分類カテゴリから製品を探す
業種から企業を探す
ブックマークに追加いたしました
ブックマークを削除いたしました
これ以上ブックマークできません
会員登録すると、ブックマークできる件数が増えて、ラベルをつけて整理することもできます
この企業へのお問い合わせ
お問い合わせをする前に
1～19 件を表示 ／ 全 19 件
AIによる製品性能のシミュレーション技術は、サロゲートモデル技術と呼ばれ、最近注目をされています。 その中でも、PINNs（Physics-Informed Neural Networks）技術は、NVIDIAもNVIDIA Modulusという汎用モジュールを公開し、特に注目を浴びています。 弊社では、PINNs技術をNVIDIA Modulusや弊社独自PINNsモジュールを使い、実用的なAIサロゲートモデルを作成しており、その技術資料を公開しました。 以下のカタログからダウンロードください。 また、以下の公開リンクにある「アストライアーソフトウエア製品デモページ」から、PINNsサロゲートモデルを実際にお試しいただけます。
Aries 3D-Matching製品による椅子形状検索の操作説明ビデオです。 3次元形状認識AIを使って、椅子製品の類似形状を、製品ライブラリから検索します。
3次元形状を扱える弊社AI技術の紹介です。AIが既存の車体形状を混合し、新しい形状を生み出します。 2つの車体を混合する比率を変えることで、様々な形状の車体を生み出すことができます。
Aries 3D Surrogate Model製品による片持ち梁部品のシミュレーション操作説明ビデオです。 過去のシミュレーション結果を学習したAIを使って、片持ち梁モデルの変形や応力を瞬時に予測します。
Aries 3D-Matching製品によるブラケット部品検索の操作説明ビデオです。 3次元形状認識AIを使って、設計中のブラケット部品の類似形状を、ブラケット部品のライブラリから検索します。
Aries 3D-Matching製品によるボルト部品検索の操作説明ビデオです。 3次元形状認識AIを使って、設計中のボルト部品の類似形状を、ボルト部品のライブラリから検索します。
3次元形状のマッチング（特許第7190147号） Aries 3D-Matchingは、検索対象の形状・サイズに一致する部品を登録されたライブラリの中から検索し、一致度が高い順に出力します。 マッチング結果からPLMに登録された設計データへ簡単にアクセスできます。 そのため過去の設計資産の有効利用が促進され、作業効率が大幅にUPします。 弊社はこのAI技術の特許（特許第7190147号）を取得しました。 部品形状による分類 Aries 3D-Matchingの分類機能は、部品の3次元形状のみに着目し、指定したクラスに分類、一致度が高い順にクラス名を出力します。 分類結果からPLMに登録されたデータへ簡単にアクセスできます。 データの有効利用が促進され、作業効率が格段に向上します。 PLMとしての機能 Aries 3D-Matchingは3次元形状の検索機能のみではなく、 PLM製品としての機能も搭載しています。 分類結果、 図形データ、 補足情報の管理や、テキスト検索、 権限管理など機能が充実しています。
『3D Surrogate Model』は、既存のCAE解析ソルバーで実施した シミュレーション結果をAIにトレーニングさせ、そのトレーニングされた AIモデルを用いて、同様のシミュレーションをAIに実施させる意図で 開発された製品です。 シミュレーションにAIを利用しており、計算時間が早く、単純な乗算のみのため 発散により解析結果が止まることがありません。 また、メッシュをそのままAIモデルとしてそのまま学習し、材料やエッジの 長さなどをフィーチャーとして表すこともできます。 【特長】 ■解析実行時間の大幅短縮 ■解析処理の安定性 ■使用容易性の向上 ■解析リソースの削減 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
『3DマッチングAI PLM』は、2Dよりも情報量が多い3Dデータにより、 さらに正確な形状のマッチングを行うことができます。 お客様が既存のPLMをお持ちの場合は、マッチング結果と 既存PLMの連携が可能。 当製品に搭載している3DマッチングできるAIモデルは、 弊社特許技術（特許第7190147号）を使用したAIモデルになります。 【特長】 ■より正確な形状のマッチングを行うことが可能 ■3Dマッチング可能なAIモデルを搭載 ■マッチング結果とお客様が所有している既存PLMの連携を行える ■クラス分けとマッチングという2つの方法で対象物を認識 ■システム構成は、お客様の要望により柔軟に構成することができる ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
『3次元AIモデルGenerator』は、既存の3Dデータとその分類名（ラベル）を ご用意していただくだけで、学習済み3次元AIモデルを簡単に作成できます。 既存の3Dデータを有効活用するため、データ収集・加工の時間と労力を軽減。 AIモデルの構築・学習の環境構築と実施はGeneratorが行うため、 AIの専門的な知識が不要になります。 【特長】 ■3Dデータを用意するだけで、簡単にAIモデルを作成可能 ■データ収集・加工の時間と労力を軽減 ■AIの専門的な知識が不要 ■AIモデルの強化を継続して実施できる ■学習したデータとその結果を確認可能 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
当資料では、「網膜画像用AI」の開発についてご紹介しております。 「開発した"網膜画像用AI"の性能」や「本医療AI完成までの道程と今後」、 「開発した医療AIのプロモーション」などについて掲載。 "未学習の疾患"の正常or異常を判定可能で、学習データとテストデータが 完全に独立な場合でも判定ができます。 【掲載内容】 ■はじめに ■開発した「網膜画像用AI」の性能 ・検証1 未学習の疾患を検知できるか？ ・検証2 学習、テストデータが完全に独立でも診断？ ・本AIの性能まとめ ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
AI×CAEの活動を行っている当社は、『サロゲートモデル』についても 調査・研究しております。 CAEの適用範囲が広がり、シミュレーション結果のより高い精度も 追求されるようになってきましたが、検討内容が複雑化し、1から計算を行う シミュレーションでは益々時間が過大になる等の問題が発生。 「サロゲートモデル」では、解析実行時の時間を格段に短くでき、 学習済みモデルを利用するのは専門的な知識が不要で、簡単に利用可能です。 【CAEシミュレーションの問題点】 ■CAE検討内容が複雑化し、1から計算を行うシミュレーションでは、 益々時間が過大になる問題が発生 ■ソフトウェア・ハードウェアの高騰、専門技術者の不足、教育コストの増加 ■ソフトウェアの保守費も高騰 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
当資料では、AIの新たな課題への取り組みとして表れてきた 『Explainable AI（XAI）』について解説しております。 「AIの課題」や「XAIの目的」、「XAIの実現のアプローチ」など について掲載。 「XAI」への取組みは、学習パフォーマンスを維持しながら より説明可能なAIを作成することを目的にしています。 【掲載内容】 ■AIの課題 ■XAIの目的 ■XAIにおける2つの目的の関係 ■XAIの実現のアプローチ ■説明可能性の向上 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
『類似性判断』は、入力された形状に似通った形状を登録された データベースから検索する事を言います。 形状の特長量を抽出し、データベース内で既存形状の特長量と比較するため、 トレーニングにVAEやGANなどの生成モデルを使用。 製造業、建設業など多くの産業の設計現場では、3DCADを利用した3次元形状に 基づいた設計に移行しています。また、CAD・CAM・CAEと呼ばれる設計、製造に 関連したコンピューター支援技術も同じく3次元形状に基づいています。 【特長】 ■形状の特長量を抽出し、データベース内で既存形状の特長量と比較 ■トレーニングにVAEやGANなどの生成モデルを使用 ■3D形状認識AIによる直接比較 ■テキストベースAIによる文字列比較 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
『新形状合成』は、類似性判断と同じく、適切にトレーニングされた AIモデルから抽出された特長量ベクトルを、複数の形状についてブレンドし 新しい形状を自動的に生成する事を言います。 ディープラーニングの一種 Variational Autoencoder（VAE）を 使用したネットワークを構築し、新しい車体データを作成。 VAEシステムのDecoder部分に特長表現を添加するタイミングを複数設けて 生成結果を味付けします。 【特長】 ■適切にトレーニングされたAIモデルから抽出された特長量ベクトルを 複数の形状についてブレンドし、新しい形状を自動的に生成 ■VAEシステムを使用したネットワークを構築し、新しい車体データを作成 ■形状合成にかかる時間は数秒で、デザイナーの思いつくがままにデザイン検討可能 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
『形状分類』は、3次元形状をあらかじめ定義されたクラスに分類する作業です。 形状の特長をできるだけ損なわない畳み込み技術を使用しており、 形状の一部分に注目しても、全体形状を俯瞰しても分類が可能。 単なるクラス分けだけではなく、他の業務にも利用することができます。 また、射出成型用金型、鍛造用金型のNC旋盤用カッターパスを計算するときに、 金型モデルからボルト穴形状を識別して全体形状から自動的に削除します。 【特長】 ■形状の特長をできるだけ損なわない畳み込み技術を使用 ■形状の一部分に注目しても、全体形状を俯瞰しても分類が可能 ■単なるクラス分けだけではなく、他の業務にも利用することができる ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
当社で研究開発している『3次元AIモデル』の特長や技術について ご紹介いたします。 開発された「3次元形状認識AIモデル」は、形状の特長を認識し指定された グループに分類する「形状分類」、複数の形状の特長を比較しそれらの 類似性を判断する「形状類推」、複数の形状の特長を混合し新しい形状を 生成する「形状合成」などの機能に応用できます。 ご用命の際は、当社へお気軽にご相談ください。 【特長】 ■可変のネットワーク構造を畳み込むことを可能にし、 それにより効率的に3次元形状をAIに認識させることができる ■形状分類、形状類推、形状合成などの機能に応用可能 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
当資料では、株式会社アストライアーソフトウエアの活動概要を ご紹介しております。 研究開発を進めてきた「3次元AI」の技術では、3次元形状を構成する 節点（頂点、座標位置）と要素（節点結合情報）から直接的に形状を 認識することが可能。 3次元スキャナーで取り込まれた3次元形状もそのまま認識し、 設計プロセスの様々なシーンで活用できます。 当社は、大企業で培われた先端技術を産業構造の隅々にまで浸透させ、 日本の製造業全体を力強くサポートしていきます。 【掲載内容】 ■なぜ3次元AIが必要か？ ■テキストベースAIと3次元AIの比較 ■2次元AIと3次元AIの比較 ■活動目標 AI/CAE/クラウドの融合 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
当社では、製造業の3D CADデータをより有効活用し、AI・ ディープラーニングによる3次元形状認識技術の研究開発を 行っております。 新しいAI研究成果を基に研究開発を進め、ついに3次元形状データを認識 できる3次元AIモデルの開発に成功。 活動目標はCAE、AI、クラウド技術の融合と大企業から中小企業までの 技術浸透です。3次元AIの研究開発を推進し、製造業だけでなく、 他の多くの業界にも広めQCDの向上に貢献していきます。 【事業内容】 ■技術支援ソフトウエアの製造、販売、技術サポート、教育 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
工事不要で使えるガス式の自動給油器。防爆エリア対応で廃棄も簡単
11万点超の機構部品・電子部品が短納期で届く。最新カタログ進呈
静音・省メンテな搬送ラインを実現。発塵しにくい摩擦式コンベア
