Simulation

AIによる柔軟性とパフォーマンスの融合Designcenter Solid Edge 2026のリリースに伴い、このリリースの最もエキサイティングな新機能と機能強化にスポットを当てた一連のブログを公開しています。今回は、Solid Edgeの最新アップデートについてご紹介します。製品設計の未来がここにあります。Designcenter Solid Edge® 2026は、強力なAIツール、没入感のあるビジュアライゼーション、柔軟なクラウド・ソリューションにより、次世代の生産性を実現し、チームの作業をこれまで以上にスマートかつ迅速にします。Designcenter X Solid Edgeのマグネティック・スナップ・アセンブリ、自動図面作成、アプリ内Design CopilotなどのAI主導のコマンドから、没入型デザイン・レビューのための新しいウォークスルー・コマンドまで、Solid Edge 2026は、創造、コラボレーション、革新の方法を変革します。Designcenter Solid Edge 2026は、板金、製図、モデリング・ツールの強化に加え、拡張されたバリューベース・ライセンスとシームレスなデータ相互運用性により、機能の拡張、グローバルなコラボレーション、イノベーションのペースに合わせた設計を自由に行うことができます。Designcenter X Solid Edgeでよりスマートで迅速な設計を Designcenter X Solid Edgeは、Solid Edgeのフルパワーをクラウドにもたらします。自動アップデートとITメンテナンス不要で、どこからでも安全に作業できます。内蔵のTeamcenter Xデータ管理機能により、プロジェクトの整理と保護が維持され、リアルタイムのマークアップとレビューツールによりコラボレーションが容易になります。マグネティックスナップアセンブリやアプリ内Design CopilotなどのAI主導の機能により、設計に集中することができます。AIがあなたの働き方を理解し、改善します。 Designcenter Solid Edge 2026では、人工知能が最も重要な部分に働きかけ、日々のワークフローを効率化し、プロジェクトを前進させます。マグネティックスナップアセンブリは、拘束条件を自動的に認識し、数秒で部品を接続します。新しい自動図面作成ツールは、あなたに代わって詳細な図面を作成し、繰り返しのドキュメント作成を削減します。ヘルプが必要な場合は、アプリ内のDesign Copilotが状況に応じた回答やガイダンスを即座に提供するので、トラブルシューティングではなく、設計に集中できます。あらゆるスケールで明確かつ自信を持って設計 Designcenter Solid Edge 2026では、大規模なアセンブリでの作業が容易になりました。この新しいリリースでは、複雑な設計の表示、再利用、伝達を容易にするスマートなツールが導入されています。ファイルを複製することなく複数の表示コンフィギュレーションを素早く切り替え、強化されたパーツコピーツールを使用して形状を正確に再利用し、新しいエクスプロードビューオプションを使用して鮮明なビジュアルを作成できます。これらのアップグレードにより、柔軟性と制御性が向上し、コンセプトから完成までシームレスに進めることができます。Designcenter Solid Edge 2026は、詳細な部品から複雑なシートメタルまで、設計から製造までを迅速かつ正確に行うことができます。タブ・アンド・スロット自動化を使用してインターロック継手を数秒で作成し、すべての主要なモデリング・コマンドで統合された肉厚制御を使用して薄肉フィーチャを作成できます。強化されたエッチングとフランジトリミングにより、製造性を向上させるためのディテールが簡素化され、新しいフィルパターンツールにより、あらゆるサーフェスに繰り返しフィーチャを追加できるため、テクスチャのシミュレーションや軽量化に最適です。デザインの内側に入り込んで、まったく新しい視点を実現まったく新しい視点から設計を体験できます。新しいウォークスルー・コマンドを使用すると、キーボード、マウス、Xbox®...

SOLIDWORKS Simulation 2026について は、シェル定義とエッジ選択、より優れたセットアップ・フィードバック情報、コネクタのパフォーマンス向上など、エキサイティングな新機能と機能強化を提供します。 https://www.youtube.com/watch?v=DXmsuY-oxZs シェルエッジ リモートロードは、大型の油圧シリンダから荷重を加える有効な方法です。これまでは、適用できる場所が制限されていました。SOLIDWORKS Simulation 2026の新機能であるリモート荷重とリモート質量をシェルエッジに直接適用できるようになりました。 選択した面によるシェルの定義 オプションを追加しました。シートメタルや薄板構造を解析するエンジニアにとって、実際の荷重条件をより簡単に再現できるようになりました。 シミュレーション設定のフィードバック シミュレーションを定義する際、明確なエラーメッセージは非常に重要です。SOLIDWORKS Simulation 2026 では、マテリアルの欠落やメッシュの失敗のエラーメッセージで、マテリアル定義が欠落しているボディやメッシュに失敗したボディが指定されるようになりました。シミュレーション・ツリーを検索して問題を見つける必要がなくなり、スタディ作成がスピードアップしました。 角度回転 SOLIDWORKS Simulation 2026 の新機能として、角度回転をラジアンまたは度としてプロットできるようになりました。このプロットタイプは、ソリッド、シェル、またはビームを含むスタディで使用できますが、混合メッシュでは使用できません。軸に対する角度回転を表示します。これにより、スタディに存在する変形を明確かつ正確に理解することができます。 シェルの定義 次に、シェルの定義プロセスが改善されました。新しい研究で、厚いシェルと薄いシェルのどちらをデフォルトで定義するかをグローバルに決定するオプションが利用できるようになりました。これにより、厚いシェルを定期的に扱う場合のスタディ作成が高速化されました。 ランダム振動に対するピンコネクタの力 Simulation 2026の新機能として、ランダム振動研究で使用されているピン・コネクタのコネクタ力を表示できるようになりました。これにより、振動の全範囲にわたる結果力を示す応答グラフを表示することもできます。梁の力荷重 梁メッシュは複雑な構造を単純化し、処理時間を大幅に短縮します。以前は、力を 項目ごとに 荷重をかけることができます。シミュレーション2026では、複数の梁にまたがる合計力を適用できるようになりました。荷重値を単位長さ当たりに設定すると、荷重タイプが合計に設定されていた場合、自動的に項目当たりに切り替わります。複数の梁にまたがる荷重を簡単に定義できるようになったため、時間が節約され、エラーの原因となる可能性がなくなりました。 地震応答研究 応答スペクトル解析は、構造物の地震応答を解析する優れた方法です。SOLIDWORKS Simulation 2026では、リモートマスを応答スペクトル解析に含めることができるようになりました。この機能強化により、ジオメトリをスタディの一部として必要とするのではなく、複雑なボディを簡略化してマスとして扱えるようになり、パフォーマンスが劇的に向上しました。 座屈モード 座屈は、構造物を扱う際に常に懸念される問題です。座屈解析は座屈の可能性を評価し、構造物が座屈する可能性のある荷重を明確に示すために安全係数を含みます。Simulation 2026では、負の座屈荷重係数をフィルタリングして実際の破壊リスクのみを表示する機能により、結果がさらに明確になります。この新機能により、故障のリスクがないモードを自動的にフィルタリングし、実際に懸念される可能性のあるモードに焦点を当てることができます。 コネクターのパフォーマンス向上 分散カップリングは、ボルト、ロッド、ベアリングなどのコネクタを正確かつ効率的にモデリングする優れた方法です。SOLIDWORKS Simulation 2026では、分散カップリングのパフォーマンスが改善され、昨年と比較して解答時間が最大28%短縮されました。性能の向上だけでなく、コネクタのロバスト性も向上し、より多くのフェース面をコネクタで接続できるようになり、従来の800面という結合の上限がなくなりました。

デジタル・ツインは、物理的な物体を表現し、リアルタイムで更新される仮想モデルである。この接続には、物理オブジェクトのセンサーからのデータが使用される。このリアルタイムのリンクがモデルを変える。静的なシミュレーション以上のものになります。物理的なアセットとエンジニアの間のライブコミュニケーションの架け橋となるのです。データは双方向に流れ、センサーの生測定値を実用的な工学的知識に変換する継続的な対話が可能になります。 このブログでは、複雑なアイデアを明確にするための簡単な例として、磁気コイルを使用してこの技術を探求します。デジタル・ツインとは何か、どのように構築されるのか、そしてなぜ価値があるのかを探ります。 デジタル・ツインを理解する デジタル・ツインとは何か？ デジタルツインとは、生きている仮想の複製です。現実世界のシステムや資産をミラーリングします。この資産は単一の部品かもしれない。工場や発電所全体かもしれない。 ツインは物理資産と同期している。この同期は指定された頻度で行われる。これにより、仮想モデルは常に現実世界を正確に反映します。 物理資産上のセンサーがデータを収集します。このデータには、温度、圧力、電流などが含まれます。データは継続的にバーチャルモデルに供給されます。このプロセスにより、ツインは正確で最新の状態に保たれます。 デジタルツインの価値 デジタルツインは、深いオペレーションインサイトを提供します。資産内部で何が起きているかをリアルタイムで表示します。これにより、継続的なシステム分析とパフォーマンス監視が可能になります。 この洞察により、予知保全が可能になります。企業は、問題が発生する前に予測することができます。この機能により、コストのかかる予定外のダウンタイムを防ぐことができます。エンジニアはまた、ツインを使用してパフォーマンスを最適化します。さまざまな運転シナリオをバーチャルで安全にテストすることができます。この最適化は、効率の向上と運転コストの削減につながります。 この継続的な運用データの流れは、根本的な転換をもたらします。従来のエンジニアリングは、発売時に正しく機能する製品を設計することに重点を置くことが多かった。設計フェーズは、製品が出荷された時点でほぼ終了します。しかし、デジタル・ツインは、物理的な同等品と一緒に、資産の全ライフサイクルを経験する。デジタル・ツインは、実際の使用、摩耗パターン、さまざまな環境での性能に関するデータを収集します。この情報は強力なフィードバック・ループを生み出し、ある世代の製品のオペレーティング・ツインからの洞察が、次の世代の設計に直接反映される。エンジニアリングの焦点は、1回の発売から製品ライフサイクル全体へと移る。これは、組織にとって複合的な知識の優位性を生み出す。 アンシス・ツインビルダー Ansys Twin Builderはソフトウェアプラットフォームです。エンジニアがデジタルツインを作成できます。このプラットフォームはオープンなソリューションです。さまざまなツールやデータソースに接続できます。 Twin Builderは複数のモデルタイプを統合します。詳細な3D物理モデル、より広範なシステムモデル、組み込みソフトウェアを1つの環境に統合します。シームレスなツール統合のために、Functional Mock-up Interface (FMI)のような業界標準をサポートしています。 このプラットフォームは、ツイン作成プロセス全体を管理します。エンジニアはTwin Builderを使用してツインを構築、検証、配置します。この構造化されたワークフローにより、正確なモデルを作成するのに必要な時間を半分に短縮できる。また、完成したツインを産業用モノのインターネット（IIoT）プラットフォームに接続し、実稼働させるためのツールも提供します。プラットフォームの価値は、ツインの作成だけにとどまらない。また、この技術をより身近なものにしている。複雑なシステムモデルの構築には、従来、プログラミングや複数のシミュレーション領域に関する深い専門知識が必要でした。Twin Builderは、"ローコード "インターフェース、ウィザード駆動のエディタ、豊富なビルド済みコンポーネントのライブラリを備えています。これらの機能により、参入障壁が低くなっています。これらの機能により、プログラミングの経験がほとんどないエンジニアでも、洗練されたデジタルツインを作成することができます。このような技術の民主化により、ドメインの専門家は、ソフトウェアの問題ではなく、エンジニアリングの問題の解決に集中することができます。 縮小順序モデル(ROM) 複雑な物理学を速くするROMとは？ フル3D物理シミュレーションは非常に正確です。流体の流れ、構造応力、電磁気学のような複雑な現象をモデル化します。しかし、これらのシミュレーションには計算コストがかかります。1回の解析に数時間から数日かかることもあります。 デジタル・ツインはリアルタイムの結果を必要とする。物理世界の変化に即座に対応しなければならない。シミュレーションのアップデートを何時間も待つことはできません。このスピード要件は、技術的に重要な課題です。 縮小モデル（ROM）がその解決策です。ROMは複雑なモデルを高精度に単純化したものです。完全な物理シミュレーションの本質的な振る舞いを捉えます。最小限の計算資源で、数秒以内に結果を得ることができます。 数時間から数秒へ：ROMができるまで ROMの作成は、構造化されたプロセスに沿って行われる。エンジニアはまず、忠実度の高い3Dモデルを作成します。コイルの例では、ANSYS Maxwell で詳細な静磁場シミュレーションを行います。 次に、このモデルを使って多くのシミュレーションを実行します。このプロセスを実験計画法（DOE）と呼びます。DOEでは、広範囲の入力値を系統的にテストします。コイルの場合、これは多くの異なる電流レベルの磁場をシミュレートすることを意味します。 これらのシミュレーション結果は、ROM を「訓練」します。ROMは高度な数学的アルゴリズムを使って、入力と出力の関係を学習します。このプロセスにより、基礎となる物理をコンパクト、効率的、かつ正確に数学的に表現することができます。最終的なROMはエクスポートして、Ansys Twin Builderなどの他のツールで使用することができます。ROMは、フル3Dモデルの高速で信頼性の高い代替品として機能します。 ダイナミックROM動きのあるシステムのモデリング 静的な動作をするシステムもある。その出力は、現在の入力値のみに依存します。このような場合、応答曲面に基づく標準的なROMがよく機能します。 ほとんどの実世界の資産は動的です。その動作は時間とともに変化します。その出力は、現在の状態だけでなく、入力の履歴に依存する。例えばモーターの温度は、どれだけの時間、どれだけの負荷で運転されたかに依存する。 このようなシステムにはダイナミックROMが必要です。ダイナミックROMは、特に過渡的な非線形問題のために設計されています。動的ROMは、時間とともに変化する入力を受け付けます。それに応じて、システムの出力が時間とともにどのように変化するかを予測します。この機能は、稼働中の資産を反映した真のデジタル・ツインを作成するために不可欠です。 このプロセスは、シミュレーションが価値を提供する方法の根本的な転換を意味する。従来、シミュレーションの出力はデータファイルや静的なレポートでした。しかし、ROMは実行可能なモデルです。ROMは、FMU（Functional Mock-up Unit：機能モックアップ・ユニット）のような、標準的な自己完結型コンポーネントとしてパッケージ化することができます。これにより、シミュレーション結果は、データから機能的な "プラグアンドプレイ "ビルディングブロックに変換されます。サプライヤーはコンポーネントのROMを提供することができ、OEMはそれを大規模なシステムシミュレーションに直接統合することができます。このモジュール性により、ROMは配布可能な機能資産となり、「ブラックボックス」として機能することで、企業の知的財産を保護することもできます。 ソレノイド・コイルの例物理的なセットアップ この例では、磁気ソレノイドコイルと、コイルに電流を流す電源からなる、簡単な物理的セットアップを使用します。ソレノイド・コイルは、産業オートメーションから民生用電子機器に至るまで、多くの分野や用途に不可欠な電磁デバイスです。ソレノイド・アクチュエーターの心臓部として、その主な役割は、電気的および機械的システム内の様々な部品の自動スイッチング、ロック、または移動を可能にすることです。 ソレノイドコイルに電流が流れると磁界が発生し、アーマチュアを動かすことができます。 この磁界の強さを測定するために、物理センサーがコイルの近くに配置されます。オペレータは、電源の電流レベルを手動で調整し、実世界の磁場を変化させることができます。 コイルのデジタル・ツインを作る コイルのデジタルツインは，ANSYS Twin Builder で作成します．このプロジェクトには、いくつかの主要なブロックが含まれています。これらのブロックを連動させることで、完全なツインが形成されます。重要なブロックの一つはデータコネクターである。このブロックはツインと現実とのリンクである。電源から直接ライブ電流値を読み取ります。シンプルなPythonスクリプトは、物理ハードウェアと仮想モデル間のデジタルワイヤーとして機能し、この通信を容易にします。最も重要なブロックはDynamic ROMである。このブロックはコイルの物理を表します。これは、詳細なAnsys Maxwellの静磁場シミュレーションから作成されました。動的 ROM の作成には，ハイフ ァイリティモデルの作成，学習データの生成， ROM の構築という 3 つの主要な段階があります． 1.Ansys Maxwell で高忠実度物理モデルを作成する 最初のステップは、物理部品の詳細かつ正確な仮想表現を構築することです。磁気コイルの例では，低周波電磁界解析用に設計されたソフトウェアである ANSYS Maxwell でこれを行います．モデリング エンジニアはコイルの 3D...

誘導加熱は、もはや単なる工業用語ではなく、自動車から航空宇宙まで、あらゆる分野で使用されている精密ツールです。 誘導加熱には、ジュール効果によって熱を発生させる電流を誘導する電磁界という複雑なマルチフィジックスが関与しています。シミュレーションにより、エンジニアはハードウェアのプロトタイプを作成する前に、コイル形状や材料特性などの設計パラメータを最適化できるため、時間とコストの両方を節約できます。このブログでは、ANSYSの2つの強力なシミュレーションワークフローを使用して誘導加熱をモデル化する方法を紹介します。検討するモデルを以下に示します。このモデルには、交流電流が流れるコイルと、コイルの隣にある導電性のディスクが含まれています。ディスクの内部では渦電流が発生するため、ディスクが加熱されます。ディスクの定常温度をANSYSでモデル化します。アプローチ 1：ANSYS システムカップリングを使用して Maxwell と機械熱をリンクする このアプローチでは、1つのMaxwellモデルと1つのMechanical Thermalモデル（Workbench内）を準備し、System Couplingを使用してそれらをリンクする必要があります。 ステップ1: Maxwellモデルの準備 ディスクの温度依存性材料を定義することができます。材料をすべて設定したら、温度を設定する必要があります。必ず "Include Temperature Dependence "と "Enable Feedback "にチェックを入れてください。Maxwellモデルにシステムカップリングセットアップを追加する必要があります。これが完了したら、Maxwell モデルを保存して閉じることができます。Maxwell モデルフォルダには、.scp ファイルが作成され、後で使用されます。ステップ 2: Workbench で機械熱モデルを準備する Mechanicalモデルには、ディスクのジオメトリのみを含める必要があります。Maxwell からの損失は、Mechanical Thermal のディスクにマッピングされます。境界条件は以下のように設定します（自然対流のみ）。 ユーザーはシステム・カップリング領域を追加し、その領域にディスク本体を割り当てる必要があります。システムカップリング領域が割り当てられた後、ユーザは、モデルが保存されているフォルダにシステムカップリング ファイルを書き込む必要があります。Maxwell モデルの準備と同様に、.scp ファイルも Mechanical モデルのフォルダに作成されます。これで、モデルを保存して閉じることができます。ステップ 3: システムカップリングによる Maxwell と Mechanical のリンク System...

私は自由な時間を、特に美味しいコーヒーを片手に、素敵な本を読むことに費やしています。特に、書店をぶらぶらと歩き、棚を見て回り、思いがけない読み物を発見するのが楽しい。そんな中、一冊の本に出会い、すぐに興味を引かれた： 予測機械 Ajay Agrawal、Joshua Gans、Avi Goldfarb著。 正直に言おう。最近、AI/MLについて少しも興味を持たない人を挙げることができるだろうか？著者はこの本の中で 「AIの単純な経済学と、その技術がどのようにポイントソリューションに使われているかを説明している。.この本のある章では、次のような記述が目立った： 予測が良くなれば、様々な行動の報酬を考える機会が増える。つまり、判断する機会が増えるということだ。 本書はAIと機械学習に焦点を当てているが、エンジニアリング・シミュレーション、特にCFDの世界でも同じ考え方が当てはまるため、この言葉は私の心に響いた。シミュレーションの意図に関係なく、エンジニアにとって、より速く、より良い情報に基づいた設計上の意思決定を行う能力は非常に重要です。技術革新と競争力維持のプレッシャーは、生産性の向上とシミュレーションワークフローの高速化の必要性を高めるばかりです。 さらに、エンジニアは物理的なリアリズムと幾何学的なディテールを可能な限り盛り込みたいと考えているため、複雑さを増す高忠実度のデジタルツインを作成する必要性が高まっています。したがって、高速メッシングは、エンジニアが製品開発を加速し、製品をより早く市場に投入できるようにする、競争上の優位性をもたらす戦略的なイネーブラーです。これをサポートするために、私たちはCFDワークフローを加速し、数多くの設計バリエーションを迅速に評価できるようにするソリューションを追求しています。メッシングの場合、個々のワークフローの最適化から、MPI（Message Passing Interface）による分散メモリ並列化、すなわち複数のCPUで同時にメッシングタスクを実行する機能まで、あらゆるものがこれに含まれます。 このブログでは、Simcenter STAR-CCM+の最近の機能強化により、メッシングパフォーマンスがどのように向上し、エンジニアがシミュレーションスループットを向上させ、より迅速な洞察を得られるようになったかをご紹介します。 MPIサーフェスラッピングによるジオメトリクリーンアップの高速化 Simcenter STAR-CCM+の主な差別化ポイントの1つは、エンジニアが複雑な形状を扱えるようにする、CADからソリューションへのパイプラインワークフローです。多くのシミュレーションワークフローでは、何万ものパーツを含む巨大なCADアセンブリが使用されます。これらのCADファイルには、非常に大きなアセンブリや「ダーティ」な形状が含まれていることがよくあります。ダーティ」とは、穴が空いていたり、交差していたり、デフィーチャリングが必要であったり、重なりがあったり、多様体でない頂点やエッジが含まれていたりする入力ジオメトリのことです。このようなジオメトリを手作業でクリーニングおよびヒーリングすることは、労力のかかるプロセスであり、完了までに数日から数週間かかる可能性があります。 Simcenter STAR-CCM+でメッシュ作成用の形状を準備するための重要なツールの1つがサーフェスラッパーです。サーフェスラッパーは、任意に複雑なCADやテッセレーションされたパーツを扱い、水密で多様なサーフェスを生成することができます。この機能は、離散化されたジオメトリ上に高品質な三角形分割されたサーフェスメッシュを効果的に「シュリンクラップ」することで機能します。主な強みの1つは、シャープエッジやコーナーなどの幾何学的特徴を正確に保持できることです。Simcenter STAR-CCM+のバージョン2310では、サーフェスラッパーの最初のMPI並列化バージョンを導入し、"Legacy Wrapper "としても知られる共有メモリ並列化バージョンよりも大幅にパフォーマンスを向上させました。その最初のバージョンでは、Legacy Wrapperと比較して、ラッピング時間を最大43％削減することを実証しました。しかし、この性能向上は、非常に大規模なケースでは十分ではありません。継続的な改善へのコミットメントに基づき、Simcenter STAR-CCM+ 2510バージョンでは、MPI Surface Wrapperのフェーズ2をリリースします。性能向上について見てみましょう。図2に示すように、バージョン2510のMPIサーフェスラッパーは、バージョン2506（MPIサーフェスラッパーのフェーズ1）と比較して、最大2倍の高速化を実現しています。レガシーWrapperと比較すると、最大5.6倍のスピードアップに達します。Corvette carのような複雑なジオメトリ（総ボリュームメッシュ数が93Mセル）の場合、32コア（Intel® Xeon® Gold 6442Y）でジオメトリ全体をラップするのにかかる時間はわずか6.5分です。より大きなケースのラッピングはどうでしょうか？Corvetteのケースでは、Surface Wrapperは37.4Mのサーフェス三角形を生成します。これに対して、マセラティ・ギブリのケースは、下図のようにかなり大きく、56.3Mトライアングルのラッピングに9分しかかからず、最終的なボリュームメッシュは142Mセルになります。メッシュの一貫性の確保 前述のように、スピードは重要な特性ですが、シミュレーション結果の信頼性を確保するためには、結果の一貫性も同様に重要です。ソフトウェアのバージョンやコア数の違いによる一貫性の維持を目指しています。広範なテストにおいて、最終的なサーフェスの三角形のばらつきは1％未満でした。具体的には、以下に示すようなコルベット形状では、2506と2510の間の最終的なサーフェス三角形数の変動はわずか0.005％でした。バージョン2510では、1、32、48プロセッサを使用した3回の実行で、シリアル実行と比較した変動はわずか0.06%でした。サーフェスラッパーの結果におけるこのような一貫性は、その後のリメッシュされたサーフェスと結果のボリュームメッシュも一貫性を保つことを意味します。サーフェスリメッシャの性能向上によるメッシュ生成の高速化 MPIサーフェスラッパーは大幅な性能向上を実現し、適用されるワークフローを高速化します。しかし、サーフェスメッシングは、ジオメトリによっては、まだ時間がかかることがあります。バージョン2506では、サーフェス・リメッシャーに改良を加え、実行時間を最大40%短縮しました。ただし、これはケースの複雑さと入力CADの品質に依存します。 例えば、Corvetteジオメトリ（ボリュームメッシュの93Mセル）は、DrivAerジオメトリのケース（ボリュームメッシュの855Mセル）に比べて、サーフェスラッパーを実行する必要がない、よりクリーンなジオメトリ入力を含んでいます。つまり、このようなサーフェスメッシュ設定を選択し、855Mセルに近づくコルベット用のボリュームメッシュを構築すると、プロセスが大幅に長くなることを意味します。これは、メッシュ作成アルゴリズムのパフォーマンスを評価する際のコンテキストの重要性を浮き彫りにしています。改良されたアルゴリズムとハードウェアによるメッシュ生成性能の最適化 Simcenter STAR-CCM+の製品戦略の重要な部分は、メッシングを含むすべてのアルゴリズムの性能を向上させることです。私たちの製品開発チームは、この目標に向けて全力で取り組んでいます。しかし、メッシュ生成の性能は、使用するアルゴリズムやモデルの大きさだけに関係するものではありません。例えば、必要でないところで過剰にメッシュを細分化すると、CFDシミュレーションの所要時間に悪影響を及ぼす可能性があります。 それにもかかわらず、シミュレーションのスループットに劇的な影響を与えるもう1つの要因、つまり使用するハードウェアについてお話しましょう。 Simcenter STAR-CCM+のサーフェスリメッシャは現在シリアルモードで動作しているため）シングルコアを使用してサーフェスメッシュを生成するのに必要な時間を評価することで、2つの異なるAMDプロセッサを比較します。対象となるプロセッサは、AMD EPYC 7532 RomeとAMD EPYC 9755 Turinです（幸運なことに、同僚が寛大にも新しいマシンを提供してくれました。）DrivAerとMaserati Ghibliの両方のジオメトリのサーフェスメッシュを作成します。 どちらのプロセッサにお金を賭けますか？ AMD EPYC 9755 Turinは、下図に示すように、4年と数カ月年下の旧世代を凌駕し、サーフェスメッシュを最大1.9倍高速化します。しかし、以前に説明したように、メッシュ生成のパフォーマンスを評価する際にはコンテキストが重要であり、ここでは、はるかに単純な入力ジオメトリのサーフェスメッシュが、Ghibliのケース（サーフェスリムーシャの前にサーフェスラッパーを実行する必要があった）よりも（最終的なボリュームメッシュ数に関係なく）かなり短い時間で完了した理由を説明します。両ケースとも、同じバージョンのソフトウェア（Simcenter STAR-CCM+ 2510）を使用し、2つの異なるマシンでサーフェスメッシュを行いました。 並列処理がなくても、新しいプロセッサーの方がメッシュ生成が明らかに高速です。これは主に、サーフェスメッシングがメモリ帯域幅に拘束されるためです。つまり、サーフェスメッシングの性能はクロック速度よりも、メモリからのデータ転送の速さに依存する。AMD...

私たちの行動は経験によって左右され、小さなミスが結果に大きな違いをもたらすことがあるからです。とはいえ、タスクの量が増え、納期が短くなる中で、私たちはパフォーマンスと正確さの両方、そして結果重視の姿勢を迫られている。このようなプレッシャーの高い環境では、ミスが起こりやすい。このようなことは、私たちエンジニアが効率的に仕事をする上で役に立っていない。 私たちシーメンスは、このことを認識しています。そのため、皆さんの生活をより快適にし、仕事をできるだけ簡単にできるよう努力しています。このブログでは、エンジニアがどのようにして Simcenter Testlab 正確で精密な結果を効率的に得るためにこのブログが、次回の測定キャンペーンのインスピレーションになれば幸いです。 テスト対象：小型電気モーター 最近、私たちのデモンストレーターである小型電気モーターの特性評価を行いました。その経験を皆さんと共有したいと思います。この小型ワイパー・モーターのデモ・テストベンチは、小型Eモーター、コンプレッサー、ポンプなど、ノイズの多い小型の車両付帯設備の代表的なものです。これがそれだ：このコンポーネントを擬似的な力で特性評価します。さて、あなたはブロックされた力の特性を見たかったとおっしゃるかもしれません。そうです。擬似力はブロック力の一種ですが、界面点から直接得られるのではなく、テスト対象物の他の位置から得られます。私たちの場合、これは界面点の間の中心にある仮想点です。下の画像をご覧ください：これらの擬似力は、ブロック力と同じように使用することができます。例えば、Frequency Based Substructuringを使用して仮想アセンブリを作成したり、FRF（周波数応答関数）を転送してインターフェイスに転送したりすることができます。このブログでは実演しませんが、擬似力で何ができるかを説明します。もっと詳しくお知りになりたい方は、お問い合わせください。 なぜ擬似力を使うのか？ 単に、界面でブロックされた力を特定するよりも、特定する未知数の数が少なくなるからです（3つの並進力と3つのトルク）。コンプレッサー、ポンプ、電気モーターのような小さな部品にとって、これは非常に有益なアプローチです。低周波数域での精度が向上します。 擬似力はどのように測定するのですか？ 私たちは、In-situ TPA（Transfer Path Analysis）アプローチで測定しています。これはよく知られた方法であり、まず指標となるFRFを測定し、第二段階として動作指標応答を測定する2段階のアプローチです。以下の式を使用して、仮想点における擬似力を導出することができます：それでは、測定から始めましょう！ その前に、バーチャル計測を行いましょう。各ステップについて、重要な点を強調しながら説明しましょう。以下は、コンポーネントの特性を評価するためのさまざまなステップです：仮想計測 さっそく測定を始める前に、仮想計測器で作業の準備をしましょう。そのために、テスト対象物のCADモデルを使用します。私の例では、電動モーターをスキャンし、*.stepファイルをTestlabにインポートしました。受信機は、標準CADソフトウェアSiemens NXでモデル化しました。 なぜ測定値を準備することが重要なのでしょうか？すべての座標方向を同じように刺激するように衝撃を加える必要があるからです。どのようにすればよいのでしょうか？以下はその手順です：CADサポートにより、インジケータはCADモデルに自動的にスナップし、複雑な形状も簡単に作成できます。最後に、条件番号とセンサーの感度が、どの座標方向に改善が必要かを示します。 以下のデモビデオは、適切なCAD計装準備の主な利点を説明しています：利用可能なスペースの評価 高精度センサー位置決め 測定前にインジケータの正しい位置と数を準備するインパクト測定 - Simcenter Testlab Neoを使用した1人作業 新しい シムセンター・テストラボ・ネオ 衝撃試験ワークブックは、データ取得ワークフローを段階的にガイドします。衝撃試験の主なハイライトは以下のとおりです：各ステップの詳細 テストオブジェクトのCADチャンネル割り当てとインストルメンテーション このステップでは、テスト・オブジェクトをインスツルメンテーションし、バーチャル・チャンネルを実際のチャンネルにリンクします。ハンマーのセットアップ ハンマー・セットアップは、複数のハンマー・チップをサポートしており、両方のインパクトの自動マージも可能です。これにより、全周波数範囲を測定できます。2つのハンマー間の遷移周波数はユーザーが定義でき、結果保存後でもいつでも変更できます。衝撃測定 衝撃測定では、構造物を加振するためにさまざまな位置で衝撃を与えます。このプロセスはCADでガイドされているため、次にどこに打撃を加えるべきかを非常に簡単に特定することができます。スマート・ヒット・セレクションは、効率的で正確な結果を得るための重要な機能の1つです。測定中または測定後に、最適なインパクトを自動的に選択します。すべてのインパクトが完了したら、全体のインジケータを一目見るだけで十分です。結果の保存 測定が終わったら、プロジェクトと結果を保存します。マルチ・ハンマー・フィルター、出力ストレージの選択、ハンマー・ウィンドウの設定など、任意の設定を変更したいですか？私たちがバックアップします：設定を変更して再度保存したり、既存のプロジェクトを再開することもできます！衝撃測定の生データが保存されているので、変更を加えて結果を再度保存することができます。 仮想ポイント変換 これでインピーダンスFRFを導出することができます。FRFとコヒーレンスを保存しましたか？数クリックでインジケータFRFが表示されます。自動的に最適なリファレンスを選択し、有効な周波数範囲を大幅に広げます。 以下のビデオでは、リファレンスを仮想ポイントに変換するために必要ないくつかのステップをご覧いただけます。VPT（Virtual Point Transformation：仮想点変換）を成功させるための重要な基準とは何でしょうか？実際、Testlabは自動的に変換マトリックスの全体的な条件数を考慮し、最適なインパクトを選択することで全体的な剛性指標を向上させます。 その場でのTPA疑似力の計算と検証 Testlab Neoの新しいIn-situ TPA計算ツールはもうお使いですか？それがこちらです！Simcenter Testlab 2506以降、Testlab Neoでは行列反転によるTPAが可能になりました。これは、この解析を行うために必要なものであり、さらに、結果を得るために非常に効率的です。 ここに、結果を得るためのほぼ全てのステップを示す2つの小さなビデオがあります。 まず、TPAモデルを定義する必要があります。次に、結果を計算する必要があります。結論テストプロセスを変革する エンジニアとして、私たちは常に正確さと厳しい納期とのバランスを取っています。今回ご紹介したSimcenter Testlabのイノベーションは、テクノロジーによってこの2つの目標を同時に達成できることを示しています。直感的なワークフローガイダンスに仮想計測器を統合することで、かつては複雑でミスの起こりやすいプロセスであったものが、より合理化されたワンオペレータの手順へと進化しました。 このアプローチの利点は、単なる利便性にとどまらない：精度の向上:Smart Hit Selectionと自動リファレンス選択により、測定チェーン全体で最適なデータ品質を確保 大幅な時間の節約:CADガイドによる衝撃試験と効率的なワークフローにより、測定キャンペーンの期間を短縮 信頼性の向上:測定品質に関するリアルタイムのフィードバックにより、初回から確実に正しい測定が可能 将来を見据えた結果:生データの保存により、必要に応じて分析を見直し、改良することができます。効率的でしょう？あなたのご意見をお聞かせください。 もっと情報が必要ですか？ 私の同僚か私にご連絡ください。 コンポーネント・ベースのTPAまたはバーチャル・アセンブリに関する無料ウェビナーにご興味がおありですか？ C-TPAマスタークラス 2025年11月に開催 ハンズオンワークショップ、専門家主導のセッション、新技術に関する独占情報を通じて、物理試験からバーチャルプロトタイピングへの移行をマスターしてください。電動化の時代を先取りしたいNVHエンジニアに最適です！ソースリンク

STLファイルは、複雑で有機的な形状をキャプチャする便利な方法ですが、そのファセットの性質上、解析用に準備するのに苦労することがあります。STLファイルには三角形しか保存されていないため（真のソリッドボディ、解析面、フィーチャ履歴は保存されていません）、ギャップやオーバーラップ、またはメッシュ作成の妨げとなる数百万の小さなファセットが頻繁に存在します。幸い、ANSYS Discoveryの ファセット そして サブディビジョン（SubD） ツールセットを使用すると、最も粗いスキャンでも、FEAやCFDに使用できる強固なソリッドに変換できます。この記事では すべての クリーンアップと編集のコマンドについて、それぞれがどのように機能するのか、どのパラメーターが重要なのか、そして（最も重要なことだが）あるツールが他のツールよりも望ましい場合について説明している。 典型的なSTLの問題点とその理由ファセットの欠落 モデルが防水でない場合、体積変換は失敗します。 切断されたシェル 意図しないエアギャップが流体領域を破壊し、部品点数を増加させる。 過剰な解像度 ビューポートのパフォーマンスは急落し、メッシュ生成は這うように遅くなります。 ぼろぼろのサーフェス 境界層がギザギザになり、不正確な応力や流れの解が得られます。ディスカバリーのFacetsツールは、これらの欠陥のそれぞれを系統的に攻撃し、広範な自動修正から、対象を絞った手動による改良へと移行します。 ファセット・タブの詳細 以下では、各ツールについて詳しく説明します。 どのような が、しかし どのように そして なぜ あるSTLの問題に対してそれを選ぶかもしれません。 オートフィックス - AutoFix は、インポートされた STL ファイルをワンボタンでトリアージします。このコマンドは、多様体の連続性のチェック、オープンエッジのステッチ、反転法線の反転、重複ノードのマージ、ゼロエリア三角形の削除など、アルゴリズムのカスケードを実行します。このプロセスは繰り返し実行されるため、下流の操作で新たなギャップが見つかった場合、修復された領域を再度確認します。いつ使うか:インポート直後、メッシュの検査に時間をかける前に。AutoFixが成功を報告すれば、一般的なSTLの問題の80%を取り除くことができます。AutoFixがすべてを修正できなくても、手動ツールに残す問題ははるかに少なくなります。 ヒント:手作業による大幅な編集（特にブールカット）の後、AutoFixを再度実行してください。新しい境界線が非マニフォールドのエッジを再び引き起こす可能性があります。穴埋め - AutoFixが単純なひび割れを埋めるのに対し、より大きな穴にはFill Holesが必要です。Discoveryは境界のループを分析し、平面（フラットフィル）または曲率ベース（ブレンド）の三角形パッチを作成します。曲率オプションは周囲のファセット法線をサンプリングするため、新しい三角形は曲線領域にスムーズに移行します。知っておくべきパラメータ:最大穴径（微小な隙間は無視）とブレンド方法。 こんな時に:パイプ端のキャップ欠落。解剖学的スキャンの小さな隙間。ブール減算後の端の破れ。 避ける:ギザギザした歯のような開口部-シュリンクラップは、薄いパッチを強制的に貼り付けるのではなく、その部分を再スキン化するため、より良い結果をもたらす。シュリンクラップ - モデル全体の再スキニング Shrinkwrapは、電子機器に熱収縮フィルムを張るのと同じように、元のファセットをまったく新しい表面で包みます。Discoveryは、最も外側の三角形に接触するまで仮想風船を膨らませ、その後メッシュを緩和して閉じたスキンを生成します。長所:何千もの微細な穴をワンステップで解決；浮遊する断片を結合；MRIやCTスキャンに最適な小さなノイズを平滑化。 トレードオフ:新しいエンベロープを形成するため、鮮明なエッジがわずかにぼやける。正確な円柱や基準面が必要な場合は、代わりにAutoSkinをご検討ください。 ワークフロー:AutoFix → Shrinkwrap → Smooth。三角形の数を減らすか、ソリッドに変換するのはその後にしてください。オートスキン - ファセットをハイブリッドジオメトリに変換するAutoSkinは、ジオメトリのインテリジェンスを維持しようとします。STLを曲率で分割し、可能な限り解析面（平面、円柱、円錐）をフィットさせ、残りの部分をSubDサーフェスで埋めます。その結果 ハイブリッド ボディ：公差が重要な部分にはシャープなメカニカルフェイスを、その他の部分にはフリーフォームのパッチを。理想的な入力:水密性が高く、過度にノイズのないメッシュ。例えば、トポロジーが最適化されたブラケットや、Shrinkwrapで洗浄されたタービンブレードなど。AutoSkinを選ぶ理由:下流のCAD編集はパラメトリックなまま-穴の直径は真の円筒のまま、取り付けパッドは平面のまま。準備:SmoothとReduceを実行し、ファセット密度を均等にします。AutoSkinの曲率分類器は、均一な三角形に最適です。ブール演算 - STLシェルの結合と切り分け。ブール演算はソリッドモデリングでより一般的ですが、Discoveryではファセットボディで実行できます。結合（追加）...

高度なモデリング技術により、攪拌タンクにおける渦ダイナミクスの秘密を解き明かす。課題 攪拌槽における渦ダイナミクスの予測には、複雑な流体挙動が関与するため、大きな課題がある。このようなシステムにおける流体の動きの乱流と無秩序な性質は、渦の形成を正確にモデル化し予測することを困難にしている。 従来の数値流体力学（CFD）シミュレーションは、精度は高いものの、計算量が多く、時間がかかります。このことは、シミュレーションや最適化に迅速な対応が求められる産業界にとって問題となります。 還元次数モデル（ROM）の紹介 ROM（Reduced Order Models）は，従来の CFD シミュレー ションが抱える課題に対する有望なソリューションで す．ROMは、システムの本質的なダイナミクスを大幅に少ない自由度で捉えることで、計算の複雑さを軽減します。 ROM は，システムの最も重要なモードや特 徴を特定し，元のシステムの重要な特性を保持し た簡略化モデルを構築することで作成されます．このアプローチにより、シミュレーション・プロセスが高速化されるだけでなく、複数回の反復と最適化がより実行しやすくなります。 エンジニアリング・ソリューション Ozen Engineering, Inc.では、ANSYSシミュレーションソフトウェアの専門知識を活用して、攪拌タンク内の渦を予測するための正確で効率的なReduced Order Modelを開発しています。当社のプロセスは、流体システムの基本的な挙動を理解するための詳細なCFDシミュレーションから始まります。 次に、高度なモデル削減技術を使用して主要なダイナミクスを抽出し、高精度で渦の形成を予測できる ROM を構築します。この ROM は、信頼性とロバスト性を確保するために、実験データに対して検証されます。 アプリケーション このアプリケーションでは，渦予測用の Fluent モデルの作成方法を示したのと同じ攪拌槽の例を使用します．1.タンクは非バッフル円筒で、ラシュトンタービンインペラで攪拌する。形状および断面のメッシュの詳細を図 1 に示す。図 1.形状モデルとメッシュ Ansys Workbench のプロジェクトレイアウトを図 2 に示します．ジオメトリは，Fluent セッションに接続され，必要なモデル設 定と入出力パラメータが記述されます．1.その後、3D ROM モジュールをプロジェクト画面にドラッグ＆ドロップすると、3D ROM モジュールがプロジェクトの他の部分と自動的に接続されます。図 3.3D ROM を追加した Ansys Workbench プロジェクト 実験計画法（DOE）を実施する前に，入力（DP0）に基づ...

数値流体力学（CFD）シミュレーションの重要なアップグレードを中心に、ANSYS Discovery 2025R2の最新の進化をご紹介します。熱管理内部3Dファン 2025年リリースのAnsys Discoveryでは、熱管理、特に内部3Dファンの導入が引き続き改善されています。これらの機能強化により、電子機器の冷却に不可欠な実際の熱挙動をより正確にモデリングできるようになりました。ユーザーは、円筒形または長方形の流体領域にファンを追加し、実際の条件を反映するために、ファンの性能曲線または一定の圧力上昇で内部気流をシミュレートできるようになりました。一般的な電子機器冷却ファンを備えたビルトイン・ファンライブラリにより、シュラウド構成と非シュラウド構成の両方をサポートし、セットアップを迅速に行うことができます。この追加機能により、実際のファンの挙動が含まれるため、シミュレーションの精度が向上します。さらに、このソフトウェアは圧力上昇と流量をモニターし、ファンの性能を正確に追跡することができます。新しい流体 Mエスh 機能 Ansys Discovery 2025R2では、流体メッシング機能も強化され、シミュレーションの精度が向上しました。 流体の局所的な影響度（エクスプローラ） 主要な機能の1つは、柔軟なローカルメッシュ制御を可能にする抑制ジオメトリでサポートされたBOI（Body of Influence）ローカルフィデリティです。この機能により、柔軟なBOIの配置が可能になり、あらゆる形状の流体またはソリッド領域に完全にまたは部分的に重なることができます。球や箱のようなWorkbench BOIとは異なります。シャープエッジキャプチャ(Explore) シャープエッジキャプチャ機能は、メッシュ での解像度が向上しました。 インレット, アウトレットそして、よく定義された 流体の境界を明確にします。旧バージョンでは、シャープエッジキャプチャがなかったため、インレットホールやアウトレットホール、フランジエッジで不要なスムージングや丸みが発生し、シミュレーション精度を損なう形状誤差が発生していました。シャープエッジキャプチャの導入により、これらの重要な領域のメッシュの忠実度が大幅に向上し、より正確な面積計算が可能になりました。この改善により、流体領域の入口と出口における質量流量や圧力損失などの性能モニターのより信頼性の高い予測が直接的にサポートされるため、シミュレーション結果をより正確なものにすることができます。 整列 と 実際 システム 動作.Ansys Discovery 2025R2の追加機能完全に発達した速度入口プロファイル： この機能は、ExploreモードとRefinedモードの両方で利用できるようになり、円形インレットのみをサポートしますが、層流と乱流の両方の速度プロファイルに対応します。この機能により、完全に発達した流れを実現するために流れ領域を人為的に拡張する必要がなくなり、より効率的な計算セットアップと問題サイズの縮小が可能になりました。熱流動モニタリング： 入口、出口、壁の境界に熱流モニターを導入することで、流体-熱および共役伝熱解析における熱収支を正確に評価する機能が強化されます。この機能により、熱性能評価が向上し、シミュレーション結果の信頼性が高まります。 プロジェクトに保存されたモニターの詳細 解析中に作成されたシミュレーションモニターがプロジェクトファイル内に保存されるようになりました。保存されたプロジェクトを再度開くと、設定されたすべてのモニターにすぐにアクセスできるため、以降のセッションでソリューションの収束と過渡応答を徹底的にレビューできます。この機能強化により、ポスト処理が効率化され、シミュレーション精度をより効果的に評価できるようになりました。 双方向ストリームライン この新機能により、流体領域内に配置されたエミッタを通過する流体粒子の軌跡全体を可視化することができます。複雑な流れ構造、境界条件の影響、流れ内部の障害物との相互作用を詳細に理解することができます。双方向流線を利用することで、下流の後流形成を含む対象物周辺の流れ場を効果的に図示することができ、流体力学に関する洞察が深まります。熱伝達率（HTC）と温度のANSYS Mechanicalへの転送： Discovery の共役伝熱シミュレーションを、ANSYS Mechanical の熱解析または熱応力解析にシームレスにリンクできるようになりました。この統合により、流体-固体界面における正確で空間的に分解されたHTC値と流体温度データが提供され、Mechanicalでの熱および熱応力予測の忠実度が大幅に向上し、シミュレーション領域間の一貫性が確保されます。AI搭載コパイロット Ansys Discovery 2025R2 には、ユーザーエクスペリエンスとパフォーマンスを向上させる AI を搭載した Copilot...

離散要素法(DEM)がどのように焼結プロセスに革命をもたらし、製造業の効率と精度を向上させているかをご覧ください。課題 金属焼結は、制御された熱と圧力を用いて金属粉末を固体部品に変えるもので、自動車、航空宇宙、電子機器、医療産業などにおいて重要な役割を果たしています。しかし、このプロセスの複雑さゆえに、メーカーは大きな課題に直面しています。以下のような相互に関連する課題により、製造業者は、金属焼結操作において一貫した品質と経済的な実行可能性を達成するために、より優れた理解と制御方法を開発することが不可欠となっている：プロセスの最適化:最適なパラメータ（温度、加熱速度、圧力、雰囲気）を決定することは、従来の試行錯誤的な手法では困難で高価であり、開発期間の延長、材料の無駄、品質の安定性、スケーリングの困難さにつながる。 品質管理の問題:一般的な欠陥には、機械的特性に影響する残留気孔率、熱応力に起因する割れや歪み、特性のばらつきを引き起こす不均一な微細構造、コストのかかる後処理を必要とする表面欠陥などがある。 経済的懸念:金属粉末の高い原料コスト、高温炉の多大なエネルギー消費、高価なスクラップや不良品による再加工、一貫性に影響を与える粉末のバッチ間ばらつきなど、すべてが収益性と生産信頼性に影響を与えます。エンジニアリングソリューション 方法 離散要素法（DEM）は、金属焼結プロセスを研究し、最適化するための貴重な計算アプローチです。各粉末粒子を個別にモデル化することで、粒子の再配列、接触形成、気孔率の進化、および初期段階の結合を詳細に解析することができます。 ほとんどのDEM焼結シミュレーションは、以下の点に重点を置いています。 低温成形段階熱処理の前に粒子を押し固める。これらのモデルは、凝集力モデルを用いて機械的な圧密と「グリーンボディ」の形成を捉えますが、次のようなことはできません。 熱拡散、収縮、微細構造の変化はシミュレートできない。-これらは、他の熱モデルや連続体モデルとの連成を必要とするためです。 DEMは焼結以外にも、製薬、鉱業、食品、建設などの産業で、粒子の流動、混合、圧縮の研究に幅広く使用されています。粒子スケールの挙動を把握することで、DEMはプロセスの最適化、エネルギー使用量の削減、製品の一貫性の向上に役立ちます。 結果 以下は、ANSYS 社の粒子流シミュレーションモジュールである Ansys Rocky を使用した焼結プロセスの例です。このセットアップは，キャビティに粒子を供給するフィーダ，指定の力を加えるプレス，最後にエジェクタで構成されています．セットアップの前にモーションシーケンスを定義し、モーションフレームで設定する必要があります（以下のビデオを参照）。 基本情報は以下の通りです：粒子の形状球 (詳細) 形状 が使えます) 粒子径: 1.5 - 2.0 mm 粒子の総数144,405 物理/シミュレーション時間：11秒/4,696秒（1.3時間） 実行CPU NVIDIA TRX A6000粒子サイズは、このデモで使用した値よりも小さくすることができ、また小さくする必要があります（約0.1～0.3 mm）。ロッキーでは、結果は材料特性と相互作用係数にも依存します：材料特性：密度、ヤング率、ポアソン比。 材料相互作用：静/動摩擦係数、復元係数. 接着剛性：粒子径に依存する（モデルチューニング）。Rockyでは、圧縮後の最終部品の粒度分布の可視化も可能です。今回使用した粒子径では、いくつかの欠陥が目立つため、早期に設計を調整することができます。図に示すように、左の画像は圧縮された形状を表示し、右の画像は粒子径のばらつきを明らかにします。粒子が大きかったり小さかったりする部分は、密度や機械的特性に潜在的な不一致があることを示しています。モーションフレームは、「自由体移動」と連動して「線形時間可変力」を適用し、時間の経過とともに線形に増加する力を生成することにより、圧縮効果を含んでいます。このデモでは、500N/sの係数dが使用され、以下のプロットにおける直線的な力の傾きを表しています。この力は、油圧機構によって生成される圧力を推定するために使用することができます。最後の画像は、圧縮後の最終部品の粒子の体積分率マップを示しています。理想的には、部品全体に一貫した密度を確保するために、この分布はできるだけ均一であるべきです。しかし、緑色のボックスでは明らかな非対称性が観察される。対照的に、上部と下部の領域は良好な均一性を示しています。この情報は、成形不良を特定し、工程全体の品質を向上させるために、フィーダーの設計、パンチの形状、または動作順序を調整するために極めて重要です。