Les méthodes d'apprentissage automatique sont parfaitement adaptées aux tâches typiques du développement de produits : accélérer les étapes du développement, fournir des déclarations fondées sur la faisabilité et les variantes possibles en quelques secondes, par exemple dans des applications destinées aux non-spécialistes de la simulation.

La formation des modèles doit être basée sur les connaissances existantes dans l'entreprise et ces connaissances se trouvent dans les projets de simulation existants. Les simulations jouent également un rôle crucial dans la génération de données de formation lorsqu'aucune donnée d'essai réelle n'est disponible.

La traçabilité est un élément clé

Les possibilités qui en découlent augmenteront de manière exponentielle. Il est donc d'autant plus important de se concentrer sur la traçabilité et l'organisation. Si la ML doit être intégrée dans le processus de développement en tant qu'outil, les données de formation doivent être structurées et versionnées. Au fil du temps, de nouvelles découvertes émergeront et nécessiteront une nouvelle formation. La traçabilité doit être la même.  
 
L'utilisation d'un modèle d'IA doit également être traçable si des décisions sont prises sur la base de ce modèle.  Il est essentiel de savoir à quel moment le modèle d'IA a été entraîné avec quelles données et quelle décision a été prise sur la base de ce modèle.

Structuration et traçabilité grâce à la gestion des données de simulation

Les données de formation sous-jacentes, les modèles d'IA et les applications qui en découlent sont des données typiques de l'IAO. Il est donc logique de les organiser au moyen d'un processus de simulation et d'un système de gestion des données : 

• Ansys Minerva est spécialisé dans la cartographie des processus d'IAO, tels que ceux nécessaires à la génération automatisée de données d'entraînement.

• En tant que système de gestion des données de simulation, il fournit un modèle de données conçu pour gérer le grand nombre d'ensembles d'entraînement et le volume de données associé.

• Le cœur de l'application de la ML en ingénierie est la traçabilité des dépendances, quelles données ont été utilisées à quel moment et dans quel but.  

Contactez-nous ou regardez nos webinaires CADFEM sur la nouvelle version pour des conseils supplémentaires et des réponses à vos questions.

Tous les webinaires CADFEM update en un coup d'œil