1. 3DS Blog
  2. トピック
  3. 設計・シミュレーション
  4. 【デザインとシミュレーションを語る】56 : SPDM as Virtual Sensor – AI活用に向けたデータ蓄積

設計・シミュレーションAugust 21, 2019

【デザインとシミュレーションを語る】56 : SPDM as Virtual Sensor – AI活用に向けたデータ蓄積

  【第7章 計算品質標準化から知識化へ】SPDM as Virtual Sensor – AI活用に向けたデータ蓄積  
header
Avatar 工藤 啓治 (Keiji Kudo)

【第7章 計算品質標準化から知識化へ】SPDM as Virtual Sensor – AI活用に向けたデータ蓄積

第7章の前半では、ノウハウを標準化し、明示的に表現し取り扱いうしくみと、それによりデータの蓄積と再利用が可能になるという議論をしてきました。過去10年、Simulation Process & Data Management (SPDM) を活用した実績と実例が数多く示されてきています。シミュレーション技術に関する統合的な教育・啓蒙活動を行っているNAFEMSでは、SPDMにフォーカスしたワーキンググループやコンファレンスがあるほどです。SPDMにより蓄積されてきたデータをどのように活用するかというのが、第7章の後半のテーマになります。昨今AIが大流行していますが、AIの華麗な成功例やアルゴリズム的な話題に焦点があたり、そもそも根本的な話として、どんなデータをどうやって収集するかについての議論が不十分な印象があります。世の中で話題になっているAI応用のテーマの大半は、データはすでに大量に存在するか、収集する基盤ができているビジネス領域や社会のものばかりです。例えば、SNSからのデータ、コンビニや店舗からのPOSデータ、国家統計データ、監視カメラからの画像、地図データ、都市データなど、人間の社会的活動から得られるデータはすでに存在するか、今後も絶え間なく供給されることが確実なデータです。

一方、シミュレーションと設計の世界でのデータ蓄積は、企業活動の内部活動であって、データを蓄積し活用する明確な意識と意図をもたない限りは実現し得ないし、持続的な供給も保証されないのです。どこかには、保管されているであろうファイルやデータは、たいていは、検索困難で、連携性がなく、タグ付けされていない、情報欠落だらけの非構造的な、ディスク上のデータの集まりに過ぎず、連携性を持ち、整備されたタグ構造を持ち、構造的に整備されたデータとして活用するためには、それ相応のしくみと努力が必要です。それが、繰り返しげ言及しているSimulation Process & Data Managementの活用なのです。これまでの7章の記事を読まれた方はすでに、SPDMが、シミュレーション作業からデータ収集を自動的に行う、Virtual Sensorとしての役割にもなることにお気づきでしょう。

この記事から始まる7章の後半では、データを収集とその活用に焦点を当てます。では、そういうデータを収集すべきかの議論を進める前に、シミュレーション特有の、パラメータと属性データ(タグ)の違いについて、明確にしておく必要があります。このことは、若干混同されているきらいのある、シミュレーションにおける機械学習と、より良い設計とは何かを分析する方法論との根本的な違いを理解する助けにもなります。

<パラメータと属性データの違い>

設計業務を定義し、統計的に分析する属性データ(タグ)

  • 定義:ジョブ特徴量のマクロな識別子
  • 役割:設計業務を定義し、統計的に分析する
  • 凡例:タグ付けされるテキストや数値データ、特に担当者、日付、製品、仕様緒元、アプリ名、モデル特性、条件、モデル変更情報、結果、判断など。問題
  • データ量:(横軸)属性空間は数10~数100、(縦軸)ジョブ数は数100~数10万回
  • 用途例:

・データの検索やジョブ特性の統計的分析

・過去データから、優れた対策案の特長抽出

・トラブル未然回避の設計案、最短経路設計

設計問題を定義し、数値分析的に解くパラメータ

  • 定義:設計パターンの組み合わせ識別子
  • 役割:設計問題を定義し、数値分析的に解く
  • 凡例:CAE探索やサンプリング計算中に使われる数値データ、特に繰り返し計算時の設計変数や制約・目的値など。問題が決まれば明確に決まるデータ群。
  • データ量:(横軸)設計空間は数10~数100、(縦軸)計算回数は1回~数万回
  • 用途例:

・実験計画法や最適解探索で生成されるデータの数値的分析

・パターン分析からの設計ノウハウ抽出

・パラメータ・データセットからの代理モデル生成

添付された図とともに、上記にまとめた内容をご覧いただければ、違いを明確にご理解いただけるでしょう。パラメータのデータ量のところで、計算回数が1回からとなっていることに着目してください。これは、自動化は行うけれども、繰り返し計算は行わない場合を意図しており、実のところ大半のジョブは一回限りで、(属性データであるところの)モデルを変更したり条件を変えて再度実行するというパターンが多いのです。それが、計算回数1回の意味です。1ジョブの中で構成されるのがパラメータのデータ・セット、複数のジョブで構成されるのが、属性データ・セットということになります。

パラメータのデータ・セットから、寄与度・感度などの数値分析、パターン分析、従来近似モデルと称されてきた代理モデルを生成することができます。昨今機械学習を前面に出して、新しいAI的アプローチを想起させるような事例が見受けられますが、実質的には、従来活用されてきた応答曲面近似、Krigingモデル、ニューラルネットワーク・モデルなどとほぼ同じアプローチであり、特段目新しい手法ではありません。画像のパターン認識を応用した結果の自動判定の事例も出てきているのは、シミュレーション領域では新しい試みといっていいでしょう。

一方、属性データの蓄積は、この数年でAI的な用途での活用がようやく認識され始めてはいるものの、具体的な手法や成果はこれからです。しかし、ここで強く指摘しなければならないのは、AIは手段であって目的ではないこと、データを蓄積することでどんな成果を得たいのか、どのように活用したいのか、その目的を明確にしない限りは、逆にどんなデータを蓄積すべきかも明確にならないということです。今回記事のテーマ名は、“SPDM as Virtual Sensor”でした。SPDMを、属性情報を収集するための“Sensor”、実験のセンサーと対比すればまさに、Virtual Sensorの役割を果たしていることがわかるでしょう。次回は、どのような属性データを取得すべきかについて議論してみます。

【DASSAULT SYSTEMES 工藤啓治】

バックナンバー

【デザインとシミュレーションを語る】第一回:イントロダクション 【デザインとシミュレーションを語る】第二回:シミュレーションの分類 【デザインとシミュレーションを語る】第三回:シミュレーションは実験と比べて何がいい? 【デザインとシミュレーションを語る】第四回:シミュレーションは緻密な統合技術 【デザインとシミュレーションを語る】第五回:リアルとバーチャルの垣根をなくせたら?(1) 【デザインとシミュレーションを語る】第六回:リアルとバーチャルの垣根をなくせたら?(2) 【デザインとシミュレーションを語る】第七回:3D-CADは何のため? 【デザインとシミュレーションを語る】第八回 : CAE を志す人へのメッセージ(1) 【デザインとシミュレーションを語る】第九回 : CAEを志す人へのメッセージ(2) 【デザインとシミュレーションを語る】第十回: ソフトウエア・ロボットの誕生 【デザインとシミュレーションを語る】第十一回: 作業を自動化すること、その真の価値とは 【デザインとシミュレーションを語る】第十二回: “自動化を進めると設計者が考えなくなる?"への回答 【デザインとシミュレーションを語る】第十三回 : パラメトリック性の本質は新しい組み合わせ 【デザインとシミュレーションを語る】第十四回 : Zero Design Cycle Timeの衝撃 【デザインとシミュレーションを語る】第十五回 : 「設計とは最適化」の奥深い意味を教えてくれた技術者 【デザインとシミュレーションを語る】第十六回 : スーパーコンピュータで行われていた大量の計算とは 【デザインとシミュレーションを語る】第十七回 : 最適設計支援ソフトウエアの衝撃的な登場 【デザインとシミュレーションを語る】第十八回 : サンプリングって、偵察のことです 【デザインとシミュレーションを語る】第十九回 :  設計空間でシミュレーションを考える 【デザインとシミュレーションを語る】第二十回 : 安易に使うと誤解を招く言葉“最適化 【デザインとシミュレーションを語る】第二十一回 : 世の中すべてはトレードオフ問題 【デザインとシミュレーションを語る】第二十二回 : Optimization、Trade-off、Synthesis 【デザインとシミュレーションを語る】第二十三回 : 最適解は失敗の学習結果 【デザインとシミュレーションを語る】第二十四回 : ”設計とは逆問題”のココロは?(1)-森を見る利点 【デザインとシミュレーションを語る】第二十五回 : ”設計とは逆問題”のココロは?(2)-解空間から設計空間を絞り込む 【デザインとシミュレーションを語る】第二十六回 : 100倍性能の高いコンピュータがあったら?―森と木の視点 【デザインとシミュレーションを語る】第二十七回 : シミュレーション(CAE) の精度向上という根本問題ーその1 【デザインとシミュレーションを語る】第二十八回 : シミュレーション(CAE) の精度向上という根本問題ーその2 【デザインとシミュレーションを語る】第二十九回 : ”歯車と棒”でわかるシミュレーションにおけるパラメータ同定 【デザインとシミュレーションを語る】第三十回 : 1D-CAEの価値とパラメータ同定 【デザインとシミュレーションを語る】第三十一回 : Fidelityという概念とModel Based Designの関係 【デザインとシミュレーションを語る】第三十二回 : 品質に求める最高と安定と安心と 【デザインとシミュレーションを語る】第三十三回 : 製品ライフサイクルで考える不確かさと定量化の方法 【デザインとシミュレーションを語る】第三十四回 : 製品ライフサイクルで考える不確かさと定量化の方法 【デザインとシミュレーションを語る】第三十五回 : シックスシグマの意味 【デザインとシミュレーションを語る】第三十六回 : ロバスト設計の価値と方法論 【デザインとシミュレーションを語る】第三十七回 : タグチメソッドとシックスシグマ手法の使い分け 【デザインとシミュレーションを語る】第三十八回 : Simplicityという製品哲学 【デザインとシミュレーションを語る】第三十九回 : ミケランジェロは機能美を理解していた! 【デザインとシミュレーションを語る】第四十回 : 設計者の感性とは美しい設計=機能美-「風立ちぬ」を観て 【デザインとシミュレーションを語る】第四十一回 : 自然と工芸、科学と工学 【デザインとシミュレーションを語る】第四十二回 : 仕事の美しさと最適設計の美しさ 【デザインとシミュレーションを語る】第四十三回 : なぜ想定設計か、何を想定するのか? 【デザインとシミュレーションを語る】第四十四回 : Vプロセスにおける性能設計と機能設計の役割 【デザインとシミュレーションを語る】第四十五回 : Model Based Design (MBD)手法に隠されている本質とは 【デザインとシミュレーションを語る】第四十六回 : 想定要求と意思決定とは 【デザインとシミュレーションを語る】第四十七回 : 既存技術の組み合わせ探索 【デザインとシミュレーションを語る】第四十八回 : 素性の良い基本設計を導くための思考支援 【デザインとシミュレーションを語る】第四十九回 : シミュレーションを基盤とした設計フロント・ローディング手法の体系化とその実現 【デザインとシミュレーションを語る】第五十回 : 計算品質を標準化する価値 【デザインとシミュレーションを語る】第五十一回 : 計算品質を標準化するための方法論 【デザインとシミュレーションを語る】号外 : 本ブログが大きな契機になりました 【デザインとシミュレーションを語る】第五十二回 : 計算品質を起点として、設計品質を上げる取り組みへ 【デザインとシミュレーションを語る】第五十三回 : 計算品質の標準化を実践するしくみ 【デザインとシミュレーションを語る】第五十四回 : 計算品質保証の標準化の要求要件 【デザインとシミュレーションを語る】第五十五回 : 設計知見の蓄積と再利用のための実装と効果

読者登録はこちら

ブログの更新情報を毎月お届けします

読者登録

読者登録はこちら