EDEM+AI：離散元仿真與AI相結合，加快企業數字化轉型

隨著DeepSeek 的大火，諸多企業開始思考如何將AI 技術應用到已有的研發流程當中，加快推動企業數字化轉型。

虛擬流程優化是企業數字化轉型戰略的重要組成部分。目前企業研發數字化的主要趨勢是：仿真驅動和數據驅動。

■人工智能（AI）的實質是利用大量數據做預測和業務決策

人工智能（AI）中的機器學習（ML）是一種強大的分析手段。機器學習中的“訓練”與“預測”過程可以對應到人類的“歸納”和“推測”過程，即通過不斷歸納思想，得出相關性結論。

因此，這里的AI一定不是我們當下談的熱門大模型，而是和各個行業相關的小模型。例如，研發部門通過挖掘設計輸入參數對設計結果輸出性能的相關性，縮短設計時間提升效率；生產部門通過運行指標來掌握設備性能，并實施預測性維護方案等。

通過結合行業知識及業務判斷，對業務數據進行積累、挖掘和分析，以產生商業洞見并指導決策和行動。

■ EDEM 仿真是顆粒系統重要的數據來源

用于人工智能的數據包括設計數據、試驗數據、仿真數據和其他技術產生的數據。

仿真作為重要的生成數據來源，不僅能夠獲得大量實際沒辦法捕獲的工況數據，還大幅降低了試驗測試的成本。

EDEM 作為市場領先的離散元仿真軟件，專用于工業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備結構、轉速、填充質量等參數組合對混合均勻度的影響；或是振動篩振幅、頻率、篩面結構、進料量等對篩分效率的影響；破碎機嚙角、擺動行程、轉速等對出料粒度的影響等。

由于散裝固體處理過程的復雜力學機理，基于 EDEM 模擬各種顆粒系統處理過程是將設計輸入參數與關鍵性能指標（KPI）相關聯必不可少的第一步。

■ 利用 HyperStudy 自動生成 EDEM 仿真數據集

確定設計輸入參數和輸出的關鍵性能指標（KPI）后，需要生成不同參數組合的 EDEM 仿真數據集，以構建顆粒系統的機器學習模型。

HyperStudy 是一款多學科設計優化軟件，通過 EDEM-HyperStudy 連接器能夠直接設置各種 EDEM 參數。

如下圖所示，HyperStudy 的實驗設計（DoE）功能根據輸入的三個參數變量自動運行并生成九組 EDEM 仿真。此設計僅代表相應全因子設計的三分之一，因此運行成本低三倍。

生成的數據集用于后續生成 romAI 降階模型。

■生成、訓練并測試 romAI 降階模型

romAI 是一款新穎的應用程序，它結合了人工智能和系統建模技術，從現有數據生成可重用的連續動態模型。

如下圖所示，基于生成的九組EDEM 仿真數據，將設計參數作為變量輸入，關鍵性能指標（KPI）作為輸出和狀態，生成并訓練 romAI 降階模型。

通過比較 romAI 模型的輸出與相同輸入的 EDEM 輸出，驗證 romAI 模型的精度，并且該模型能夠預測更多的參數組合對關鍵性能指標（KPI）的影響情況。

■ AI 驅動企業研發流程持續提效

通過 EDEM仿真研究散狀固體顆粒處理過程的力學機理，并結合HyperStudy 、romAI 等AI工具中的統計和機械學習方法，加速顆粒系統虛擬流程的設計和優化。

基于大量的 EDEM 仿真數據，romAI 模型不僅能夠準確預測超出訓練數據范圍的關鍵性能指標（KPI），還能夠在幾秒鐘內評估幾十上百個參數組合，以確定與關鍵性能指標（KPI）相關的最佳參數組合，最終甚至能夠達到實時預測優化顆粒處理系統。

為了最大限度地發揮AI技術的效益，使人工智能（AI）能夠預測更多的復雜行為，企業還需要進一步搭建部署數據存儲系統，打通前端設計及其他需求端、后端試驗系統，將設計、仿真、試驗一體化，對人工智能模型進行持續訓練，實現企業研發數字化的增速提效。