【第９章 情報爆発からのデータ活用】75 : IoT時代のV+Rライフサイクルー収集と活用
ダッソー・システムズの工藤です。ブログNo.73から継続しているテーマですので、リマインドしていただくためにも、73 : IoT時代のシミュレーション – リアルデータを還流させる新パラダイムをお読みください。IoTからの実利用データを取り込んだ大きな還流プロセスが構築されるので、ライフサイクル循環型開発プロセスと名付けました。この還流プロセスは下記の4つのフェーズから構成されています。本稿では、最初の2つのフェーズについて述べます。
① 収集フェーズ：実稼働世界からのリアルデータ
途切れのない大量の時刻歴の生データを収集するIoT技術の基盤部分となります。世の中的には、ハードウエアと基本ソフトが一体となった形で、Edge Computingとしてすでに広く出回っています。素粒子実験や宇宙観測などの超大規模な実データを取り扱う世界では、数十年も前から実用化されている技術でもあるでしょう。実験データ管理を大幅に拡張して、リアルデータ管理体系として下記のような様々機能を持つ必要があります。
・メタデータ定義/標準化
・外れ値、異常値、誤りデータの抽出
・履歴データの標準化/統計データ化
・メタデータと履歴データの紐づけ
特に、この後の様々な段階でデータが正しく活用されるために重要なことは、メタデータを正しく付加して管理することです。メタデータ（属性）の重要性については、【デザインとシミュレーションを語る】 72 : 情報爆発をコントロールし活用する属性データの意味、にも書いていますので併せてお読みください。
② 活用フェーズ：データ分析と設計活用の前準備
ここでは二つの仕事が行われます。一つ目はいうまでもなくデータ分析です。整合性のとれたデータが収集できれば、昨今のAI学習や統計的データ分析から、様々な実利用状況を理解し、予測をすることができます。自動車、商用車、建機といった車体の燃費がテーマであれば、例えば下記のような分析ができるでしょう。
・実効燃費のバラツキ要因
・燃費悪化要因分析
・寒冷地/温暖地での環境相違と影響
・都市部/平野部/山岳地での違い
・運転方法の影響
ジェットエンジンや風力発電機などの分野では、すでにこうしたデータを活用して、運用・稼働操作にフィードバックし、最適な動作を行う仕組みができています。ですので、ここまでの技術もすでに実績が豊富な領域です。
さて、このフェーズの2つ目からの仕事が、還流プロセスにとって最も重要なものになります。次のフェーズの仕事であるシミュレーションへ入力するための、リアル・データからの標準化管理を行う役割です。これまで仮定あるいは想定でしかなかった誤差分布をリアル・データとして入力できることになるので、ロバスト設計/信頼性設計にとって画期的な出来事になるのです。また、極限条件や最悪条件を抽出して、個別品質向けのデータ生成を行うこともでき、製品設計シミュレーションの高精度化のためのデータ同化の準備を行うこともできすはずです。
【DASSAULT SYSTEMES 工藤啓治】
工藤はCAE分野で39年の経験を持つエキスパートとして、CAE開発・販売、HPC活用・マーケティング、最適設計・ロバスト設計市場開拓などを経験し、現在はシミュレーションを活用した設計業務改革コンサルと自身のノウハウ形式知化に取り組んでいます。