EDEM+AI：离散元仿真与AI相结合，加快企业数字化转型

随着 DeepSeek 的大火，诸多企业开始思考如何将 AI 技术应用到已有的研发流程当中，加快推动企业数字化转型。
虚拟流程优化是企业数字化转型战略的重要组成部分。目前企业研发数字化的主要趋势是：仿真驱动和数据驱动。

■ 人工智能（AI）的实质是利用大量数据做预测和业务决策

人工智能（AI）中的机器学习（ML）是一种强大的分析手段。机器学习中的“训练”与“预测”过程可以对应到人类的“归纳”和“推测”过程，即通过不断归纳思想，得出相关性结论。

因此，这里的AI一定不是我们当下谈的热门大模型，而是和各个行业相关的小模型。例如，研发部门通过挖掘设计输入参数对设计结果输出性能的相关性，缩短设计时间提升效率；生产部门通过运行指标来掌握设备性能，并实施预测性维护方案等。

通过结合行业知识及业务判断，对业务数据进行积累、挖掘和分析，以产生商业洞见并指导决策和行动。

■ EDEM 仿真是颗粒系统重要的数据来源

用于人工智能的数据包括设计数据、试验数据、仿真数据和其他技术产生的数据。
仿真作为重要的生成数据来源，不仅能够获得大量实际没办法捕获的工况数据，还大幅降低了试验测试的成本。

EDEM 作为市场领先的离散元仿真软件，专用于工业散装固体处理过程微观和宏观尺度的研究。

例如，通过 EDEM 仿真能够研究混合设备结构、转速、填充质量等参数组合对混合均匀度的影响；或是振动筛振幅、频率、筛面结构、进料量等对筛分效率的影响；破碎机啮角、摆动行程、转速等对出料粒度的影响等。
由于散装固体处理过程的复杂力学机理，基于 EDEM 模拟各种颗粒系统处理过程是将设计输入参数与关键性能指标（KPI）相关联必不可少的第一步。

■ 利用 HyperStudy 自动生成 EDEM 仿真数据集

确定设计输入参数和输出的关键性能指标（KPI）后，需要生成不同参数组合的 EDEM 仿真数据集，以构建颗粒系统的机器学习模型。
HyperStudy 是一款多学科设计优化软件，通过 EDEM-HyperStudy 连接器能够直接设置各种 EDEM 参数。

如下图所示，HyperStudy 的实验设计（DoE）功能根据输入的三个参数变量自动运行并生成九组 EDEM 仿真。此设计仅代表相应全因子设计的三分之一，因此运行成本低三倍。
生成的数据集用于后续生成 romAI 降阶模型。

■ 生成、训练并测试 romAI 降阶模型

romAI 是一款新颖的应用程序，它结合了人工智能和系统建模技术，从现有数据生成可重用的连续动态模型。

如下图所示，基于生成的九组 EDEM 仿真数据，将设计参数作为变量输入，关键性能指标（KPI）作为输出和状态，生成并训练 romAI 降阶模型。

通过比较 romAI 模型的输出与相同输入的 EDEM 输出，验证 romAI 模型的精度，并且该模型能够预测更多的参数组合对关键性能指标（KPI）的影响情况。

■ AI 驱动企业研发流程持续提效

通过 EDEM 仿真研究散状固体颗粒处理过程的力学机理，并结合 HyperStudy 、romAI 等AI工具中的统计和机械学习方法，加速颗粒系统虚拟流程的设计和优化。

基于大量的 EDEM 仿真数据，romAI 模型不仅能够准确预测超出训练数据范围的关键性能指标（KPI），还能够在几秒钟内评估几十上百个参数组合，以确定与关键性能指标（KPI）相关的最佳参数组合，最终甚至能够达到实时预测优化颗粒处理系统。

为了最大限度地发挥AI技术的效益，使人工智能（AI）能够预测更多的复杂行为，企业还需要进一步搭建部署数据存储系统，打通前端设计及其他需求端、后端试验系统，将设计、仿真、试验一体化，对人工智能模型进行持续训练，实现企业研发数字化的增速提效。