  • Carsten Buchholz,Rolls-Royce 结构系统设计能力负责人
  • Hod Lipson,哥伦比亚大学教授,研究机器人、人工智能、数字设计和制造
  • 约翰·埃斯特拉达 (John Estrada),一名学生,为植物干旱胁迫评估制作了 AI 模型
  • 孙天兰,一名学生制作了一个人工智能模型来检测眼睛内的疾病

文章

人工智能驱动的产品设计

Altair 一直致力于使用 AI 为产品设计和开发提供动力,让您的工作生活更加愉快和高效。我们的重点一直是通过减少重复性、劳动密集型、非增值任务以及模仿专家和通过实时现场预测来丰富绩效预测来改进流程和结果。

介绍

人工智能在产品设计中的未来

该小组探讨了工程数据科学的当前状态以及增强模拟、人工智能设计和预测数据分析的采用。

小组讨论会