実践的なノンパラメトリック最適化を実現する手法とソフト

3Dプリンターの普及で注目されてきたノンパラメトリック最適化

最適な製品形状に近づける目的で登場したのが「最適化ツール」です。トライ＆エラーを自動化する「パラメトリック最適化」や自由度が高く革新的な設計案を創出する「ノンパラメトリック最適化」など最適化の中でも幾つか種類があります。

ノンパラメトリック最適化も従来よりあった技術ですが、最適化として出てきた形状が中空であったり、抜き勾配を考慮していなかったりと製造方法を考慮しない結果となることも多く、利用が限定されるため、爆発的には普及していませんでした。

近年では、3Dプリンターの普及により、従来は製造できなかった形状も作成できるようになったことからノンパラメトリック最適化に注目が集まっています。

3Dプリンターとノンパラメトリック最適化の課題

3Dプリンターの普及により、「3Dプリンターとノンパラメトリック最適化」を活用する企業が増えてきていますが、次のような課題があります。

• 小ロットの製品には向くが、量産製品には不向きである。
• 金属造形3Dプリンターはいまだ高額で、大手企業以外では投資が難しい。
• 金属造形3Dプリンターで成形されたモデルも完全に金属の性質とイコールではなく、後工程での処理が必要である。

このようなの理由などから、ノンパラメトリック最適化を活用した設計検討がストップしてしまうケースも少なくありません。

製造方法を考慮した結果を返すソフトとは

ノンパラメトリック最適化の製品の中では、製造方法を考慮した結果を出力可能なものも出てきており、下図のように製造方法ごとに異なった結果を出力できるようになっています。

CATIA V5の後継システムであり、設計者に優れた製品開発環境を提供するCATIA 3DEXPERIENCEでは、CATIA Functional Generative Design（GDE）と呼ばれるモジュールにより、各種最適形状を容易に導き出せます。この機能を利用すれば、製造方法を変えずに今よりも革新的な製品を検討できるのではないでしょうか。

最適化形状の再モデリングの課題もクリアに

また、ノンパラメトリック最適化の弱点として挙げられるのが、出力された形状を3Dモデルに作り直す工程でした。最適化は有限要素法などをベースにしていることが多く、メッシュモデルから3Dモデルを再モデリングする工程が煩雑で工数のかかる作業でした。

CATIA 3DEXPERIENCEの最適化ツールGDEでは、動画のように再モデリングする便利な機能も搭載されており、この部分においても従来より短時間で最適形状にたどり着けます。