使用AI支持的MODSIM和机器学习加速包装设计

消费品包装必须满足许多不同的要求，包括成本、重量、强度和可持续性。机器学习使包装制造商能够比传统仿真方法更快地了解设计更改的影响，并快速探索整个设计空间以找到创新的新包装设计。AI支持的统一建模和模拟（MODSIM）正在加速消费品和零售行业的产品开发，并降低制造成本和产品重量。

即使是简单的包装设计也可能有许多可能的设计变体。AI 有助于管理复杂性并快速找到最佳设计。

为什么包装行业需要仿真？

助支持 AI 的 MODSIM，设计人员可以在直观的在线界面中轻松调整设计的任何参数，并实时查看对结构完整性的影响。

由于其包装，几乎所有到达您家门口或当地超市货架上的产品都新鲜、干净和完好无损地幸存下来。从盐到智能手机，消费品的包装必须经过精心设计，以确保它不会在生产线上造成问题，并且足够坚固和防水以承受运输压力，同时重量轻且对购买者有吸引力。可持续发展目标增加了额外的挑战，因为必须减少材料使用，并增加可回收、可回收或可生物降解材料的比例。

使用 SIMULIA Abaqushttps://www.ict.com.cn/brand/SIMULIA.html 进行有限元分析 （FEA） 仿真技术可帮助设计人员和打包经理了解包装在实际场景中的性能，而无需构建物理原型。它还支持实验设计 （DoE） 和优化研究，可以探索整个设计空间，在不同因素之间找到最佳权衡。

从设计周期的一开始使用仿真时，仿真最有用。统一建模和仿真 （MODSIM）允许在初始概念阶段使用仿真，并直接从设计数据构建仿真模型。这不仅加快了开发过程，还意味着可以更早地发现潜在问题，并识别和解决根本原因。

AI 和机器学习如何帮助包装模拟？

被压碎的瓶子的 3D FEA 分析结果与机器学习 （ML） 驱动的替代模型的结果比较。顶部：屈曲行为图。下图：3D 场图

支持 AI 的 MODSIM 是 MODSIM 的下一步，它利用机器学习的力量使仿真更快，因此对设计人员更有用。在经典的有限元分析中，对于每个设计变体，必须从头开始再次仿真物理场。AI 机器学习可以瞬间为任何设计变体提供结果并加快流程。

只需要执行一些模拟，覆盖包装设计空间的代表性区域。然后，这些用于训练神经网络，该神经网络学习几何结构与其物理属性的关系。时间瞬态和稳态标量物理响应以及 3D 全场预测都可以建模，从而为产品设计提供信息丰富且更高效的环境。

生成的代理模型经过进一步仿真的验证，如果达到可接受的精度水平，则可用于计算任何设计变体的包装行为。

使用机器学习，设计人员可以在几秒钟内找到最佳权衡，并通过实时反馈了解设计更改的影响。探索更多的设计空间可以显著缩短封装开发过程，同时实现雄心勃勃的成本、重量和可持续性目标。借助支持 AI 的 MODSIM，模拟和机器学习工具也可以在易于使用的界面中使用，从而将它们带给非专家用户。AI 不是取代人类工作，而是与设计师一起工作，提供有关设计的即时反馈。

了解有关达索系统 SIMULIA 用于包装仿真的 AI 解决方案的更多信息

您始终可以在机器学习 Wiki在 SIMULIA 社区中了解。或直接咨询智诚科技

结论

AI 和机器学习正在帮助 CPG 行业应对现代包装设计的挑战。机器学习可加速仿真和设计探索过程，帮助设计师减轻重量和成本，并提高强度和可持续性。达索系统的 AI 解决方案集成到其已建立的 CPG 行业工作流程中，将机器学习技术与一流的物理仿真技术相结合。