* Karmaşık hesaplamaları hızlandırmak ve otomatik olarak optimum tasarım boyutlarını önermek için yapay zekadan faydalanma
NTN, otomobil lastiklerinin dönüşünü destekleyen üçüncü-nesil tekerlek poyra rulmanlarını tasarlamak için kullanılan otomatik hesaplama sistemine yapay zeka (AI)-tabanlı makine öğrenimi1) teknolojisini dahil etmiştir. Bu sayede NTN, performans değerlendirme analizi için gereken süreyi önemli ölçüde geleneksel sürenin-onda birinden daha azına indirdi ve aynı zamanda gereksinimleri karşılayan boyutların otomatik olarak tasarlanmasına da olanak sağladı. Bu, tasarım iş yükünün azaltılmasına ve müşteri geliştirme döngülerinin kısaltılmasına yardımcı olur.
1) Makine öğrenimi: Tahminler ve sınıflandırmalar yapmak için verilerden kalıpları öğrenme yöntemi.
Otomotiv parça tasarımında, daha yüksek-kaliteli ürünleri daha hızlı üretmek için bilgisayardaki performansı simüle eden bir geliştirme modeli olan model-tabanlı geliştirme (MBD) giderek daha popüler hale geliyor. 2022'de NTN, üçüncü-nesil tekerlek poyra rulmanları için bir dizi tasarım süreci gerçekleştiren, önceki yöntemlere kıyasla tasarım çalışma saatlerini yaklaşık %80 azaltarak, müşteri geliştirme sürelerinin kısalmasına katkıda bulunan "ABICS" otomatik hesaplama sistemini piyasaya sürdü. Tasarımın müşteri gereksinimlerini karşılayıp karşılamadığını doğrulamak için kullanılan sonlu elemanlar yöntemi (FEM) analizinde2), gereksinimler karşılanmıyorsa, FEM kullanılarak yeniden tasarım ve yeniden-analiz yapılması gerekir. Bununla birlikte, üçüncü{11}}nesil tekerlek poyra rulmanı, rulmanları ve cıvatalar gibi çevresel bileşenleri entegre eden karmaşık bir yapıya sahiptir ve dolayısıyla FEM analizini tamamlamak için son derece karmaşık hesaplamalar gerektirir.
2) FEM analizi: Karmaşık şekilleri veya yapıları küçük öğelere bölerek bilgisayardaki stres konsantrasyonu ve deformasyon gibi fiziksel olayları sayısal olarak analiz eden hesaplamalı bir yöntemdir.
Yapay zeka teknolojisini "ABICS"e dahil ederek, belirli FEM analiz görevlerinin-yüksek hızlı tahminini elde ettik ve bu süreyi, geleneksel sürenin{{1}10'da birinden daha azına indirdik. Ayrıca sonuçların gerekli spesifikasyonları karşılamaması durumunda sistem otomatik olarak uygun tasarım boyutlarını önerir.
Tasarım süreci, Bayes optimizasyonu4) algoritmasıyla birleştirilmiş Kement regresyonuna3) dayalı bir simülasyon modeli kullanır. İlki, girdi tasarımı boyutlarına dayalı olarak analiz sonuçlarını tahmin etmek için yalnızca büyük bir veri kümesinden gerekli verileri seçer; ikincisi ise optimum çözümü verimli bir şekilde elde eden ve böylece geniş bir aralıkta yüksek-doğruluklu tahminler ve boyut önerileri elde eden bir algoritmadır. 3) Kement Regresyon: Önemli değişkenleri seçen ve tahmine dayalı bir model oluşturan bir regresyon yöntemi (belirli girdilerden sayısal sonuçları tahmin etmek için genel bir yöntem). 4) Bayes Optimizasyonu: Verimli bir şekilde bulan bir algoritma Önceki denemelerin sonuçlarına göre bir sonraki deneme noktası seçilerek mümkün olan en az denemeyle kısa sürede en uygun çözüm elde edilir.
NTN, 2029 yılına kadar ABICS'te uygulanan tüm FEM analizlerini otomatik olarak tahmin etmek ve en uygun tasarım önerilerini sağlamak için yeni tanıtılan yapay zeka teknolojisini kullanmayı hedefliyor. Tüm bu işlevler uygulamaya geçirildiğinde, tasarım süresinin ABICS'in kullanıma sunulmasından öncesine kıyasla %90'dan fazla azalması bekleniyor.
NTN ayrıca Ar-Ge çalışmalarının verimliliğini ve hassasiyetini artırmak için CAE ve AI gibi dijital teknolojileri kullanmaya devam edecek ve bu sayede müşterilerimize hızlı bir şekilde yüksek{0}}performanslı, yüksek-kaliteli ürünler sunmamıza olanak tanıyacak. Ayrıca bu teknolojileri kullanabilecek dijital yetenekleri aktif olarak yetiştireceğiz.
