* AI izmantošana, lai paātrinātu sarežģītus aprēķinus un automātiski piedāvātu optimālos dizaina izmērus
NTN ir iekļāvis mākslīgā intelekta (AI){0}}mašīnmācības1) tehnoloģiju savā automatizētajā aprēķinu sistēmā, ko izmanto, lai izstrādātu trešās -paaudzes riteņu rumbas gultņus, kas atbalsta automašīnu riepu rotāciju. Pateicoties tam, NTN ir ievērojami samazinājis veiktspējas novērtējuma analīzei nepieciešamo laiku līdz mazāk nekā vienai desmitajai daļai no tradicionālā laika, vienlaikus nodrošinot arī prasībām atbilstošu izmēru automātisku noformēšanu. Tas palīdz samazināt dizaina darba slodzi un saīsināt klientu izstrādes ciklus.
1) Mašīnmācīšanās: metode, kā apgūt modeļus no datiem, lai veiktu prognozes un klasifikācijas.
Automobiļu detaļu projektēšanā arvien populārāka kļūst uz{0}modeļiem balstīta izstrāde (MBD) — izstrādes modelis, kas simulē veiktspēju datorā, lai ātrāk ražotu augstākas-kvalitatīvus produktus. NTN 2022. gadā laida klajā automatizēto aprēķinu sistēmu ABICS, kas veic virkni projektēšanas procesu trešās -paaudzes riteņu rumbas gultņiem, samazinot projektēšanas cilvēka-stundas par aptuveni 80% salīdzinājumā ar iepriekšējām metodēm, tādējādi saīsinot klientu izstrādes laiku. Galīgo elementu metodes (FEM) analīzē2), ko izmanto, lai pārbaudītu, vai dizains atbilst klienta prasībām, ja prasības nav izpildītas, ir nepieciešama pārprojektēšana un pār{9}}analīze, izmantojot FEM. Tomēr trešās paaudzes riteņa rumbas gultņiem ir sarežģīta struktūra, kurā ir integrēti gultņi un perifērās sastāvdaļas, piemēram, skrūves, tāpēc ir nepieciešami ļoti sarežģīti aprēķini, lai pabeigtu FEM analīzi.
2) FEM analīze: skaitļošanas metode, kas datorā skaitliski analizē fiziskas parādības, piemēram, sprieguma koncentrāciju un deformāciju, sadalot sarežģītas formas vai struktūras mazos elementos.
Ieviešot AI tehnoloģiju ABICS, mēs esam panākuši ātrdarbīgu konkrētu FEM analīzes uzdevumu{0}}prognozēšanu, samazinot laiku līdz mazāk nekā vienai{1}}desmitajai daļai no tradicionālā laika. Turklāt, ja rezultāti neatbilst nepieciešamajām specifikācijām, sistēma automātiski piedāvā atbilstošus dizaina izmērus.
Projektēšanas procesā tiek izmantots simulācijas modelis, kura pamatā ir Laso regresija3) apvienojumā ar Bajesa optimizācijas4) algoritmu. Pirmajā tiek atlasīti tikai nepieciešamie dati no lielas datu kopas, lai prognozētu analīzes rezultātus, pamatojoties uz ievades dizaina dimensijām, savukārt otrais ir algoritms, kas efektīvi iegūst optimālo risinājumu, tādējādi panākot augstu -precizitātes prognozes un dimensiju ieteikumus plašā diapazonā. 3) Laso regresija: regresijas metode (vispārīga metode, kas ļauj prognozēt svarīgus ievades mainīgos rezultātus) modelis. 4) Bajesa optimizācija: algoritms, kas efektīvi atrod optimālo risinājumu īsā laikā ar pēc iespējas mazāku izmēģinājumu skaitu, izvēloties nākamo izmēģinājuma punktu, pamatojoties uz iepriekšējo izmēģinājumu rezultātiem.
NTN mērķis ir izmantot nesen ieviesto AI tehnoloģiju, lai automātiski prognozētu visas FEM analīzes, kas ieviestas ABICS līdz 2029. gadam, un sniegtu optimālus dizaina ieteikumus. Kad visas šīs funkcijas būs ieviestas, paredzams, ka projektēšanas laiks samazināsies par vairāk nekā 90%, salīdzinot ar laiku pirms ABICS ieviešanas.
NTN arī turpinās izmantot digitālās tehnoloģijas, piemēram, CAE un AI, lai uzlabotu pētniecības un attīstības darba efektivitāti un precizitāti, ļaujot mums ātri nodrošināt mūsu klientiem augstas{0}}veiktspējas un augstas{1} kvalitātes produktus. Turklāt mēs aktīvi audzināsim digitālos talantus, kas spēj izmantot šīs tehnoloģijas.
