結合機器學習、AI、降階模型與設計最佳化，
讓 CAE 數據與物理測試互相學習，加速決策

用於計算流體動力學、有限元素分析、統計、資料探勘、資料融合、最佳化和穩健性的人工智慧和機器學習

ODYSSEE CAE

CAE 設計空間探索

整合機器學習、AI、降階模型與設計最佳化，以既有 CAE 模擬與物理測試資料建立低成本數位孿生，即時預測結果。{{ mtx1 }}

ODYSSEE A-Eye

影像 / CAD 學習與預測

以影像、CAD 與感測資料為輸入，建立客製化 AI 應用來預測輸出反應與現場數據，加速產品設計與開發。{{ mtx2 }}

ODYSSEE Explore

資料分析與探勘儀表板

以互動儀表板進行資料前處理、特徵工程與探索式資料分析，並將輸出反應與異常值視覺化呈現。{{ mtx4 }}

ODYSSEE Solver

AI 引擎 Quasar + 最佳化 Nova

內含 AI 引擎 Quasar 與最佳化器 Nova，支援資料探勘、預測、插值、分類與影像處理，亦是 Cradle、Nastran、Marc、Adams 背後的 AI 核心。{{ mtx3 }}

• 與 Cradle CFD（scFlow）整合，自動生成代理模型，數秒內預測新案例結果與時間歷程動畫ODYSSEECradle CFD
• 與 MSC Nastran 串接，透過智慧子模型執行即時參數研究、逆向工程與穩健性分析ODYSSEEMSC Nastran
• 與 Marc / Mentat 連動，依 Marc 計算結果自動產生 DOE 建模、運算與結果擷取流程ODYSSEEMarc
• 與 Adams 整合，以 FMU 匯出模型高效模擬多體動力學與即時情境ODYSSEEAdams
• 與 Digimat-RP 結合，以 Quasar 作為 AI 核心執行強化塑料的不確定性量化(UQ) 分析ODYSSEEDigimat-RP
• 與 Actran 整合，以150組拉丁超立方抽樣建立降階模型，秒級預測防火牆隔音板穿透損失，取代原本數小時的聲學模擬ODYSSEEActran

ODYSSEE 的應用實例無窮無盡，跨越各種學科與產業

安全氣囊與車輛撞擊分析

以 15 組模擬參數為輸入：

• 核心技術：氣囊與減速模擬代理模型
• 核心效益：骨盆胸腔傷害指標，1小時 → 1秒

3600x 速度提升 1小時 → 1秒

汽車安全與碰撞分析

以 17 組 DOE 為輸入：

• 核心技術：車架與地板厚度代理模型
• 核心效益：碰撞傷害指標，3小時 → 2秒

5400x 速度提升 3小時 → 2秒

散熱與熱流預測

與 Cradle CFD 協同建模：

• 核心技術：散熱佈局代理模型
• 核心效益：溫度分佈秒級預測

秒級 溫度分佈預測速度

泵浦薄膜結構最佳化

以進口流速與薄膜剛度為輸入：

• 核心技術：流固耦合模擬 + 代理模型
• 核心效益：秒級變位預測、加速設計迭代

秒級 薄膜中心變位預測

多體動力學與機構模擬

以懸吊剛度、車速等參數為輸入：

• 核心技術：10 組模擬涵蓋動力學代理模型
• 核心效益：加速度、受力、位移、俯仰角即時預測

10組 模擬參數即時預測

產線良品/不良品識別

以 A-Eye 訓練影像辨識模型：

• 核心技術：僅 126 張影像的辨識模型
• 核心效益：100% 判讀準確率，直接部署產線

100% 良品判讀準確率

人工智慧與機器學習

以風機運轉量測資料為輸入：

• 核心技術：風場量測資料代理模型
• 核心效益：電網功率預測，誤差小於 5%

8x 將兩個月的模擬工作，加速到一週內完成

「ODYSSEE 軟體是一項真正的突破，為大幅縮短運算時間及最佳化我們的設計，提供了非常有前景的方向。」

Bengt Pipkorn — Director Simulation and Active Structures, Autoliv Research