これには、AIを用いた機械学習分野の手法が使用されているため、アルゴリズムの詳細な背景知識が無くても複雑な関係性を正確にモデリングできます。そのため、このソフトウェアは、パラメータを使用せず自動化されたモデルで作成を行う経験の少ないユーザーから多様な設定オプションを使用して自由に作業を行う専門家まで、幅広いユーザーに利用されています。
ASCMO-STATICでは一般的に、複雑な内燃エンジンの燃費や汚染物質の排出をエンジン回転数、負荷、およびすべてのエンジン制御変数の関数としてモデリングする場合に使用します。このソフトウェアで予測を正確に行ったモデルをベースにすることで、最適化作業を手作業および自動で行えるようになります。これにより、エンジンが稼働する際の汚染物質排出や燃費とその他の境界条件との間で最良のバランスを実現できます。
利点
- 使いやすく、専門知識が不要
- AIを用いた機械学習分野の強力な手法
- 多次元の依存関係をインタラクティブにグラフィック表示
- 標準化されている形式を使用してモデルやデータを共有することが可能
- ECUへの実装など、時間的制約の厳しい用途でモデルの複雑さを低減
- 強力なMATLAB®およびCOMインターフェースにより、お客様固有の機能やツールを統合し、自動化されたテストベンチにリンクさせることが可能
特徴と機能
ASCMO-STATICではデータベースのモデリングを使用するため、通常はこのデータを実際のシステムでの計測結果から取得する必要があります。この場合に実験計画法（DoE）が不可欠となります。DoEを使用することで、計測にかかる労力を最小限に抑えながら最大限のモデル精度を実現することができます。
DoE実験計画モジュール（ExpeDes）を使用すると、基本的な計測を容易に計画することができます。ここでは、計測値を取得する計測ポイントの位置が系統的に空間を埋めていくように計画されます。調整対象となるパラメータの変動範囲は、各ケース最大4つの次元でグラフィカルまたは数値的に限定することができます。これはフォーミュラエディタを使用して任意の数の次元で実施できます。実験計画は合理的にブロックに分割されるため、計測に必要な時間と労力を調整して求められる精度を実現することができます。さらに、計測ポイントのソート順を設定したり、実験空間の特定領域にあるポイントを圧縮するよう設定したりすることも可能です。また、テストベンチの自動化に関する要件（動作ポイントのソートや配置など）を考慮する際も、極めて実用的な方法が用いられます。ポイントはすべての次元でグラフィカルに表示されるため、DoE計画を容易に妥当性確認し評価することができます。
ASCMO-STATICでモデリングを行う主な目的は、システムの挙動を高い精度で簡単かつロバストに予測できるようにすることです。このツールを使用すると、経験の少ないユーザーでもそのために必要な高度なモデリング手法を容易に使用でき、専門家であればASCMOの高度な柔軟性を活用してモデルのパラメータを自由に調整できます。ASCMO-STATICでは、ガウス過程を使用してモデリングを行います。これは、ガウス過程ベースの計測データを使用して統計的に学習を行う手法であり、その価値はこれまで何度も実証されています。これにより、実際のシステム挙動を最も良く表す個別の数学的関数を自動的に同定することができます。
また、そのようなモデルを極めて容易に作成できます。システムに関連する入力（影響を与える変数）および出力（目標値）を選択すれば、他のパラメータを設定しなくてもすぐにモデルのトレーニングを開始できます。
モデルトレーニングに要する時間は計測ポイントや入力の数によって異なり、通常は数秒から数分程度の時間がかかります。経験豊富なユーザーはエキスパートモードをアクティブ化すれば、すべてのモデルオプションやパラメータにアクセスできるため、必要に応じてモデルのトレーニングに影響を与える調整を個別に行うことができます。また、分かりやすいグラフや評価指標の表示を使用してモデル品質の評価を行うこともできます。
ガウス過程モデルのその他の利点は次のとおりです。
- 計測ノイズが考慮されるため、オーバーフィッティングを回避することが可能
- 外れ値に対するロバスト性を提供
- ローカルでモデルの分散が解析されるため、モデル予測の信頼性を評価することが可能
このツールでは、標準のモデリング手法以外にも、特別なタスク向けのその他のアルゴリズムも用意されています。これには、分類用のモデルや複雑さを軽減するためのモデルが含まれます。また、すべてのモデルは多様な形式でエクスポートし、いわゆるプラントモデルとして外部のASCMOで自由に使用することも可能です。使用可能な形式の代表例は、Simulink、C‑コード、およびFMU/FMIです。
Bosch AMU（Advanced Modeling Unitハードウェアアクセラレータ）で使用するファイルをエクスポートする場合は、専用の形式を使用します。AMUはBosch MDG1 ECUの専用モジュールであり、量産車両のECUに保存されたASCMOモデルを評価する場合に使用します。
インターセクションプロットとは、モデルを可視化するための標準ビューの1つです。これらのインタラクティブなインターセクションプロットでは、多次元の依存関係を分かりやすく表示することができます。x‑軸にはシステムに対する入力が、y‑軸には出力が表示されます。
それぞれのサブグラフには、黒い線（モデル予測）で入力（x‑軸）が対応する出力（y‑軸）に及ぼす影響が示されます。つまり、入力が変化すると、他のすべての入力を調整しない限り、黒い線で示されているように実際のシステムの出力に影響が及びます。別の入力を調整すると、直ちにこの依存関係を変化させることができます。これにより、入力の相互作用がどのように出力に影響するのかが明らかになります。また、黒い線の上下には、モデル予測の信頼性を示す赤い破線も表示されます。これが黒い線の軌跡に近いほど、モデルは正確となり、確実に予測を計算することができます。
ASCMO-STATICでは、このメインビュー以外に、依存関係や影響をビジュアル表示できるその他のさまざまなオプションも使用可能です。これには、適合マップや、データを多様な組み合わせ方で点群として表示できる散布図の表示機能なども含まれます。
このように、モデリングされたシステムの挙動を解析し可視化するためのあらゆるオプションを利用できます。そのため、複雑で時間のかかる計測を実際のシステムで実施しなくても、簡単に妥当性確認タスクを遂行し、システムへの理解を深めることができます。
エンジンなどの制御パラメータの最適化を行う場合は、出力変数の最小化／最大化、上／下限値、目標値といった各種最適化条件を定義することができます。最適化の際には、これらの基準に重み付けをするか、またはトレードオフ曲線（パレート曲線）全体を計算します。トレードオフ曲線では、適切な最適値を選択することができます。エンジン用アプリケーションに対し動作範囲全体をカバーするグローバル最適化を実行することも可能です。これにより、すべての入力変数の特性マップへの最適化を極めて短時間で実行することができます。特性マップは、手動で調整することも固定させることもでき、変更が出力値に及ぼす影響を常に即時確認することができます。この操作は、特定の運転状態における個々の値やテストサイクル全体の積算値についても行えます。
最適化により得られた結果は、さまざまな形式でエクスポートできます。エンジン管理の適合を行う場合は通常、DCMまたはCDFX形式を使用します。また、ExcelのXLSおよびXLSX形式、さらにはCSV形式もサポートされています。ASCMO-STATICでは、モデルを仮想計器として使用して、大量の計測データを人工的に生成できます。この場合、ステップサイズ、ステップ数、およびフリーブレークポイントに関する入力変数のグリッドサイズは、ツール上から指定するか、またはExcelからインポートします。入力変数の必要なすべてのパラメータの組み合わせについては、対応する出力変数がモデルから計算されます。この人工的な計測データは、（エンジンテストベンチなどで）実際に計測されたデータと同様に使用でき、グラフィカルに解析することや、CSVファイル形式でエクスポートしてExcelでさらに処理することができます。
互換性
ASCMO-STATICは、オープン性と柔軟性に優れており、テストベンチや適合業務などで使用される主なデータ形式をサポートしています。また、作成したモデルをさまざまな形式でエクスポートして他の環境で使用することができます。MATLAB®インターフェースを使用すれば、お客様固有の機能やモデルの統合、スクリプトによる操作の自動化、または自動化されたテストベンチの導入を容易に行うことができます。また、COMインターフェースを介して自動化されたテストベンチに接続することも可能です。
