Каталог решений
Генеративный ИИ
Gen AI
ИИ-Агенты
II-Agenti
Речевые технологии
Category 1
Анализ данных
Category 2
NLP
Category 3
Чат-боты
Category 4
Компьютерное зрение
Category 5
Все решения
Partner icon Получить консультацию О нас Блог Контакты
Search icon
6
Close
compare
К сравнению
Datadvance
Год основания: 2010
Страна происхождения: Россия
Направление: Анализ данных
Отрасль: Различные отрасли

Datadvance DT Seven

DT Seven: платформа для построения предиктивных моделей и оптимизации инженерных систем, ускоряющая анализ данных и расчёты для авиакосмической, автомобильной, энергетической и машиностроительной отраслей.
DT Seven автоматизирует построение предиктивных моделей, исследование параметров, поиск оптимальных решений и снижение стоимости расчётов. Поддерживает работу с большими моделями, многодисциплинарный анализ и интеграцию с CAD/CAE. Подходит для цифровых двойников и оптимизации конструкции.
Заказать решение
compare
К сравнению
Описание компании
Год основания: 2010
Страна происхождения: Россия
Направление: Анализ данных
Отрасль: Различные отрасли
Преимущества
  • Быстрое построение суррогатных моделей
  • Автоматический выбор алгоритмов
  • Экспорт моделей в инженерные форматы
  • Глубокий анализ параметрических зависимостей
  • Сокращение времени CAE‑расчётов
Дополнительная информация

Теги: #предиктивное_моделирование; #оптимизация; #цифровые_двойники; #машиностроение; #авиация; #автопром; #энергетика; #турбомашины; #CAE; #CAD; #инженерия; #анализ_данных; #surrogate_models; #многодисциплинарный_анализ; #R&D

Ссылка на API-документацию: По запросу

Контур решения: On-prem

Клиенты: AIRBUS, AO «Уральский Турбинный завод», РКК «Энергия» им. С.П. Королева, ЦАГИ

Условия оплаты: 🔑 Разовая покупка (решение под ключ)
Стоимость: Уточняется по запросу
Заказать решение Получить консультацию
Logo
Кейсы

Создании аппроксимационных моделей процессов двигателя внутреннего сгорания, Mitsubishi Motors 

Решение: Datadvance создала для Mitsubishi Motors аппроксимационную модель, предсказывающую параметры модели временной зависимости давления в цилиндрах ДВС. платформа pSeven – использовалась для предсказания параметров модели сгорания. 

Результат: созданная модель будет в дальнейшем использоваться для одномерных расчетов двигателя благодаря возможности экспорта в формат m-file или в стандарт FMI (Functional Mock-up Interface) - открытый стандарт, разработанный для переноса моделей динамических систем между различными средами моделирования, а также для осуществления совместных вычислительных экспериментов. Aппроксимационные модели являются вычислительно недорогими, поэтому их внедрение в процесс разработки ведет к значительной экономии времени. 


Прогнозирование нагрузок на детали вертолета на основе аппроксимационных моделей, Airbus Helicopters 

Решение: были построены аппроксимационные модели трех различных типов с помощью широкого набора методов аппроксимации модуля GT Approx алгоритмического ядра pSeven Core, а именно: аппроксимация полиномами невысокой размерности (RSM), аппроксимация на основе гауссовских процессов (GP), аппроксимация на основе нейронных сетей (HDA). 

Результат: полученные прогнозные данные по статическим и динамическим нагрузкам сопоставили с результатами измерений, выполненных Airbus Helicopters для каждой группы в зависимости от типа выполняемых маневров. В результате, относительная ошибка прогнозирования динамической нагрузки во всех полетных конфигурациях не превышала 10% для 71% прогнозов и 20% - для 86% прогнозов. Если рассматривать только отобранные полетные конфигурации (также по динамическим нагрузкам), то для них относительная ошибка прогнозирования не превышала 10% для 89% прогнозов и 20% для 98% прогнозов. По мнению заказчика предложенный подход очень перспективен. С помощью аппроксимационных моделей можно с высокой точностью (< ±20 %) спрогнозировать ~50% недостающих данных по нагрузкам, что позволит существенно сократить время и трудозатраты для оценки таких данных.

Где и как применять

В авиастроении, автопроме, турбомашиностроении, нефтегазе, энергетике и промышленном оборудовании.

Используется для построения суррогатных моделей, оптимизации геометрии и процессов, ускорения CAE‑анализа, подготовки цифровых двойников, исследования параметров и автоматизации расчётных цепочек.

Интегрируется с CAD/CAE, PLM и внешними расчётными инструментами.

Кому подойдет:

R&D‑подразделениям и инженерным командам крупных и средних промышленных компаний с регулярными расчётами, сложными моделями и потребностью ускорить оптимизацию.

Подходит организациям, работающим с многодисциплинарными задачами, цифровыми двойниками, сложными конструкциями и требующим высокой точности прогнозов.

FAQ
Какие функции предоставляет DT Seven?
Платформа строит предиктивные модели, автоматизирует выбор алгоритмов, проводит исследование параметров, оптимизирует конструкции и экспортирует модели в инженерные форматы для последующей интеграции.
Как проходит внедрение?
Установка on‑prem, подключение к CAD/CAE, настройка расчётных цепочек и обучение инженеров.
Возможна адаптация под отраслевые процессы и сопровождение в пилотных проектах.
Как обеспечивается безопасность?
Все данные хранятся на серверах заказчика. Доступ контролируется политиками предприятия.
Решение соответствует требованиям промышленной ИБ и не использует внешние облака.
Как формируется стоимость?
Стоимость зависит от числа модулей, пользователей и типа лицензии.
Цена предоставляется по запросу после оценки задач и инфраструктуры.
С какими системами возможно интегрироваться?
DT Seven интегрируется с CAD/CAE, PLM, расчётными пакетами и внешними инструментами оптимизации, обеспечивая единый инженерный контур.
Какой эффект можно ожидать?
Сокращение времени расчётов за счёт суррогатных моделей, уменьшение числа итераций проектирования, рост точности прогнозов и снижение стоимости моделирования в сложных инженерных задачах.

6
Подберем решение!
Chat icon