隨著DeepSeek 的大火，諸多企業(yè)開始思考如何將AI 技術(shù)應(yīng)用到已有的研發(fā)流程當(dāng)中，加快推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型。

虛擬流程優(yōu)化是企業(yè)數(shù)字化轉(zhuǎn)型戰(zhàn)略的重要組成部分。目前企業(yè)研發(fā)數(shù)字化的主要趨勢(shì)是：仿真驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)。

■人工智能（AI）的實(shí)質(zhì)是利用大量數(shù)據(jù)做預(yù)測(cè)和業(yè)務(wù)決策

人工智能（AI）中的機(jī)器學(xué)習(xí)（ML）是一種強(qiáng)大的分析手段。機(jī)器學(xué)習(xí)中的“訓(xùn)練”與“預(yù)測(cè)”過程可以對(duì)應(yīng)到人類的“歸納”和“推測(cè)”過程，即通過不斷歸納思想，得出相關(guān)性結(jié)論。

因此，這里的AI一定不是我們當(dāng)下談的熱門大模型，而是和各個(gè)行業(yè)相關(guān)的小模型。例如，研發(fā)部門通過挖掘設(shè)計(jì)輸入?yún)?shù)對(duì)設(shè)計(jì)結(jié)果輸出性能的相關(guān)性，縮短設(shè)計(jì)時(shí)間提升效率；生產(chǎn)部門通過運(yùn)行指標(biāo)來掌握設(shè)備性能，并實(shí)施預(yù)測(cè)性維護(hù)方案等。

通過結(jié)合行業(yè)知識(shí)及業(yè)務(wù)判斷，對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行積累、挖掘和分析，以產(chǎn)生商業(yè)洞見并指導(dǎo)決策和行動(dòng)。

■ EDEM 仿真是顆粒系統(tǒng)重要的數(shù)據(jù)來源

用于人工智能的數(shù)據(jù)包括設(shè)計(jì)數(shù)據(jù)、試驗(yàn)數(shù)據(jù)、仿真數(shù)據(jù)和其他技術(shù)產(chǎn)生的數(shù)據(jù)。

仿真作為重要的生成數(shù)據(jù)來源，不僅能夠獲得大量實(shí)際沒辦法捕獲的工況數(shù)據(jù)，還大幅降低了試驗(yàn)測(cè)試的成本。

EDEM 作為市場(chǎng)領(lǐng)先的離散元仿真軟件，專用于工業(yè)散裝固體處理過程微觀和宏觀尺度的研究。

例如，通過 EDEM 仿真能夠研究混合設(shè)備結(jié)構(gòu)、轉(zhuǎn)速、填充質(zhì)量等參數(shù)組合對(duì)混合均勻度的影響；或是振動(dòng)篩振幅、頻率、篩面結(jié)構(gòu)、進(jìn)料量等對(duì)篩分效率的影響；破碎機(jī)嚙角、擺動(dòng)行程、轉(zhuǎn)速等對(duì)出料粒度的影響等。

由于散裝固體處理過程的復(fù)雜力學(xué)機(jī)理，基于 EDEM 模擬各種顆粒系統(tǒng)處理過程是將設(shè)計(jì)輸入?yún)?shù)與關(guān)鍵性能指標(biāo)（KPI）相關(guān)聯(lián)必不可少的第一步。

■ 利用 HyperStudy 自動(dòng)生成 EDEM 仿真數(shù)據(jù)集

確定設(shè)計(jì)輸入?yún)?shù)和輸出的關(guān)鍵性能指標(biāo)（KPI）后，需要生成不同參數(shù)組合的 EDEM 仿真數(shù)據(jù)集，以構(gòu)建顆粒系統(tǒng)的機(jī)器學(xué)習(xí)模型。

HyperStudy 是一款多學(xué)科設(shè)計(jì)優(yōu)化軟件，通過 EDEM-HyperStudy 連接器能夠直接設(shè)置各種 EDEM 參數(shù)。

如下圖所示，HyperStudy 的實(shí)驗(yàn)設(shè)計(jì)（DoE）功能根據(jù)輸入的三個(gè)參數(shù)變量自動(dòng)運(yùn)行并生成九組 EDEM 仿真。此設(shè)計(jì)僅代表相應(yīng)全因子設(shè)計(jì)的三分之一，因此運(yùn)行成本低三倍。

生成的數(shù)據(jù)集用于后續(xù)生成 romAI 降階模型。

■生成、訓(xùn)練并測(cè)試 romAI 降階模型

romAI 是一款新穎的應(yīng)用程序，它結(jié)合了人工智能和系統(tǒng)建模技術(shù)，從現(xiàn)有數(shù)據(jù)生成可重用的連續(xù)動(dòng)態(tài)模型。

如下圖所示，基于生成的九組EDEM 仿真數(shù)據(jù)，將設(shè)計(jì)參數(shù)作為變量輸入，關(guān)鍵性能指標(biāo)（KPI）作為輸出和狀態(tài)，生成并訓(xùn)練 romAI 降階模型。

通過比較 romAI 模型的輸出與相同輸入的 EDEM 輸出，驗(yàn)證 romAI 模型的精度，并且該模型能夠預(yù)測(cè)更多的參數(shù)組合對(duì)關(guān)鍵性能指標(biāo)（KPI）的影響情況。

■ AI 驅(qū)動(dòng)企業(yè)研發(fā)流程持續(xù)提效

通過 EDEM仿真研究散狀固體顆粒處理過程的力學(xué)機(jī)理，并結(jié)合HyperStudy 、romAI 等AI工具中的統(tǒng)計(jì)和機(jī)械學(xué)習(xí)方法，加速顆粒系統(tǒng)虛擬流程的設(shè)計(jì)和優(yōu)化。

基于大量的 EDEM 仿真數(shù)據(jù)，romAI 模型不僅能夠準(zhǔn)確預(yù)測(cè)超出訓(xùn)練數(shù)據(jù)范圍的關(guān)鍵性能指標(biāo)（KPI），還能夠在幾秒鐘內(nèi)評(píng)估幾十上百個(gè)參數(shù)組合，以確定與關(guān)鍵性能指標(biāo)（KPI）相關(guān)的最佳參數(shù)組合，最終甚至能夠達(dá)到實(shí)時(shí)預(yù)測(cè)優(yōu)化顆粒處理系統(tǒng)。

為了最大限度地發(fā)揮AI技術(shù)的效益，使人工智能（AI）能夠預(yù)測(cè)更多的復(fù)雜行為，企業(yè)還需要進(jìn)一步搭建部署數(shù)據(jù)存儲(chǔ)系統(tǒng)，打通前端設(shè)計(jì)及其他需求端、后端試驗(yàn)系統(tǒng)，將設(shè)計(jì)、仿真、試驗(yàn)一體化，對(duì)人工智能模型進(jìn)行持續(xù)訓(xùn)練，實(shí)現(xiàn)企業(yè)研發(fā)數(shù)字化的增速提效。