HyperWorks shapeAI donne la possibilité d'automatiser la reconnaissance des motifs et des formes dans un modèle, permettant ainsi à l'utilisateur de sélectionner toutes les formes similaires et de les modifier en même temps. Un système d'agrégation regroupe les pièces similaires, permettant à l'utilisateur de modéliser un petit nombre de groupes plutôt qu'un grand nombre de pièces individuelles.

shapeAI propose des outils d'extraction automatique de caractéristiques spécifiques à une géométrie sans aucune information ou intervention supplémentaire. En combinant ces caractéristiques avec des algorithmes de ML dans les outils de recherche de correspondance d'HyperWorks, la puissance du ML géométrique est à portée de main de chaque utilisateur. shapeAI peut être utilisé pour organiser les composants de modèles complexes par similarité géométrique, de sorte que les modifications apportées puissent être synchronisées entre toutes les zones similaires.

Les modèles réduits (ROM) sont utiles pour intégrer une simulation 3D détaillée dans un environnement 1D plus rapide en temps de calcul pour une étude au niveau du système. Les outils de simulation tels qu'Altair® EDEM™ ou Altair CFD™ permettent d'étudier en détail les systèmes non linéaires variant dans le temps, mais en raison des temps de cycle des simulations, l'analyse se concentre généralement sur un composant ou un sous-système. En revanche, dans le cas d'une simulation de système complet, il est souvent suffisant de réduire le comportement du composant à son interaction avec le système complet, ce qui améliore le temps d'exécution du solveur tout en fournissant des résultats suffisamment précis.

Grâce à l'outil d'intelligence artificielle romAI d'Altair, les simulations 3D peuvent être utilisées comme données d'entraînement pour générer des ROM dynamiques. Seuls quelques cycles de simulation 3D sont nécessaires, car cette approche nécessite moins de données d'entraînement que les méthodes traditionnelles basées sur les données. romAI peut fonctionner avec n'importe quel solveur et produit des résultats très précis lorsqu'il fonctionne à l'intérieur de l'espace d'entraînement. Il reste stable et utile pour l'extrapolation en dehors de l'espace. La même technique de ML peut également être utilisée à des fins d'identification du système lors du démarrage à partir des données de test.

Grâce aux jumeaux numériques, les entreprises optimisent la performance des produits, gagnent en visibilité sur la durée de vie utile d'un produit, savent quand et où effectuer la maintenance prédictive et comment prolonger la durée de vie restante d'un produit. La plateforme d'intégration des jumeaux numériques d'Altair combine des jumeaux basés sur la physique et sur les données pour prendre en charge l'optimisation tout au long du cycle de vie des produits. Nous adoptons une approche complète, ouverte et flexible qui vous permet d'appliquer votre vision de la transformation numérique, à votre rythme.

Le jumeau numérique basé sur la physique et piloté par la simulation s'appuie sur des interfaces standardisées et indépendantes des outils, comme l'interface FMI (functional mock-up interface), des méthodes de co-simulation avec des outils d'IAO 3D basés sur la géométrie et des approches de modélisation d'ordre réduit pour dériver des modèles à basse fidélité à partir de simulations détaillées. Le jumeau piloté par base de données s'appuie sur des algorithmes de ML et la science des données pour optimiser la performance des produits. En examinant le problème sous cet angle, vous obtenez rapidement des informations en temps réel sur l'état du produit, puis procédez aux ajustements opérationnels appropriés pour améliorer la durée de vie du produit et éviter les défaillances.