更新日： 集計期間:2025年08月27日～2025年09月23日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
16～20 件を表示 ／ 全 20 件
熱設計の改善点をわずか2回の解析で見える化する「逆解析」機能をご紹介
長時間試行錯誤して答えを導く熱設計では、 設計目標をクリアできずに、やむを得ず妥協案を強いられることもあります。 熱流体解析ソフト『FlowDesigner』の「逆解析」機能では、 わずか2回の解析で様々な改善案を「感度」として見える化することが可能。 試行錯誤する時間の短縮や、改善案の発見などが期待できます。 【特長】 ■現状案の解析と感度解析で風量・位置・熱伝導率などの改善案を見える化 ■設計のアイデアに逆解析を活用し、設計効率を大幅に向上可能 ■直感的なインターフェースで簡単操作 ■優れた安定性・解析速度 ■導入後のサポートにも対応 ★本ソフトの無料体験版を進呈中。ご希望の方はお気軽にご連絡ください。 ※製品の詳細はPDF資料をダウンロードしてご覧ください。
異音・振動に関するインラインでの自動検査を実現！波形解析で人の感覚に近い判定を行います！
『ムーブレット』は、音・振動に関するインラインでの自動検査を 目的として開発された波形解析システム（異音検査システム）です。 検査対象製品から発生する音または振動の波形を解析・定量化し、 人の感覚に近い判定を実施。 "ゆらぎ変換"という解析手法で特定の周波数帯を強調処理し、 ノイズや騒音の多い生産現場での検査を可能とします。 3種類のプログラムで構成されたムーブレット解析ツール「MVA-600」と、 波形解析ソフトで求めた判定条件を設定して、自動判定を行う ムーブレットインラインテスター「MV-6000B」をご用意しております。 【特長】 ■音または振動の波形を解析・定量化 ■検査対象製品を叩いた音で、ひび・割れ等の検査も可能 ■"ゆらぎ変換"という解析手法で特定の周波数帯を強調処理 ■ノイズや騒音の多い生産現場での検査も可能 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
移動境界問題・自由表面問題シミュレーション専用プログラム
◆移動境界問題：複数物体を任意に独立に動かすことが可能 非構造格子では本質的に不可能であった、複雑なオブジェクトの移動や、扉の開閉、回転機器等の移動境界問題の解析が容易に可能です。 オブジェクトが受ける流体力を、オブジェクトの運動にフィードバックさせる事も可能です。 ●軸方向移動、各座標軸周りの回転等の各自由度の変化動作を、簡単なモーション定義により可能です。 ●ボリュームのあるソリッド構造物だけではなく、厚みの無い薄物（シェル）構造物の解析が可能です。 ●移動物体に対して熱伝達及・物質移動境界や、自由表面流など、種々の条件を割当てる事ができます。 ●時間変化する流れ場の状況を、移動物体の動きと共にアニメーション化して詳細な検討が可能です。 ◆e-flowDX津波荷重解析バージョン 今回の未曾有とも言える東日本大震災での大津波の被害状況を受け、今までの設定条件には無かったシミュレーションの必要性が生じてきました。 すなわち10～20mの高波高の津波や、建物群としての津波荷重評価などが、避難ビルに限らず沿岸に建設される施設の設計や都市計画に今後必須で急務とされています。
脱揮解析やカスタマイズ機能などを追加。より複雑なコンパウンディングプロセスが予測可能に
『TEX-FAN』は、二軸押出機内の充満率、溶融可塑化挙動、樹脂温度、樹脂圧力などを 高精度で予測できる材料研究・開発用の解析ソフトウェアです。 脱揮解析やユーザーサブルーチン機能（カスタマイズ機能）の搭載によって より複雑なコンパウンディングプロセスの予測が可能となりました。 ★本ソフトウェアのデモを実施可能です。詳しくはお問い合わせください。 【特長】 ■脱揮解析とユーザーサブルーチン機能を追加 ■カスタマイズ解析（ユーザーサブルーチン）機能 ・従来のTEX-FAN に新たな解析機能（物理量予測） ・脱揮解析機能との併用 ・ユーザーご自身で構築された理論モデルを用いたプロセス予測 ※詳しくはPDF資料をご覧ください。
医用画像のデノイズと軽量化ができる新しいU-net処理
Unetは医用画像のセグメンテーション用に開発されたネットワークでありデノイズ処理に活用されてきたが容量が大きく、近年のスマート医療で想定されるような画像転送による遠隔診断への活用の障壁となっていた。 本発明の「LWBNA-unet」は効率と計算リソースの削減に焦点を当てて設計され、従来のUnetモデルと比べ約10倍の軽量化に成功した。LWBNA-Unetは、チャネル幅を変えることによってチャネルを通る情報の流れを制御するのと同様に、チャネルの数が徐々に減少するチャネル制御を行うことで、画像内の不要な特徴の識別能が向上し、複雑でノイズの多い画像を含む医用画像の特徴を正確に捉えることを可能とした。また本手法は、画像内の解剖学的または病理学的な特徴を識別しセグメント化するだけでなく、異なる疾患カテゴリに分類することができることから、疾患の検出と分類のための学習が可能である。したがって、従来のUnetやDeepLabv3+などと比較して、同一条件下で繰り返しトレーニングを行うことで、その再現性と精度が強化されることが示され、医療画像の解析において非常に有用である。
