エンジニアリングの専門知識を AIが学習

AI/機械学習を活用したサロゲートモデルによるBMWの衝突安全性の最適化

ボディインホワイト（BIW）の衝突設計は、計算コストが高いだけでなく、荷重ケースと設計基準の相反する問題をクリアするため、高度な工学の専門知識を必要とします。BMW社は、機械学習（ML）を活用したサロゲートモデルを使用し、これまで専門家が行っていた業務を自動化、開発サイクルを短縮し衝突安全性をより最適化することに成功しました。

企業情報

世界15カ国に31の生産・組立工場とグローバルな販売網を持ち、ハイエンドモデルの自動車とモーターサイクルを提供する世界有数のグローバルメーカーであるBMWグループは、秀でたマテリアルミックス、技術のデジタル化、高い資源効率を実現する生産など、イノベーションリーダーとして生産技術とサステナビリティのトレンドを世に作り出しています。さらに、バリューチェーンの柔軟性と継続的な最適化により、高い競争力を維持しています。

課題

乗客の安全性確保のため、どのような衝突が有利かといった判断や、ボルトが折れる、部品が接触するなどの個別の事象の発生タイミングなど、衝突時に発生する一連の出来事をエンジニアは正確に把握する必要があります。しかし、エネルギー吸収量、破壊前のピーク荷重レベル、局所変位、重量などの主要な性能指標は大変複雑で、過度の制約を受けた最適化になり、製品開発プロセスがますますスピーディーになる今日では、そのスピード感の中で自信のある衝突安全性を検証することが難しくなっています。

ソリューション

BMWは、エンジニアリングの専門知識を模倣した最適化制約を生成するために、Altair HyperWorksにAltairの機械学習ソリューションを統合し、教師なし機械学習アルゴリズムであるクラスタリングを衝突運動学が主要性能指標（KPI）に及ぼす影響の把握に役立てています。最適化プロセスを通じて工学的な意思決定を模範する分類器を使用すれば、好ましい衝突運動特性を強制的に生成することができます。