現代の自動車は運転のために1億行のコードを備えていますが、ボーイング787ドリームライナーは飛行するために1400万行のコードしか必要としません[1]。今日の車両はこれまで以上に複雑で、最新のADAS、接続性、自律技術とともに機械、電気、ソフトウェアをシナジーさせ、ドライバーが要求するパフォーマンスと信頼性を提供しています。

これにより、自動車エンジニアの仕事は非常に困難になっています。「歴史的に、自動車は機械的な機械でしたが、次に電動化が登場し、現在では完全にソフトウェア定義された車両に進化しました」とセカンドマインドのチーフプロダクトオフィサーであるモーガン・ジェンキンズは強調しています。「これらすべての分野の統合は、自動車エンジニアに対するプレッシャーを高めます。」

「今、自動車エンジニアは、競合する要求の多数に対して適合するソリューションを開発しなければならず、短いタイムフレームと小さな予算で行わなければなりません」とジェンキンズは追加します。「これを達成する最善の戦略の1つは、セットベースの設計を活用して、開発サイクルの早い段階で実現可能な設計空間を理解することです。これにより、Vモデルプロセスをタイムラインの早い段階で移動することが可能になります。」

従来のポイントベースの設計アプローチ

製品を開発する典型的なアプローチは、ポイントベースの設計手法に従っており、設計プロセスの初期に単一のソリューションを確定し、その後すべての下流の影響を徹底的に考慮する前に進みます。このソリューションは、パフォーマンスを改善するために多数の反復を通じて再作成されます。

しかし、ポイントベースの設計は、間違った設計判断を導くことが多く、それが遅すぎる段階で発見されることがあり、その結果、調整がコスト高になり、チームが締切に追われる羽目になります。これにより、ショートカットや妥協が生じ、製品の最終的な品質や機能性に影響が出ます。

ポイントベースの設計は、より高い複雑さを伴う製品の開発に関してはさらに効果が薄れます。考慮すべきパラメーターが多くなると、潜在的な設計空間を十分に理解することなく最適なソリューションを特定しようとすることは、最終製品が設計目標を達成する可能性を高めます。

- 生成AIが複雑な自動車工学の問題を解決する方法

「複雑さが増すにつれて、エンジニアの自然な傾向は、より多くのシミュレーションを行うことです」とジェンキンズは説明します。「しかし、この高い複雑さをモデル化するために必要な忠実度は、シミュレーションを計算的に高価で時間のかかるものにします。エンジニアがポイントベースの設計のために妥協をしなければならないというのは普遍的なフラストレーションであり、その上、シミュレーションには時間がかかり過ぎ、設計が進化するため、結果が無関係になってしまいます。」

「シミュレーションに依存して迅速に回答を提供することは、もはやそのような複雑なアプリケーションには持続可能ではありません」とジェンキンズは続けます。「しかし、自動車業界はシミュレーションに時間がかかることを非常に受け入れていますし、ポイントベースの設計により、最終製品がすべての設計要件を最適な方法で満たすことはまれです。でも、なぜ私たちがこれを受け入れなければならないのでしょうか？それがセカンドマインドが問うている質問であり、私たちは別の方法があると信じています。」

セットベースの設計の利点

代替アプローチはセットベースの設計であり、複数の設計オプションを同時に調査します。テストが完了し、仮定が検証されると、設計は時間をかけて徐々に排除されます。これにより、最終的な設計は、早い段階で単一のソリューションにコミットするのではなく、望ましい要件に一致するオプションを積極的に選択する結果となります。

セットベースの設計では、複数の概念を同時に探求し、最終設計が要件に合致することを保証します

「セットベースの設計は、単一のポイントソリューションを採用し、そのパフォーマンスを予測するのではなく、多次元設計空間内の実現可能なオプションを予測します」とジェンキンズは述べています。「これらの実現可能な設計候補は異なる部門に渡され、信頼を持って革新できます。これらの開発が再統合されると、すべての人が最初にセットベースの設計によって定義された同じ堅牢で実現可能なオプションから開発しているため、すべてがうまく機能する可能性がはるかに高くなります。」

しかし、セットベースの設計に関連する膨大なデータを管理することは、その導入の障壁となる可能性があります。各潜在的な設計は、性能を要件に対して確立するために概念化され、プロトタイプ化され、テストされ、分析される必要があります。セットベースの設計が最初の設計オプションを何千も探求するため、このデータ量の急激な増加が発生し、現在のツールが対応しきれないことがあります。では、組織はデータと計算コストに沈むことなく、セットベースの設計の利点をどのように活かすことができるのでしょうか？

セカンドマインドのソリューション

その答えは、セカンドマインドforシステム設計が実現する人工知能（AI）を活用することにあります。この独自のソフトウェアは、革新的なAI戦略を利用してデータ効率の良いセットベースの設計手法を提供し、エンジニアがすべての設計オプションを迅速かつ効果的に探求できるようにします。

セカンドマインドforシステム設計は、まず既存のシミュレーションツールに接続し、その後、クラウドでセカンドマインドアクティブラーニングを実行します。これにより、設計要件と性能目標がインテリジェントにマッピングされ、与えられた入力の実現可能性を予測するために確率モデルが使用されます。この方法により、多次元設計空間内で実現可能なオプションが迅速に特定され、その後、エンジニアが最大の潜在能力を持つポイントに集中できるように視覚化されます。

セカンドマインドforシステム設計は既存のツールに接続し、制約の境界でフレーム化された実現可能な設計空間を予測します

「実現可能性の境界付近のオプションは、より不確実である可能性が高いですが、革新的です」とジェンキンズは説明します。「以前は、エンジニアはこれらの領域を探求する自信が不足していたため、より保守的なソリューションを選ぶことがありました。しかし、セカンドマインドはエンジニアがこれらの領域における不確実性のレベルを理解するのを助け、その後、トレードオフを分析するためにそれを利用することができます。これにより、モデル内の透明性と併せて、エンジニアが過去には探求することに抵抗を感じていた領域を探る自信を得ることができます。」

データ効率的なAI自動車設計

セカンドマインドforシステム設計の主要な利点の1つはデータ効率です。セカンドマインドのアルゴリズムは、設計空間をインテリジェントかつ自動化された方法で探求するように開発されており、必要なときだけデータを要求し、したがって必要なシミュレーションの数を最小限に抑えます。これにより、必要なデータ量を最大80%削減し、従来のアプローチで必要なシミュレーションのわずか20%を要求することで、企業にとって大幅な時間とコストの節約を実現します。

6x6の多次元設計空間の設計空間予測、実現可能な設計が青で強調され、制約は黒い領域で表現されています

「全体的に、現代の自動車工学の問題の複雑さは非常に高く、セットベースの設計は革新的でありながら効果的なソリューションを開発する唯一のアプローチだといえます」とジェンキンズは結論付けています。「しかし、この高い数の潜在的なオプションをシミュレーションするのに時間がかかりすぎ、生成するデータが多すぎて、コストもかかりすぎます。」

「私たちは設計空間を探求し、迅速かつ効率的に実現可能で革新的なオプションを特定する新しい方法を提供します。そして、現在のワークフローやツールと統合しながら、セカンドマインドforシステム設計の真の力は、Vモデルの概念フェーズで使用されるときに得られます。その後、その影響は他のプロセスを通じて連鎖して、すべての部門とサプライチェーンに役立ち、製品の忠実度を向上させ、常に実現可能であることを保ちます。」

私たちの機械学習アルゴリズムがどのように機能するかについては、最新のホワイトペーパーで確認してください ここ

参考文献

• [1] M.M., 2021. ソフトウェアがソフトウェアを書くとき [オンライン]. ポルシェニュースルーム。