PRODUCT SMART UQ
- ホーム >
- SmartUQ
予測分析のための機械学習と不確かさの定量化
SmartUQは、実世界のばらつきや確率的な振る舞いをエンジニアリングに取り入れるための、強力なAI・機械学習および不確かさの定量化(UQ)ソフトウェアツールです。SmartUQ は、ばらつきを考慮した最適化のための予測モデルの構築、および使いやすい解析機能がセットになっており、これまでに自動車、航空宇宙および機械、医療機器、半導体、エネルギー、土木などあらゆる業界において、高度で複雑な問題を解決し不確実性を考慮した意思決定プロセスを支援してきました。 ソフトウェアの特徴としては、 設計者CAEや品質工学のための最新の実験計画法 (DOE) やインテリジェントなサンプリングアルゴリズム、 機械学習モデリング、 統計的キャリブレーション、 最適化、 感度解析、逆解析、 不確かさ伝播、統計的工程管理などの強力な解析ツールを備えています。
SmartUQは機械学習に必要なツールが全てパッケージ化されています
Step1
データ準備/前処理
(Data Preparation)
CAEや実験のための実験計画法(DOE)や既存のデータを使ったデータサンプリングは、専用の知識は不要でお使いいただけます
Step2
モデル構築/評価
(Modeling・Evaluation)
検証ツールとセットになっており目的に応じてモデル選択していくだけで簡単に現実の複雑なふるまいを再現できます
Step3
ポスト解析機能の活用
(Analysis)
可視化のための豊富な解析結果を、洗練されたGUIを使って簡単に共有できます。またPythonAPIも利用可能です
SmartUQ はアメリカ、 ウィスコンシン州を本拠地とする、シミュレーションや試験、および複雑な業務システムに独自のAI・機械学習と不確かさの定量化ソリューションを提供するソフトウェアおよびコンサルティング会社です。 世界トップクラスの統計専門家チームが率いるSmartUQ は、エンジニアリングにおける実験やシミュレーション、不確かさの定量化、デジタルツイン、信頼性評価(V&V)、プロセス最適化の分野で豊富なバックグラウンドを持っています。
エンジニア向けの専用パッケージツールなので初めての方でもすぐ使えます
強力でありながら直感的なインターフェースを持つSmartUQは、品質管理の担当者やプロセスエンジニアだけでなくCAEの解析エンジニアや、設計開発の方々を対象に作られています。SmartUQの洗練されたユーザビリティを持った操作性により、データがあれば直ぐに始めることができます。複雑な解析をこれまで以上に簡単に実行できます。
単体だけでなくお使いのツールと組み合わせても利用できます
不確かさの定量化の基礎の一つは、予測分析による正確な予測モデルの構築ですが、お客様の中には、SmartUQの機械学習による予測モデルの機能のみを単独のツールとして使用している方もいらっしゃいます。SmartUQのPython APIを使って、SmartUQの各ツールをシームレスにお客様のワークフローに統合することができ、GUIのメリットを最大限に活かしながら、解析にかかる時間を大幅に短縮します。また、SmartUQにはお使いのCAEツールとの統合機能も組み込まれています。
業務にマッチさせてモデル化できます
SmartUQの予測モデルは、シミュレーションモデル、製造ライン、運用データ、センサー、デジタルツインなどのデータセットを用いて構築することができます。SmartUQの予測モデルの用途としては、数値シミュレーションの代理モデルの構築や、最適化設計、最適運転条件探索、仮想センサーの開発、根本原因の解析などがあります。既存のデータセット、またはシミュレーション結果のデータを使用して、希望する精度が達成されるまで学習モデルの構築を繰り返すことができます。
SMARTUQ 関連動画
SMART UQについて
SmartUQは業界規模の不確かさの定量化を提供します
予測分析
エンジニアのための機械学習や予測分析機能を備えたSmartUQ
不確かさの定量化とは何か
SmartUQでリスクを管理する
なぜ不確かさの定量化?
統計解析で競争力を高める
不確かさの定量化(Uncertainty Quantification: UQ)とは?
不確かさの定量化は、最適化と意思決定の両方のプロセスにおける不確かさの低減において極めて重要な役割を果たします。SmartUQは下記のような包括的なフレームワークを提供します。
- 予測モデルの構築:複雑なエンジニアリングシミュレーションを模倣するように学習します。
- 感度解析:結果に影響を与える可能性のあるパラメータをランク付けします。
- 不確かさ伝播:どの入力が出力分布に最も大きな影響を与えるかを判断するのに役立ちます。
- 統計的キャリブレーション:シミュレーションモデルと物理テストの間の不一致や不確かさを可視化します。
- 逆解析:条件の悪いモデル入力や不足しているモデル入力に対して、隠れている未知の分布を明らかにします。
エンジニアリングのための予測分析
予測分析は、リアルタイム解析や将来のイベントを予測するための予測モデルを開発するために使用される、一連の高度な解析技術を含みます。シミュレーションモデリング、製造、運用データ、センサーデータなど、あらゆる種類のデータセットを使用し、学習を終えたSmartUQの予測モデルは、予知保全やリスク分析などの複雑な解析を素早く実行し、お客様のチームに競争上の優位性をもたらします。以下は、SmartUQの予測分析の応用例です。
- シミュレーション実行数の低減
- バーチャルセンサーと予知保全
- 機械学習を活用したプロセスモデリング
- モデルのキャリブレーションとバリデーション(V&V)
- デジタルツイン
意思決定のための不確かさの定量化
シミュレーション、物理的なテスト、センサー、デジタルツインなど、データの出所がどこであれ、不確かさの要素は常に存在します。決定論的な点推定に頼ってしまうと、的外れな結果となり、コストがかさむ可能性があります。不確かさの定量化を用いてすべての可能な結果を考慮することで、意思決定プロセスを最適化し、リスクを減らし、結果に自信を持つことができます。
SmartUQは、以下のようなあらゆる種類のデータからの意思決定を最適化することができます。
- 積層造形(3Dプリンタ)
- デジタルツイン
- 仮想センサー
- 数値シミュレーション
解析による加速化:限られたデータからの洞察を最大化
時間とリソースは常に限られており、わずかなデータポイントに基づいて重要な意思決定をしなければならないこともあります。SmartUQは、少数のデータから最大限の情報を得るためのサポートをします。
-
既存のデータを利用しながら、新しいデータのサンプリングを最適化。
-
必要な場合にのみデータセットを改良・追加するためのダイレクトサンプリング。
-
高精度なエミュレーション(機械学習モデル)により、設計空間全体を高速に探索する。
-
設計とテストの繰り返しを減らし、時間とリソースを節約する。
統計的キャリブレーション:実測データを使ったパラメータ推定
シミュレーションの忠実性や予測能力を向上させるためには、CAEのモデルに対して実測データを使ったキャリブレーションが有効です。SmartUQには、ハイブリッドな実験計画法を生成したりや自動化された統計的キャリブレーションなど、モデルのキャリブレーションを促進する専用ツールが用意されています。最適なパラメータを逆解析により素早く見つけ出し、CAEのモデルをアップデートしモデルの不一致を自信を持って評価することで、モデルの検証を向上させます。
不確かさはどこにでもあります
すべてのシステムには不確かさがつきものです。不確かさは、測定精度、材料特性、使用シナリオ、モデリングの近似性、将来の未知の事象などから発生します。モデルの境界条件、初期条件、およびパラメータの不確かさにより、すべての要求を満たしているか、最適であるか、等重要な質問に自信を持って答えることが難しくなります。
解析を次のレベルに引き上げる
以下を含む幅広い機能を提供します。
データサンプリング
DATA SAMPLING
既存の(実験データや計測データ等の)大規模データセットをサンプリングするための2つのオプションがあります。サブサンプリングとスライスサンプリングです。
実験計画法(DOEs)
DESIGN OF EXPERIMENTS
最新の実験計画法(DOE)技術は、CAEでのシミュレーションや実験のために最も代表的な入力構成を選択し、必要な実行回数を最小限に抑えながら、各実行から得られる情報を最大化します。
エミュレーション(予測モデル構築)
EMULATION
統計モデルや、代理モデル、サロゲートモデルとも呼ばれる、複雑な物理的システムやシミュレーションされたシステムの出力を、一連の入力に対して模倣する統計予測モデルのことです。
統計的キャリブレーション
STATISTICAL CALIBRATION
モデルの出力値と現実の実測値との間の一致が最大になるようにモデルを調整または改良する方法のことで、実験結果とシミュレーション結果の間の一致またはリンクを最大化するキャリブレーションパラメータの値のセットを見つけることによって行われます。
感度解析
SENSITIVITY ANALYSIS
感度解析は、どの入力パラメータが出力にとって最も重要で、どの入力パラメータが無視できるかを示すので、ロバストな解を見つけたり、モデルを単純化するのに役立ちます。
不確かさ伝播
UNCERTINTY PROPAGATION
不確かさ伝播は、システムの入力における不確かさがシステムの出力に与える影響を計算します。この情報は、システムの出力に対する信頼性を定量化する際に重要です。
最適化
STATISTICIAL OPTIMIZATION
統計的最適化は、最適な結果を得るために必要なシミュレーションの回数を最小限に抑え、設計空間を高速に評価でき、分類や離散データ、複数の制約条件、多目的最適化など、多くの入出力タイプに対応しています。
逆解析
INVERSE ANALYSIS
逆解析は、システムのモデルとそれに対応するノイズを含んだデータを用いて、システムの未知の確率的パラメータを明らかにします。ベイズ手法は、パラメータの値、不確かさ、分布を定量化する上で重要な役割を果たします。
MAIL FORM24時間受付