| No. | 配信 | タイトル・著者（所属） |
|---|---|---|
| 081 | ◯ |
エレメカ連成1Dモデルを用いた企業間連携によるECU回路定数最適化技術の検証 稲葉 雅司（デンソー）・中溝 裕己（東京科学大学）・上田 雅生（シーメンスEDAジャパン）・江上 孝夫（ACテクノロジーズ）・池田 佳子（東芝デバイス&ストレージ）・向山 大索（ルビコン）・有賀 善紀（KOA）・斉藤 耕太（村田製作所）・土方 亘・藤田 英明（東京科学大学） 近年，ECU開発期間短縮が求められ，エレメカ連成1Dモデルが注目されている．昨年は，企業間で共有したモデルを用いてアクチュエータ駆動回路の動作解析とECU発熱量をシミュレーションで算出し，実際に基板を作成して実験結果とシミュレーションの一致性を検証した．今年は，回路定数の最適化技術への応用について検証する． |
| 082 | ◯ |
回路シミュレーションから得られる過渡発熱量を用いた3次元熱解析による基板部品の高精度温度予測 武井 春樹（シーメンス）・澤田 中臣（パーソルクロステクノロジー）・渋谷 稔（構造計画研究所）・上田 雅生（シーメンスEDAジャパン）・池田 佳子（東芝デバイス&ストレージ）・安井 龍太・瀬谷 修（東京科学大学）・橋本 一成・井上 啓太・篠田 卓也（デンソー） 電子機器部品と熱設計WGでは2024年より拠出型調査事業として，基板設計プロセスのDX化の調査を進めてきた．本講演では，3次元熱流体シミュレーションの基板設計プロセスへの適用に向けた試みについて報告する． |
| 083 | ◯ |
逆解析を用いたECU熱流体解析における実測と解析の乖離極小化手法の構築 渋谷 稔（構造計画研究所）・安井 龍太（東京科学大学）・武井 春樹（シーメンス）・上田 雅生（シーメンスEDAジャパン）・池田 佳子（東芝デバイス&ストレージ）・瀬谷 修（東京科学大学）・橋本 一成・井上 啓太・篠田 卓也（デンソー） 回路ー熱シミュレーションの連成解析の取り組みにおいて，回路シミュレーションによる算定発熱量を用い，3次元熱流体シミュレーションの精度検証を行う．その結果に基づき，乖離を低減するシミュレーションと実験の精度向上プロセスと技術的指針を提案する． |
| 084 | ◯ |
MBDによるECU放熱構造の最適化設計とサロゲートモデル 橋本 一成（デンソー）・安井 龍太（東京科学大学）・稲葉 雅司（デンソー）・武井 春樹（シーメンス）・渋谷 稔（構造計画研究所）・上田 雅生（シーメンスEDA ジャパン）・池田 佳子（東芝デバイス＆テクノロジーズ）・向山 大索（ルビコン）・伏信 一慶（東京科学大学）・篠田 卓也（デンソー） 技術革新の加速により，CAE活用による開発期間短縮が期待されている．昨年は企業間で共有したアクチュエータ駆動回路モデルに一致した実機を作成し，その実機に合わせた熱解析モデルの解析精度について検証した．今年はその実際のECUの放熱構造を最適化設計した解析結果と実機結果の一致性について検証する． |
| 085 | ◯ |
Automotive Engineering-Centric Agentic AI Workflow Framework Tong Duy Son･Zhihao Liu･Piero Brigida･Yerlan Akhmetov･Gurudevan Devarajan･Kai Liu･Ajinkya Bhave (Siemens Digital Industries Software) AI Agents based on foundation models have potential to support automotive engineers in model-based design development. We present an industrial Copilot ecosystem with orchestrator and specialized agents managing complex automotive tasks. Engineers specify design requirements; agents coordinate 1D-3D simulations, CFD, ROM AI models, and design exploration tools. Moreover, AI agents could leverage historical data, requirements, codes, simulation configurations and test data analysis scripts. Our technologies enhance trustworthiness through engineer-centric design with feedback loops. Results demonstrate faster workflows, seamless integration across CAD-CFD tools, optimization, and human-AI collaboration for automotive applications. |