小组讨论:人工智能的未来产品设计
增强模拟功能在计算机辅助工程(CAE)工具正在加速设计决策过程和机器学习。基于机器学习的力量(ML)的人工智能(AI)的设计结合基于物理simulation-driven设计利用最新的高性能计算(HPC)只是被意识到。bob官网 bob体育下载虽然预测数据分析技术正在积极部署在长与业务相关的数据以数据来提高生产、质量保证和测试性能。
在最近的“牵牛星”的Future.AI事件,探索角色发生了35分钟小组讨论人工智能将在产品设计的未来。Carsten邦格博士主持的商业应用研究中心的创始人兼CEO(巴克)GmbH,面板包括Altair Fatma koc博士专家和技术人员,工程副总裁数据科学、数据分析销售的副总裁,安东尼·迈克劳林基督教Kehrer系统建模业务发展经理,欧洲、中东和非洲(EMEA)和马可苍蝇数据分析的技术总监。
以下是一些关键的问题问在小组讨论:
工程数据科学的关键领域是什么?
安东尼·迈克劳林:有两个关键领域,我们在关注。第一是在CAE或产品开发,这是关于工作流的自动化,能够更快的构建和模拟模型。其次,能够发现新的和更好的设计速度。以外的CAE但仍然非常工程师驱动,保修等现有数据的用例分析,能够利用数据和工程知识来减少召回的数量对于一个给定的产品,智能工厂,预测性维护,质量分析,这些东西。这些工程,但工程以外的现有数据用例驱动的。当然,CAE以外的新的用例。
领域的测试为例,有大量的数据和潜在的自动化和减少物理测试。所有这些用例是重点领域,无论是在CAE中,工程部门,质检部门,测试,或制造。他们都很受工程领域知识。实现用例我刚才提到绝对是改变游戏规则的制造商。但真正的关键问题是,有人力资源领域知识缺口和工程师非常适合它在我看来。牵牛星(Altair),这就是为什么我们相信工程师将知道AI CAE的内部和外部的潜力。我们的重点是牵牛星是授权工程师,帮助他们做出数据科学之旅,和更快。
我们已经讨论过如何想部署这些ML-based解决方案。你在哪里看到巨大差异基于物理的方法相比,当你谈论设计决策?
Fatma koc:作为工程师,我们创建大量的数据,但我们并没有真正被数据训练有素和有原因。我们的数据通常是非常大的文件,我们不能总是存储它们,一旦你找到一个好的设计你的移动和删除一切因为你必须打开房间新传入的数据。这关系到为什么一毫升数据驱动的方法没有捡起就像其他行业一样快。在ML-based解决方案,我们扣除特定应用程序的性能从一个数据集和从数据中学习。结果,我们需要前期的数据,但我们不必做出假设的物理、材料特性、负载情况下,等等。一旦我们训练一个毫升模型,新设计的推理是非常快,允许我们做宽设计探索和提出更具创新性的设计。
基于物理的方法,我们引进的我们已经知道物理、材料和载荷情况。但是我们必须做出假设简化问题,否则他们将需要更长时间使用非常高的执行计算机计算时间。基于物理模型不需要前期的数据,但他们需要实现物理,你知道,简化,并准备时间太长设计转换为啮合等CAE模型,施加载荷和边界条件。
另一个话题,毫升模型光泽更复杂的设备,公司设计和制造。有时你甚至不知道如何模拟物理,但考虑到足够的数据,我们仍然可以创建预测模型来预测性能或至少理解设计变化和性能之间的关系。可以加快我们学习我们不知道的应用程序的管理规则。
什么是牵牛星®DesignAI™和它做什么?
Fatma koc:在Altair, Desibob电竞在线gnAI是一个应用程序,该应用程序自动属性提取、数据增加、作业提交、机器学习和设计优化。我DesignAI增加权力现有模拟从模拟和知识从数据中提取数据。工程师可以利用这一知识做出更好的设计决策。在Altair,我们不希望我们的用户数据科学家或能够利用数据科学,所以DesignAI自动化数据准备、汽车毫升和部署和优化算法。我们也不希望我们的用户盲目地相信并使用黑盒毫升模型。在Altair的解决方案,您将看到有自动化,毫升,可辩解的人工智能。
DesignAI显示了用户属性导致了设计性能的变化。我们让工程师与数据交互,这样他们就可以做自己的调查以及自己的设计探索。我们正在探索一个合并的技术,我们也在探索合并来自不同数据源的数据,如模拟、测试、制造、操作,以及他们如何可以互为补充。DesignAI是一个环境,最终将使我们能够使用测试和操作数据。
你提到的一切听起来真的令人印象深刻。但中小企业,中小企业?他们有资金,技术支持吗?
基督教Kehrer:大型企业和中小型企业的共同点是,他们有大量的数据和详细的了解他们的产品。这是两个主要要求受益于AI,毫升和数据的科学。为中小型企业提供更相关的是“牵牛星”有自己的专长去工作在这些特定的项目对客户的任何大小。这意味着我们可以做概念的证明,转移到知识,并帮助他们理解方法受益于他们的数据。另一方面,中小企业可以帮助我们理解背后的技术背景和业务数据。我们可以真正帮助中小企业加快过渡阶段不需要数以百计的数据科学家或技术专家。
我们正在越来越多的云计算解决方案,所以能够有这些方法不仅作为前提,同时保持行政努力尽可能低,并提供这些解决方案为中小型企业需求更大的影响。感兴趣希望这些技术和大型组织几乎在同一水平上。
观看完整的对话,更多关于人工智能的未来产品设计问题进行了讨论,看看小组讨论。