JP2016045536A

JP2016045536A - 設計支援装置

Info

Publication number: JP2016045536A
Application number: JP2014167084A
Authority: JP
Inventors: 和夫武藤; Kazuo Muto; 小野寺　誠; Makoto Onodera; 誠小野寺
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2014-08-20
Filing date: 2014-08-20
Publication date: 2016-04-04

Abstract

【課題】設計支援装置において、計測データ、設計ナレッジを用いて、設計モデルの予測の不確実性、設計変数や環境変数のバラツキの影響を定量化する。【解決手段】本発明の設計支援装置は、計測データから製品の稼動条件や製造のバラツキなどをモデル化するバラツキモデル化手段１０６と、過去設計案件の情報や設計者などの経験から設計モデルを修正し、その不確実性を定量化する設計モデル修正手段１０７と、モデル化されたバラツキ、設計モデル、その設計モデルの予測分布から設計モデルにより予測される設計評価値の確率分布を計算する不確実性定量化手段１０８と、不確実性定量化手段１０８の結果を用いて、任意の設計変数における設計評価値の確率分布を、設計モデルの予測分布とともに表示する意思決定手段１０９とを具備することを特徴とする。【選択図】図１

Description

本発明は、製品設計を支援する技術に関し、特に製品の稼動状態の計測データや過去設計案件データ、設計者の経験等を用いることによりシミュレーションやその結果を使った設計最適化を高精度化する技術に関する。

従来、製品設計において、手戻り低減や信頼性向上の観点から、製造や利用環境のバラツキや、シミュレーションの予測誤差などを考慮して設計するための技術として、製造プロセスのバラツキを確率分布として表し、それに基づいて製品の不良率を推定する技術があった（例えば、特許文献１参照）。

また、従来、変数の最適化を行う方法が知られていた（例えば、非特許文献１参照）。

特表２０１３−５４２５２６号公報

Limbourg, P. (2005, January). Multi-objective optimization of problems with epistemic uncertainty. In Evolutionary Multi-Criterion Optimization (pp. 413-427). Springer Berlin Heidelberg.

製品設計において、手戻り低減や信頼性向上の観点から、製造や利用環境のバラツキ、シミュレーションの予測誤差などを考慮して設計することが重要である。

これに対して、製造プロセスのバラツキを確率分布として表し、製品の不良率を推定する技術などが提案されている（例えば、特許文献１）。同文献に記載の技術においては、設計評価値をシミュレーションやシミュレーション結果を補間した応答曲面を用いて、製造環境や利用環境のバラツキから不良率などの計算を行っていた。

しかしながら、特許文献１に記載の技術はシミュレーションや応答曲面に含まれる予測誤差を考慮していないため、この技術を用いても製品の不良率などを精度良く計算することができないという問題があった。

しがたって、バラツキとモデルの予測誤差とを共に考慮した、合理的な意思決定を可能にする設計支援装置を提供することが課題となる。

本発明の設計支援装置は、例えば、計測データから製品の稼動条件や製造のバラツキを確率モデルとしてモデル化するバラツキモデル化部と、過去の設計案件に係る情報または設計者の経験に係る情報から設計モデルを修正すると共に、前記設計モデルの不確実性を定量化する設計モデル修正部と、モデル化されたバラツキ、設計モデル、および前記設計モデルの予測分布から、設計モデルにより予測される設計評価値の確率分布を計算する不確実性定量化部と、前記不確実性定量化部による計算の結果を用いて、任意の設計変数における前記設計評価値の確率分布を、前記設計モデルの予測分布とともに表示する意思決定部とを具備することを特徴とする。

本発明によれば、製品設計において、バラツキとモデルの予測誤差とを共に考慮した、合理的な意思決定が可能になる。

本発明の第１の実施形態に係る設計支援装置の構成を説明する図である。本発明の第１の実施形態に係る設計支援装置におけるデータの流れを表したフローチャートの一例を示す図である。本発明による設計支援装置の第１実施形態による処理の流れのフローチャートの一例を示す図である。本発明による設計支援装置の第１実施形態による入力画面の一例を説明する図である。片持ち梁設計問題を説明する図である。片持ち梁設計問題における、片持ち梁の断状１を説明する図である。片持ち梁設計問題における、片持ち梁の断面２を説明する図である。本発明による設計支援装置の第１実施形態による意思決定支援手段が出力手段に表示する画面の一例を説明する図である。本発明による設計支援装置の第１実施形態による意思決定支援手段が出力手段に表示する画面の一例を説明する図である。本発明による設計支援装置の第２実施形態の構成を説明する図である。本発明による設計支援装置の第２実施形態によるデータの流れのフローチャートの例である。本発明による設計支援装置の第１実施形態による処理の流れのフローチャートの一例を示す図である。本発明による設計支援装置の第２実施形態による入力画面の一例を説明する図である。本発明による設計支援装置の第１実施形態による意思決定支援手段が出力手段に表示する画面の一例を説明する図である。

次に、本発明を実施するための形態について、各実施例として図面を参照しながら詳細に説明する。

図１は本発明の第１の実施形態である実施例１に係る設計支援装置の構成図である。また、図２は本実施形態（実施例１）の処理における主要なデータの流れを示す図である。

本実施形態における設計支援装置は、主に入力部１０１、出力部１０２、演算処理部１０３、計測データベース部１０４、設計ナレッジデータベース１０５を具備して構成されている。なお、これらは互いにインターネットやイントラネットなどネットワークを介して接続されていても良い。

入力部１０１は、具体的には通信ケーブルや、ハードディスクドライブ装置、CD-ROM装置、DVD装置、メモリカード読取り装置、キーボード等の種々の入力装置で、利用者が本設計支援装置に関してなんらかの入力をする際に用いられる。

出力部１０２は、ディスプレイ装置などの出力デバイスであり、演算処理部１０３による処理の過程や結果、あるいはユーザによる対話的な処理のための画面を表示する。

演算処理部１０３は、計測データから製品の稼動条件や製造のバラツキなどをモデル化するバラツキモデル化手段１０６と、過去設計案件の情報や設計者などの経験から設計モデルを修正し、その不確実性を定量化する設計モデル修正手段１０７と、モデル化されたバラツキ、設計モデル、その設計モデルの予測分布から設計モデルにより予測される設計評価値の確率分布を計算する不確実性定量化手段１０８と、不確実性定量化手段１０８の結果を用いて、任意の設計変数における設計評価値の確率分布を、設計モデルの予測分布とともに表示する意思決定手段１０９とを具備して構成されるものであり、具体的には、CPU（Central Processing Unit）として実現することが可能であり、本設計支援装置における情報処理を実行する。この演算処理部１０３ではバラツキモデル化手段１０６、設計モデル修正手段１０７、不確実性定量化手段１０８、意思決定支援手段１０９が実行される。

計測データベース１０４は、具体的には、ハードディスクなどの記憶装置であり、製品の稼動状態における外部環境や製造バラツキに関するデータなどが保存されている。

設計ナレッジデータベース１０５は、具体的にはハードディスクなどの記憶装置であり、設計モデル、およびそのパラメータの過去の経験や過去の設計案件に基づく確率分布（事前分布）などが保存されている。なお、設計モデルとは、任意の設計変数
における設計評価値
を予測する数学モデルのことで、（式１）のように設計モデルパラメータ
、設計変数
、環境変数
の関数となっている。ここで、設計モデルパラメータとは真の値は一つであるがその値が分からないパラメータである。また、設計変数とは設計者が任意にその値を決定できる変数である。また、環境変数とは設計者が任意にその値を決定することのできないバラツキがある変数である。また、
は設計モデルによる設計評価値
の予測値である。

バラツキモデル化手段１０６は、計測データベース１０４に保存されている外部環境や製造バラツキに関するデータから、それらのバラツキを確率モデルとしてモデル化する。

設計モデル修正手段１０７は、設計ナレッジデータベース１０５に保存されている設計モデルと設計モデルパラメータの事前分布と、入力部１０１から入力される新規設計案件のシミュレーションや実験結果を用いて、設計モデルパラメータ
を修正する。また同時に設計モデルの予測の確率分布を算出する。ここで、シミュレーションとは設計モデルよりも高精度な設計評価値の予測が得られる手段であり、有限要素法や流体解析などが例として挙げられる。設計モデルパラメータの修正および設計モデルの予測の確率分布の算出は例えば以下のように行われる。まず、n個のシミュレーションもしくは実験結果
が（式２）のように与えられているとする。
ここで、
は設計モデルパラメータ
の真の値である。また、
、
はそれぞれ
i
番目シミュレーション結果もしくは実験結果に対応する設計変数と環境変数である。設計モデルによる予測
と、シミュレーションや実験結果
との差がある確率分布
に従うと仮定すると、尤度関数
は（式３）のように書くことができる。
設計ナレッジデータベースに保存されている設計モデルパラメータ
の事前分布を
とすると、修正後の確率分布
は（式４）から計算することができる。

が与えられれば、データ解析や統計モデリングの技術分野においてよく知られたマルコフ連鎖モンテカルロ法などにより、任意の設計変数
と環境変数
における設計モデルの予測値
の確率分布
を計算することができる。

不確実性定量化手段１０８は、バラツキモデル化手段１０６により確率モデルとしてモデル化された利用環境や製造のバラツキと、設計モデル修正手段１０７によりパラメータが修正された設計モデルから、バラツキによる分布と設計モデルの予測分布を同時に考慮した設計モデルの予測値
の確率分布
を（式５）を用いて計算する。
意思決定支援手段１０９は、任意の設計変数値における
や
を出力部１０２などに表示する。意思決定支援手段１０９は設計変数値を本装置の利用者が入力する手段と、
、
を表示する機能を少なくとも具備する。

次に、本発明による設計支援装置の第１実施形態の処理の流れを説明する。図３に本実施形態における処理の流れを示す。

なお、ここからは、図５に示すような片持ち梁の設計問題を例として説明を行う。ここでは、片持ち梁の形状を変化させて、片持ち梁の最大変位とコストを最小化するような設計問題を考える。片持ち梁は断面１で完全拘束されており、断面２に荷重が印加されている。片持ち梁の形状は断面１と断面２で定義され、それぞれの寸法は図６、図７のように表される。ここでは、設計変数をb₁₁、h₁₁とし、環境変数を断面２にかかる荷重と単位質量あたりの材料費とする。

まず、本装置の利用者は、出力手段１０２等に表示される入力画面を用いて、入力手段１０１などを用いて、設計変数、環境変数などの変数の定義やモデルの定義などを行う。（Ｓ３０１）
その際、条件設定に使われる入力画面の一例を図４に示す。入力画面は少なくとも設計変数定義画面４０１、環境変数定義画面４０２、評価値定義画面４０３、モデル種類選択画面４０４、新規案件データ入力画面４０５、設計モデル選択画面４０６、設計モデルパラメータ定義画面４０７、式入力画面４０８から構成される。

設計変数定義画面４０１は、本装置の利用者が設計変数の最小値と最大値、バラツキ有無、バラツキを定義する手段を少なくとも具備している。バラツキを定義する手段は、設計変数のバラツキを計測データベースのデータから推定するか、直接バラツキの定義を入力するか本装置の利用者が選択できる手段を具備する。例えば、片持ち梁の設計問題では、b₁₁、h₁₁が設計変数として定義される。

環境変数定義画面４０２は、本装置の利用者が環境変数のバラツキを定義する手段を少なくとも具備している。例えば、片持ち梁の設計問題では、荷重と単位質量あたりの材料費のバラツキが環境変数定義手段により定義される。バラツキを定義する手段は、環境変数のバラツキを計測データベースのデータから推定するか、直接バラツキの定義を入力するか本装置の利用者が選択できる手段を具備する。

評価値定義画面４０３は、本装置の利用者が各評価値をどのモデルで評価するのか指定する手段を少なくとも具備する。

モデル種類選択画面４０４は、本装置の利用者が、既存の設計モデルをシミュレーションや実験データを用いて修正するのか、もしくは直接式を入力することにより新たに定義するのかを選ぶことのできる手段を少なくとも具備する。例えば、片持ち梁の設計問題では、最大変位はシミュレーションや実験結果により修正された設計モデルを用いて計算する。一方、コストに関しては直接入力された式によって計算する。

新規案件データ入力画面４０５は、本装置の利用者が、既存の設計モデルをシミュレーションや実験データを用いて修正する場合に必要となる、シミュレーションや実験結果を入力する手段を少なくとも具備する。

設計モデル選択画面４０６は、本装置の利用者が、既存の設計モデルをシミュレーションや実験データを用いて修正する場合、設計ナレッジデータベースから設計モデルを選択するための手段を少なくとも具備する。例えば、片持ち梁の例では、設計モデルとして（式６）に示すような、断面１と断面２が同じ形の片持ち梁の最大変位
を予測する予測式が選択される。
ここで、
は荷重、
は片持ち梁の長さ、
はヤング率、
は断面二次モーメント、
は断面二次モーメント補正のための設計モデルパラメータである。

設計モデルパラメータ定義手段４０７は、本装置の利用者が、設計モデルのパラメータの事前分布を定義する手段を少なくとも具備する。事前分布を定義する手段は、事前分布を設計ナレッジデータベースのデータから推定するか、直接事前分布の定義を入力するか本装置の利用者が選択できる手段を少なくとも具備する。

式入力画面４０８は、直接式を入力することにより、設計モデルを定義する場合に必要となる式を入力する手段を少なくとも具備する。

次に、設計変数や環境変数のバラツキを計測データから推定する場合は、バラツキモデル化手段１０５が、計測データデータベースに保存されている利用環境や製造に関するデータから、設計変数や環境変数のバラツキを確率モデルとしてモデル化する（Ｓ３０２）。

次に、設計モデル修正手段１０６が図４に示す入力画面などを用いて入力されたシミュレーション結果や実験結果などの新規案件データを用いて、設計モデルの修正を行う（Ｓ３０３）。

次に、不確実性定量化手段１０７が、設計モデルの予測値の確率分布を計算する（Ｓ３０４）。

最後に、意思決定支援手段１０８がＳ３０４により定量化された不確実性を出力部１０２等に表示する（Ｓ３０５）。図８に意思決定支援手段１０８による表示例を示す。図８では、利用者により入力された設計変数における、設計モデルの予測値の確率分布と、環境変数や設計変数のバラツキも考慮した場合の設計モデルの予測値の確率分布を表示している。

また、図９には意思決定支援手段１０８による図８とは異なる表示例を示す。図９では、複数の設計変数の組み合わせにおける、設計モデルの予測値の確率分布と、環境変数や設計変数のバラツキも考慮した場合の設計モデルの予測値の確率分布を、信頼区間として表示している。

図１０は本発明の第２の実施形態である実施例２に係る設計支援装置を示す構成図である。また、図１１は実施形態２における主要なデータの流れを示している。本実施例は実施例１の変形例であって、実施例１と共通の部分と異なる部分とを有するため、図１０、図１１の設計支援装置のうち、既に説明した図１、図２に示された同一の符号を付された構成要素、および実施例１と同一の機能を有する共通部分については、説明を省略する。

実施例２では演算処理部１０３においてバラツキモデル化手段１０６、設計モデル修正手段１０７、不確実性定量化手段１０８、最適化手段１００１、意思決定支援手段１０９が実行される。

最適化手段１００１は、不確実性定量化手段１０８により算出された設計評価値の確率分布を考慮して設計変数の最適化を実行する。例えば、設計評価値の確率分布から、信頼区間を算出し、その信頼区間の最小値と最大値を評価値の取り得る値として、例えば非特許文献１に記載された方法で設計変数の最適化を行う。

次に、本発明の第２の実施形態である実施例２に係る設計支援装置の処理の流れを説明する。図１２に本実施例における処理の流れを示す。

なお、ここからは、前述の片持ち梁の設計問題を例として説明を行う。
Ｓ３０１では、本装置の利用者は、出力手段１０２などに表示される入力画面から、入力手段１０１などを用いて、設計変数、環境変数などの変数の定義やモデルの定義などを行う（Ｓ３０１）。

その際に用いられる入力画面の一例を図１３に示す。入力画面は設計変数定義画面４０１、環境変数定義画面４０２、目的関数定義画面１３０１、モデル種類選択画面４０４、新規案件データ入力画面４０５、設計モデル選択画面４０６、設計モデルパラメータ定義画面４０７、式入力画面４０８から構成される。

目的関数定義画面１３０１は、本装置の利用者が各目的関数をどの設計モデルで評価するのか指定する手段と、最適化の際、目的関数を最小化するのか最大化するのかを選択する手段を少なくとも具備する。

Ｓ１２０１では、最適化手段１００１により、設計評価値の確率分布を考慮した最適化が行われる。

Ｓ１２０２では、Ｓ１２０１の最適化の結果を、出力部１０２などを用いて表示する。この表示の一例を図１４に示す。図１４は、前述の片持ち梁の設計問題においてコスト最小化、最大変位最小化の多目的最適化を行った結果の表示例である。この例では、設計モデルの予測値の確率分布のみを考慮して最適化した場合と、環境変数や設計変数のバラツキも考慮した場合のパレート解の範囲を表している。

本実施例によれば、これらの表示により、本装置の利用者は設計モデルの設計評価値予測の分布と設計変数や環境変数のバラツキによる設計評価値のバラツキを同時に考慮した合理的な意思決定が可能となる。

１０１入力部
１０２出力部
１０３演算処理部
１０４計測データベース部
１０５設計ナレッジデータベース
１０６バラツキモデル化手段
１０７設計モデル修正手段
１０８不確実性定量化手段
１０９意思決定手段

Claims

計測データから製品の稼動条件や製造のバラツキを確率モデルとしてモデル化するバラツキモデル化部と、
過去の設計案件に係る情報または設計者の経験に係る情報から設計モデルを修正すると共に、前記設計モデルの不確実性を定量化する設計モデル修正部と、
モデル化されたバラツキ、設計モデル、および前記設計モデルの予測分布から、設計モデルにより予測される設計評価値の確率分布を計算する不確実性定量化部と、
前記不確実性定量化部による計算の結果を用いて、任意の設計変数における前記設計評価値の確率分布を、前記設計モデルの予測分布とともに表示する意思決定部と
を具備することを特徴とする設計支援装置。
請求項１に記載の設計支援装置において、
前記設計モデル修正部は、設計ナレッジデータベースに保存されている設計モデルおよび設計モデルパラメータの事前分布と、外部から入力される新規設計案件のシミュレーションまたは実験の結果とを用いて、前記設計モデルパラメータを修正する
ことを特徴とする設計支援装置。
請求項２に記載の設計支援装置において、
前記シミュレーションは、前記設計モデルよりも高精度な設計評価値の予測を行う
ことを特徴とする設計支援装置。
請求項１に記載の設計支援装置において、
前記不確実性定量化部による計算の結果に基づいて最適化を実行する最適化部を更に具備する
ことを特徴とする設計支援装置。
請求項４に記載の設計支援装置において、
前記設計モデル修正部は、設計ナレッジデータベースに保存されている設計モデルおよび設計モデルパラメータの事前分布と、外部から入力される新規設計案件のシミュレーションまたは実験の結果とを用いて、前記設計モデルパラメータを修正する
ことを特徴とする設計支援装置。
請求項５に記載の設計支援装置において、
前記シミュレーションは、前記設計モデルよりも高精度な設計評価値の予測を行う
ことを特徴とする設計支援装置。
計測データから製品の稼動条件や製造のバラツキを確率モデルとしてモデル化するバラツキモデル化手段と、
過去の設計案件に係る情報または設計者の経験に係る情報から設計モデルを修正すると共に、前記設計モデルの不確実性を定量化する設計モデル修正手段と、
モデル化されたバラツキ、設計モデル、および前記設計モデルの予測分布から、設計モデルにより予測される設計評価値の確率分布を計算する不確実性定量化手段と、
前記不確実性定量化手段による計算の結果を用いて、任意の設計変数における前記設計評価値の確率分布を、前記設計モデルの予測分布とともに表示する意思決定手段と
を具備することを特徴とする設計支援装置。
請求項７に記載の設計支援装置において、
前記設計モデル修正手段は、設計ナレッジデータベースに保存されている設計モデルおよび設計モデルパラメータの事前分布と、外部から入力される新規設計案件のシミュレーションまたは実験の結果とを用いて、前記設計モデルパラメータを修正する手段である
ことを特徴とする設計支援装置。
請求項８に記載の設計支援装置において、
前記シミュレーションは、前記設計モデルよりも高精度な設計評価値の予測を行う予測手段である
ことを特徴とする設計支援装置。
請求項９に記載の設計支援装置において、
前記予測手段は、有限要素法および流体解析のうちの少なくともいずれか一方を行う手段である
ことを特徴とする設計支援装置。
請求項７に記載の設計支援装置において、
前記不確実性定量化手段による計算の結果に基づいて最適化を実行する最適化手段を更に具備する
ことを特徴とする設計支援装置。
請求項１１に記載の設計支援装置において、
前記設計モデル修正手段は、設計ナレッジデータベースに保存されている設計モデルおよび設計モデルパラメータの事前分布と、外部から入力される新規設計案件のシミュレーションまたは実験の結果とを用いて、前記設計モデルパラメータを修正する手段である
ことを特徴とする設計支援装置。
請求項１２に記載の設計支援装置において、
前記シミュレーションは、前記設計モデルよりも高精度な設計評価値の予測を行う予測手段である
ことを特徴とする設計支援装置。
請求項１３に記載の設計支援装置において、
前記予測手段は、有限要素法および流体解析のうちの少なくともいずれか一方を行う手段である
ことを特徴とする設計支援装置。