本田汽车利用材料数据库提高开发效率

By Ansys Advantage Staff

汽车行业向更轻量化的汽车、混合动力和电动动力系统、更先进的驾驶辅助系统(ADAS)和更豪华的内饰转变，涉及到全球工程工作流程的每个部分，包括:

• 新的制造方法
• 开发高效率、轻量化的发动机和电动机
• 减轻车辆车身重量
• 降噪

设计的一个元素跨越了汽车开发中涉及的每一个工程学科:材料。汽车制造商正在研究和开发新材料，以区分他们的品牌，并与供应商合作，以确保做出最好的、最可持续的材料选择，创造了大量的材料数据来跟踪和管理。

材料分类和要求的性能

就职于本田汽车(Honda Motor)汽车事业部的伊藤刚(Tsuyoshi Ito)非常确信材料的重要性，于是他开始自己建立一个材料信息管理系统。Ito是公司Monozukuri中心汽车开发监督部门材料开发部动力单元材料科的助理总工程师。伊藤随后建议公司办理执照Ansys Granta MI材料信息管理软件，对每个个体拥有的材料信息进行集中管理，利用材料信息学，将收集到的信息与统计方法相结合，在材料领域创造新的价值。

跨部门物资信息管理系统的重要性

伊藤在加入本田集团的研究开发部门本田R&D后，开发了发动机用铝制结构部件，从材料的角度解决了开发问题。在他的工作中，他使用计算机辅助工程(CAE)开发方法来预测热处理残余应力，评估高周疲劳强度和测试各种材料。

社会环境的变化也使物资管理变得更加重要。在一个拥有不同价值观和国籍的人一起工作的时代，公司分享信息和技术的方式直接转化为利润。在材料开发中，关注的焦点也集中在面向数据的研究上，它不仅使用实验、理论和模拟，而且还使用统计处理。

由于这些原因，对跨类别的信息共享或与开发系统集成的需求有所增加。然而，在伊藤建立自己的数据库时，公司没有全面的材料信息管理系统。各部门或个人收集资料的方式杂乱无章。

“首先，集中管理分散的材料数据，以提高数据共享的效率，”Ito解释了从材料数据中挖掘价值的步骤。“然后，将其用于数据科学或数据工程，最终利用材料信息学开发材料，从而创造新的价值。”

Ansys Granta MI解决材料数据库创建挑战

汽车开发中使用的材料范围很广，因此在构建材料信息管理系统时，Ito将当前的数据问题分类为以下几个大的材料组:金属、有机、功能和化学。所有组都包含各种材料，每种材料都有不同的制造工艺和不同的需求特征，必须用特殊的技能来处理。因此，每一个具体的材料都需要一个人来分配，导致材料数据的管理杂乱无章。必要的材料数据也因人而异，取决于设计、CAE和材料等角色。

粘合材料的性能预测结果

Ito列举了物资信息管理系统管理和运行中可能出现的四个问题:

1. 输入模板项必须经常更改，以支持每天更新的材料数据和制造技术。
2. 由于多人输入导致的数据表达式不一致必须纠正。
3. 必须添加或修改大量的材料和数据，需要一个层次结构来组织。
4. 必须输出数据，以便可以自由利用。

Ito的团队选择了Granta MI Enterprise解决方案来解决这些问题。材料信息管理系统自动将添加或修改的输入项目更新到输入模板中，无需再次创建项目。所有特定的项目数据都可以输出和使用，也可以修改和放回系统，这使得编辑大量数据或更改层次结构变得容易。

“我将Ansys Granta MI与其他类似的数据库软件在输入、显示、搜索、输出、管理和成本方面进行了比较，”Ito说。“由于其巨大的相对优势，包括自动创建记录之间的链接和多个记录中包含的重叠图的额外功能，我们选择了Granta MI。”

材料分析减少了开发时间

自引进Granta MI以来，Ito在整个公司推广了材料信息管理系统。首先，他将系统结构划分为不同角色的用户(如设计师和设计专家)可以存储其特定数据的区域。然后，他为这些区域添加了访问控制，并将它们彼此链接起来，以便所有用户都可以处理数据。为了更容易地进行访问权限管理，创建了一个中间团队，使管理员能够管理每个团队的用户对数据库的访问权限。通过使用Granta MI使材料模型可用于仿真目的，它提高了CAE工作效率并减少了材料测试，通常由不同部门重复。模拟模型的材料属性获取成本估计降低了40%。

还有一些用户友好的特性可用来防止输入数据的人员之间产生误解或表达不一致，例如在模板中显示每个术语的描述，并添加从列表中选择数据的函数。这提高了数据的数量和质量，同时简化了数据输入。

有组织的材料信息管理系统使公司能够发现可以利用材料信息学创造新价值的案例。材料信息学是一种高效的材料开发方法，它将材料数据与机器学习相结合，不像传统的试错材料开发。材料信息学中最重要的是数据的数量和质量。然而，数据的收集、转换和组织(数据清理)通常需要大量的工时，这是机器学习中一个严重的问题。

本田汽车回顾了在材料开发中使用材料信息学设计配方的效果。一般来说，材料的性能会随着配方的变化而变化，因此必须创建和测试许多原型才能达到目标性能。因此，公司将物料信息管理系统中存储的物料的配方信息、试验结果和性能信息输出，输入机器学习。机器学习算法机械地计算未知配方中的属性，缩小配方候选范围以获得目标属性。

通过Ansys Granta MI，材料性能测量成本降低了约40%。

结果表明，所选材料的性能预测值与实际值误差很小，预测精度较高。与传统的试错开发相比，机器学习方法已被证明可以将原型材料和测试的数量减少约一半。

以此为基础，本田汽车决定确保材料专家收集的大量材料数据，加强材料信息管理系统，增加数据库用户，以促进材料信息学的材料开发。该公司还计划积极向设计师和分析师发布数据，并将数据库与开发环境(如产品生命周期管理(PLM))集成，以便它可以用作开发平台。

伊藤说:“要在公司中运行材料信息管理系统，重要的是首先选择适合使用目的、工具覆盖范围和企业文化的材料数据库工具。”他说:“亦有必要设计数据库结构，并考虑用户的特点和角色，进行访问控制，并进行各种推广活动。”在材料开发利用方面，将数据系统地存储到材料信息管理系统大大减少了数据清理，从而有更多的机会使用材料信息学。”

参考

技术评论，第32卷第2期，“高效材料数据库”“材料信息学的发展”，伊藤刚，石井达子，本田明，杉本直男，丰田洋一，古泽光