本田汽车利用材料数据库提高开发效率

由Ansys Advantage Staff提供

汽车行业向更轻的车辆、混合动力和电动动力系统、更先进的驾驶辅助系统(ADAS)和更豪华的内饰的转变涉及全球工程工作流程的各个部分，包括:

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

设计的一个要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，以使其品牌与众不同，并与供应商合作，以确保做出最佳、最可持续的材料选择，这创造了大量可供跟踪和管理的材料数据。

材料分类及要求性能

在本田汽车(Honda Motor)汽车运营部门工作的伊藤刚(Tsuyoshi Ito)非常相信材料的重要性，因此他开始自己建立一个材料信息管理系统。伊藤是该公司Monozukuri中心汽车开发监督部材料开发部动力单元材料科的助理总工程师。随后伊藤建议公司办理执照Ansys Granta MI材料信息管理软件，集中管理每个个体拥有的材料信息，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

伊藤自加入本田集团研发部门(Honda R&D)以来，一直致力于为发动机开发铝制结构件，从材料的角度解决开发问题。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更加重要。在不同价值观和国籍的人一起工作的时代，企业分享信息和技术的方式直接转化为利润。在材料开发中，注意力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增加了。当时伊藤建了自己的数据库，但公司还没有全面的物资信息管理系统。资料数据由各部门或个人无组织地收集。

“首先，集中管理分散的材料数据，以提高数据共享的效率，”伊藤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，最终使用材料信息学开发材料，这样我们就可以创造新的价值。”

Ansys Granta MI解决材料数据库创建的挑战

汽车开发中使用的材料范围很广，因此Ito在构建材料信息管理系统时将当前的数据问题分为以下几大类: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，每个具体的材料都需要专人负责，导致对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。

粘合剂材料的性能预测结果

伊藤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. 多人输入导致的数据表达不一致必须纠正。
3. 必须添加或修改组织大量材料数据所需的层次结构。
4. 数据必须输出，才能被自由利用。

伊藤的团队选择了Granta MI Enterprise解决方案来解决这些问题。物料信息管理系统自动将添加或修改的输入项更新到输入模板中，无需再次创建项。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中，这使得编辑大量数据或更改层次结构变得很容易。

伊藤说:“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。“由于其巨大的比较优势，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，我们选择了格兰塔MI。”

材料分析减少开发时间

自引进格兰塔MI以来，伊藤将材料信息管理系统推广到全公司。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。为了便于访问权限管理，创建了一个中间团队，使管理员能够管理每个团队对数据库的用户访问权限。通过使用Granta MI使材料模型可用于仿真目的，它提高了CAE的工作效率，并减少了不同部门通常重复的材料测试。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以防止输入数据的人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，以及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允许公司使用材料信息学发现可能导致新价值创造的案例。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，不同于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)通常需要很多工时，这是机器学习中的一个严重问题。

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，材料的性能取决于无限的配方，因此必须创建和测试许多原型来实现目标性能。因此，公司将储存在材料信息管理系统中的材料的配方信息、试验结果和性质信息输出，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，缩小候选配方以获得目标属性。

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之间只有很小的误差，预测精度较高。与传统的试错开发相比，机器学习方法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资料，加强材料信息管理系统，增加数据库使用者等，利用材料信息学推进材料开发。该公司还计划积极向设计师和分析师发布数据，并将数据库与产品生命周期管理(PLM)等开发环境集成，以便将其用作开发平台。

伊藤说:“要在公司运行材料信息管理系统，首先要选择适合使用目的、工具覆盖范围和企业文化的材料数据库工具。”“还需要设计数据库结构，并考虑到用户的专业和角色进行访问控制，并进行各种宣传活动。在材料开发方面，系统地将数据存储到材料信息管理系统中，极大地减少了数据清理，从而带来更多使用材料信息学的机会。”

参考

本田研发技术评论，Vol. 32 No. 2，“用于Eff的材料数据库利用材料信息学进行开发，”Tsuyoshi Ito, Tatsuko Ishii, Akira Honda, Nao Sugimoto, Yoichi Toyooka, Itsuru Furusawa