CAE利用人工智能和机器学习加速包装设计
为什么包装行业需要仿真？几乎所有到达您家门口或当地超市货架上的产品都因其包装而在旅途中保持新鲜、干净且完好无损。从盐到智能手机，消费品的包装必须经过精心设计，以确保它不会在生产线中造成问题，并且足够坚固和防水，能够承受运输压力，同时又要轻便，对购买者有吸引力。可持续发展目标增加了额外的挑战，因为必须减少材料的使用，并增加回收、可回收或可生物降解材料的比例。使用SIMULIAAbaqus技术进行有限元分析(FEA)仿真可帮助设计人员和包装经理了解包装在现实场景中的性能，而无需构建物理原型。它还支持实验设计(DoE)和优化研究，可以探索整个设计空间，以找到不同因素之间的最佳权衡。从设计周期一开始就使用仿真是最有用的。统一建模和仿真(MODSIM)允许在初始概念阶段使用仿真，直接根据设计数据构建仿真模型。这不仅加快了开发进程，还意味着可以更早地发现潜在问题并找出并解决根本原因。人工智能和机器学习如何帮助包装模拟？支持AI的MODSIM是MODSIM的下一步，利用机器学习的力量使仿真速度更快，从而对设计人员更有用。通过经典的有限元分析，对于每个设计变体，都必须从头开始再次模拟物理过程。人工智能机器学习可以立即为任何设计变体提供结果并加速流程。只需要执行一些覆盖包装设计空间代表性区域的模拟。然后将它们用于训练神经网络，该网络学习几何形状与其物理属性的关系。时间瞬态和稳态标量物理响应以及3D全场预测都可以建模，从而为产品设计提供信息丰富且更加高效的环境。生成的替代模型根据进一步的模拟进行验证，如果达到可接受的精度水平，则可以使用它来计算任何设计变体的包装行为。使用机器学习，设计人员可以在几秒钟内找到最佳权衡，并通过实时反馈了解设计变更的影响。探索更多的设计空间可以显着缩短封装开发过程，同时实现雄心勃勃的成本、重量和可持续性目标。借助支持AI的MODSIM，模拟和机器学习工具也可以在易于使用的界面中使用，为非专家用户提供这些工具。人工智能并没有取代人类的工作，而是与设计师一起工作，提供有关设计的即时反馈。结论人工智能和机器学习正在帮助CPG行业应对现代包装设计的挑战。机器学习加速了模拟和设计探索过程，帮助设计人员减轻重量和成本，并提高强度和可持续性。达索系统的人工智能解决方案集成到其既定的消费品行业工作流程中，将机器学习技术与一流的物理模拟技术相结合。*文章来源于达索官网来源：ABAQUS仿真世界
