Introduction
L’innovation high-tech évolue rapidement. Les cycles de développement des produits pour appareils électroniques intelligents ne durent en moyenne que trois à quatre mois. Pourtant, les équipes d’ingénierie font face à un obstacle majeur. Des études montrent que plus de 70 % du temps de simulation est consacré à des tâches sans valeur ajoutée comme le nettoyage des modèles ou le maillage manuel.
Les flux de travail séquentiels traditionnels ne peuvent pas suivre. Les outils déconnectés entraînent des transferts inutiles et des boucles d’itération lentes. Cela empêche les équipes d’optimiser simultanément pour l’intégrité structurelle, la performance thermique et l’intégrité du signal. L’industrie a besoin d’une nouvelle approche. Cela nécessite une stratégie qui unifie modélisation, simulation et intelligence artificielle.
*Réalisations clés issues des pratiques clients combinés aux analyses de Dassault Systèmes.
Les trois piliers de la simulation générative
Vous pouvez voir une stratégie de simulation générative comme le tressage de trois capacités en un seul cadre. Cette approche combine technologies d’IA, modélisation intégrée et méthodes d’exploration avancées. Il génère des résultats de conception optimaux de manière efficace.
Les trois éléments essentiels comprennent :
- Modélisation et simulation unifiées : Cela supprime les exportations de données et les transferts. Les équipes reçoivent un retour en temps réel à mesure que les conceptions et simulations évoluent ensemble plutôt que dans des étapes isolées.
- Assistance alimentée par l’IA : Les algorithmes d’optimisation et l’apprentissage automatique simplifient la configuration des simulations. Cela guide l’exploration du dessein intelligent. Les équipes peuvent générer des conceptions qui répondent à plusieurs KPI de performance dès le début du processus.
- Environnement collaboratif : Un dépôt central sécurise la propriété intellectuelle. Cela garantit une source unique de vérité pour toutes les données. Cela inclut les modèles, les paramètres et les matériaux.
Considérez un design de connecteur à grande vitesse pour un appareil intelligent. Les ingénieurs doivent équilibrer la compatibilité électromagnétique (CEM) et la fiabilité structurelle. Dans un flux de travail déconnecté, chaque mise à jour de la CAO force une reconstruction du modèle. Une plateforme unifiée met instantanément à jour le modèle CAO paramétrique dans toutes les disciplines. L’ingénieur EMC effectue des vérifications d’intégrité du signal tandis que l’ingénieur structure évalue les forces d’insertion. Ce processus intégré minimise le besoin de prototypes physiques et raccourcit le temps de développement.
Une plateforme unifiée avec associabilité CAO vers modèle CAE.
Application de l’IA et de l’apprentissage automatique
L’IA et l’apprentissage automatique (ML) introduisent de nouvelles façons d’améliorer l’expérience utilisateur pour les experts. Vous pouvez utiliser une assistance alimentée par l’IA pour guider le processus de simulation. Une option consiste à utiliser Virtual Twin Physics Behavior. Celles-ci fournissent une approximation basée sur les données de simulations complexes basées sur la physique. Entraînés sur un ensemble de résultats sélectionnés, ils prédisent les performances beaucoup plus rapidement. Cela permet aux concepteurs et ingénieurs d’explorer une vaste gamme d’options de conception sans exécuter des simulations à forte intensité en calcul.
Étude de cas : Blindage EMC vs. Gestion thermique
Les concepteurs doivent souvent trouver un équilibre entre exigences contradictoires. Les dispositifs électroniques nécessitent des boîtiers métalliques pour le blindage EMC. Ils ont aussi besoin d’ouvertures de ventilation pour le refroidissement thermique. Cependant, la ventilation réduit l’efficacité du blindage.
Réaliser une étude paramétrique complète pour toutes les variables est coûteux. Une méthode efficace décompose le problème. Vous pouvez diriger deux projets ciblés de conception d’expériences (DOE). L’un se concentre sur la performance thermique. L’autre porte sur le blindage électromagnétique. Vous construisez ensuite deux modèles d’apprentissage automatique.
Ces modèles vous permettent de réaliser efficacement une étude de compromis. Dans un exemple, cette approche a réduit le temps total de simulation d’un facteur 121 par rapport à une optimisation paramétrique complète. Les modèles ML maintenaient une grande précision tout en permettant un équilibrage rapide de la conception.
La modélisation et la simulation unifiées stockent des modèles et des résultats à l’aide d’un seul modèle de données commun sur la plateforme 3DEXPERIENCE. Il constitue la source unique de vérité, garantissant transparence et un accès simultané aux détails et au statut du projet, selon les besoins, permettant ainsi la collaboration entre équipes multidisciplinaires. En capturant et en fournissant des connaissances techniques et du savoir-faire en simulation, cela accélère les processus de simulation et soutient la démocratisation de la simulation.
Préparer votre pile d’ingénierie à l’avenir
La stratégie de simulation générative représente un changement de paradigme. Il fusionne la modélisation unifiée avec les technologies d’apprentissage automatique. Cette approche accélère le temps de mise sur le marché et favorise une innovation continue.
La synergie entre l’IA basée sur les données et les simulations basées sur la physique ne fera que s’approfondir. Les avancées futures porteront sur l’étalonnage automatisé des modèles et l’entraînement de l’IA à comprendre les lois physiques. Les organisations qui adoptent désormais cette approche unifiée en tireront des avantages mesurables. Cela inclut des cycles de développement réduits, moins de prototypes physiques et une meilleure qualité de conception.