【主題】機器人引領智慧浪潮：模擬技術驅動液冷散熱與海洋工程新篇章  
【時間】2025年11月28日(五) 8:30AM~4:30PM
【地點】華南銀行國際會議中心 2F (臺北市信義區松仁路123號)
【活動網頁】https://blog.mscsoftware.com.tw/2025-hexagon-taiwan-simulation-user-conference/

AI伺服器 × CAE × EV 的數位工程新時代 ｜2025 台灣 Hexagon 模擬技術大會

AI伺服器 × CAE × EV 的數位工程新時代 ｜2025 台灣 Hexagon 模擬技術大會

模擬應用創新 實戰案例演說

嚴選時下最熱門的題目，邀請學術和產業界的Hexagon CAE模擬軟體用戶，分享各領域的實戰案例。

【主辦單位】MSC Software台灣分公司(Hexagon 海克斯康)
【專業合作夥伴】應用熱流分析中心, 智馭科技, 星恆科技, 岱冠科技

我們擁有可靠的技術與人才，有任何相關問題都歡迎來信或來電討論指教，幫您量身打造符合需求的解決方案。 想更清楚的了解Actran (聲學分析)、Romax(機電傳動系統設計)、ODYSSEE(機器學習與 AI)、Apex(快速建模)，歡 迎 來 電 (02)2712-8448 或是 來 信。

If you want to know more details ,please contact Simhex.

ODYSSEE Apex Actran CAE 軟體相關介紹:

ODYSSEE CAE 應用: (結合AI ML)

• 最佳化預測
• 使用以影像為基礎的機器學習，為任何產業提供即時預測和優化。
• 製造錯誤監測（鑄造）
• 建立模具的花費指標
• 用於品質控制的錯誤特徵
• 可建構性: 建構風險，不確定性和決策
• 基於肺部感染的MRI影像做診斷預測
• 透過即時預測模型對遠距病患監控
• 飛行模擬(著陸的條件)
• 衛星圖像選擇性壓縮與分類

Apex CAE 應用:

從強大的幾何清理、簡化，一直到網格劃分，MSC Apex旨在開發各種易於使用的功能，創造最友善的建模環境。

• MSC Apex Modeler

• MSC Apex Structures

全面整合的結構分析流程，自動偵測需要的求解器設定，前/後處理功能與求解器皆在同一個介面下操作，支援靜態、正交模態、動態、挫曲分析。

• MSC Apex Generative Design

高自動化的生成式設計，打造無與倫比的積層製造體驗，在產品生命週期的每個階段節省成本並縮短知識與經驗之間的差距。

Romax CAE 解決方案

行 業 應 用 案 例 ：

    軌 道 交 通    

客 戶 需 求 ：

軸承供應商調查

Romax 所 提 供 的 服 務：

一列現代化柴油列車軸箱軸承失效問題不斷增加，引起了越來越多的關注。 Romax 工程師使用 優 化 模 擬 軟 體，基於對 軸箱軸承 和 齒輪箱 的深厚知識，通過三個關聯的工作包進行問題根源分析以及詳細高效的問題調查。

    可再生能源    

客 戶 需 求 ：

根據GL認證的要求，在指定載荷譜和極限工況下完成 耐久性 計算。

Romax 所 提 供 的 服 務 ：

詳細的軸幾何尺寸，複雜的行星齒輪系統，花鍵聯結，有限元箱體模型和內部軸承細節。使用載荷分佈評估和選擇軸承，根據ISO標準計算壽命，調查和優化 預緊力 、 遊隙 、 錯位量 、 軸承 內部幾何資訊和 潤滑 狀況。Romax 生成的報告中 耐久性 滿足GL要求。報告允許供應商在該風機中使用它們的軸承產品。

    重 載 車 輛    

客 戶 需 求 ：

審核中型卡車 變速器 ，評估低成本供應商的軸承

Romax 所 提 供 的 服 務 ：

使用 Romax 軟體的全系統方法詳細分析所選軸承類型； Romax 在軸承潛在供應商審核過程中提供支援。基於完整 齒輪箱 系統分析完成 軸承選型 和 優化 。評估預緊力、錯位量、潤滑油和量產變差，鑒別軸承性能的關鍵影響因素。

    汽 車 行 業    

客 戶 需 求 ：

某大型歐洲汽車製造商需要改進 變速器 設計，使製造流程更具魯棒性。裝配過程中產生的結構變形導致 軸承預緊量 發生變化，需分析和優化軸承預緊量變化產生的系統影響。

Romax 所 提 供 的 服 務 ：

Romax 快速的建模 和 分析 功能可以將 齒輪 、 軸 、 軸承 和 箱體 集成到單一的 齒輪箱 模型中，預測各個零部件之間的 相互耦合 作用。通過使用 Romax 軟體對 變速器 進行整體系統優化，充分考慮所有零部件之間的相互影響，分析 電機定子 與 齒輪箱 殼體之間的配合以及箱體變形及其對 齒輪 和 軸承 的影響，最終幫助該汽車製造商優化了製造工藝，成功降低製造成本並進一步提高產品品質。

聲學分析 Actran  CAE 應用 ：

• 動力總成 ，變速箱和電動發動機的雜訊預測
• 發動機進氣和排氣系統聲學特性
• 後視鏡和空調環控系統的氣動-振動-雜訊分析
• 輪胎和通過噪音評估，包括聲學處理優化
• 車輛內部聲學舒適度，包括全內飾車身的NVH性能評估和聲學包優化
• 多層結構聲學傳輸損耗預測，考慮隨頻率變化的聲學處理效應
• 傳輸路徑分析和設計變更影響比較
• 考慮安裝效果（結構振動、吸聲等）的風扇雜訊評估
• 音響設備集成性能評估
• 飛機進氣和排氣雜訊的聲學處理和機艙設計優化
• 機身氣動雜訊的傳播預測
• 水下雜訊傳播
• 高強度隨機聲載荷和振動導致的振動聲疲勞預測

技術特點 ：

• GUI 支援高級結果視覺化 ，包括專用的聲學後處理功能（極座標圖，3D方向圖，貢獻圖，聲學量）
• 具有基於聲學標準的嵌入式聲學測點生成功能（ISO 3744 ， ISO 3745 ，SAE J1074和 IEC 61672-1）
• 根據使用者的需求自訂的介面
• 基於自我調整求解器的網格劃分技術 ，可實現高效計算並減少用戶網格劃分工作
• 高度集成到多體時功能變數代碼 Adams 和 CFD 代碼 scFLOW 中進行聯合模擬
• 與結構分析FEA軟體 （如MSC Nastran） 進行聯合模擬
• 分析靜態介質和複雜流動中的聲音傳播和輻射
• 使用無限單元和自我調整完美匹配層（APML）模擬自由場輻射
• 在小空間流體中建立聲學粘熱損失模型
• 採用直接頻率法或模態頻率法進行振動 – 聲學耦合分析
• 豐富的結構單元庫：實體、殼體、梁、彈簧、剛體、多層複合結構等
• 基於BIOT 理論的多孔彈性單元庫 ，用於通過體積作用的聲學材料建模
• 用於有源結構建模的壓電單元庫
• 隨機載荷 ：擴散聲場，湍流邊界層等
• 使用線性和二階單元進行 2D 、3D和軸對稱模型分析
• 從定常和非定常的 CFD 結果（SNGR技術，Lighthill和Möhring類比）中，提取氣動聲源， 預測由湍流引起的雜訊
• 支持 CFD 代碼自有檔案格式
• 基於有限元和虛擬SEA方法的低、中和高頻求解功能
• 直接和反覆運算求解以及 KRYLOV 快速頻率回應求解
• GPU 加速功能解決大模型和高頻問題

• 延 伸 閱 讀 
• 2025最新NVH解析｜階次分析在旋轉機械故障診斷的應用全攻略
• 網格掰掰！PreonLab CFD流體力學模擬再進化
• 如何為 eVTOL 無人機設計提供數位孿生支援 – MSCOne
• 聲學模擬、NVH、智慧製造設計解決方案 – Actran
• 從噴嘴到排水系統：PreonLab助力洗碗機全流程設計模擬
• 頂尖電池製造商都在用CAE?淺談電動車電池設計 CAE工程師必看
• 隔音建築材料開發必備工具：從CAE模擬找到最佳材料解 – Actran
• 變速箱的聲音輻射 – CAE軟體Actran
• 窗簾設計新科技：降低噪音1套軟體就搞定 – Actran
• 電動車電池 安全性與效能 – MSCOne
• 數位孿生技術 ：探索數位化未來的關鍵技術
• 電子電聲產業Acoustic solution – Actran
• 航空技術飛機致動器設計 – CAE軟體Romax
• AI解決NTF BIW 2大問題 – CAE軟體ODYSSEE
• 鐵路噪音解決方案 – CAE軟體Actran
• 風力渦輪機傳動系統的耐久與噪聲-CAE軟體Romax
• Acoustic 聲學分析
• ODYSSEE CAE 機器學習成為電機一大助力
• ODYSSEE幫助臨床醫學最佳化3D列印矯正鞋墊
• Actran 2024.1新功能 聲學Acoustic解決方案
• Actran協助富士康優化Loudspeaker設計
• Romax 協助NBC提升輪轂軸承的效率表現
• Valeo透過Romax成功縮短9個月的電驅動產品開發週期
• 變速箱性能最佳化：透過ODYSSEE建立AI ML的Romax變速箱設計
• 透過Actran分析新型風扇的氣動噪音
• Actran創建AVAS揚聲器聲學模型
• 中華汽車透過Actran進行噪音之聲源估算和響應驗證
• 電動車噪音 – 通用汽車向中高頻前進！
• NVH分析 – 利用Actran輔助車身地板阻尼優化
• Actran 2021 新功能發布要點！
• 馬達噪音優化 – 解析如何利用Actran進行噪音優化
• Actran SNGR解決複雜的流場 聲學 問題
• CAE軟體 – Actran 進行噪音分析
• 第二屆 2023 Actran聲學應用大賽
• Avio使用MSC Nastran和Actran確保太空發射器的結構可靠度

這篇文章 AI伺服器 × CAE × EV 的數位工程新時代｜2025 台灣 Hexagon 模擬技術大會 最早出現於 星恆科技有限公司。

隨著全球對低碳社會的需求日益增加 ，電動汽車 (EV) 和 混合動力汽車 (HEV) 的數量正在快速增長。 這些車輛被認為是未來交通工具的核心 ，因為它們能夠減少對化石燃料的依賴 ，從而降低二氧化碳排放量 。 在這些新能源車中，電池 、 逆變器和電機是最關鍵的組件。  其中，電機的市場規模預計將在未來幾年持續擴大，因為它們是這些車輛的核心驅動部分 。 隨著人們對提高電動汽車性能的需求日益增強， 電機設計工程師面臨著越來越高的要求 ，需要開發出更加高效和可靠的設計 。

除了電動汽車市場外，協作機器人市場也預計會有顯著增長。 協作機器人主要應用於需要體力勞動的工作場合 ，如搬運重物和進行精密工作 。 這些機器人可以與人類協同工作 ，減少人力勞動強度 ，同時提高工作效率 。 由於協作機器人由多個執行器和電機組成， 電機在這個領域的應用也變得越來越廣泛 。  因此 ，協作機器人的電機市場也將因此而擴大。

(左：電動汽車、右：協作機器人)

CAE軟體 電機設計

在電機設計過程中，為了在實際生產之前確保設計的高效性和可靠性，模擬分析預期性能是非常必要的。 這包括對電機的形狀進行優化以及在不同工作條件下確保驅動的有效性。 形狀優化的目的是提高電機的效率和性能，而在廣泛的工作範圍內確保驅動的有效性則是為了適應不同的操作環境和需求。

(左：電機形狀優化、右：電機在不同工作條件下的性能)

這些設計過程需要工程師進行大量的磁場模擬分析，尤其是在不同工作條件下。 這些分析需要大量的計算時間，因而如何減少模擬時間並提高工作效率成為一個重要的課題。

為了解決這個問題，海克斯康的 ODYSSEE軟體 提供了一種有效的解決方案。 ODYSSEE 能夠利用少量的設計實驗點(DOE)來建立高精度的降階模型(ROM)，這樣可以顯著加速電機設計的優化過程。

CAE軟體 電機設計

電機形狀設計優化

在不同的形狀參數下，電機的平均扭矩和扭矩波動會有所不同。 電機的設計優化過程就是平衡電機的平均扭矩和扭矩波動，得到帕雷托最優前沿(Pareto front)。

(左：電機磁場分析模型、右：不同設計參數下電機的平均扭矩和扭矩波動)

針對電機設計優化問題，通常採用典型的基因演算法來進行參數最佳化。 在這個過程中，基因演算法根據設計參數的取值進行優化，直到性能改進達到穩定。 這一過程通常需要進行大量的有限元法(FEM)計算。舉例來說，如果需要進行1200次FEM計算，每次計算大約需要30秒，那麼總計算時間將達到10小時。 在這樣的情況下，FEM計算是最耗時的部分，因此，減少FEM計算時間就成為提高工作效率的關鍵。

為了解決這一問題，本研究利用少量的FEM模擬結果，並採用ODYSSEE建立的降階模型來取代FEM，以便快速預測和減少FEM計算時間。 這樣不僅能夠加快優化過程，還能減少計算資源的消耗。

具體的工作流程如下：首先使用FEM模擬生成訓練數據，然後利用基因演算法確定設計參數，並搜索最佳設計形狀。 這一過程會重複進行，直到降階模型的結果與FEM的結果精度達到滿足要求的程度。 此時，降階模型可以取代FEM進行預測。

(左：基因演算法+機器學習工作流程、右：降階模型和FEM結果對比)

研究結果顯示，使用400個FEM模擬結果進行模型訓練即可得到收斂的降階模型，能夠準確替代FEM模擬。 相較於僅使用基因演算法的優化流程，引入ODYSSEE的機器學習工具後，FEM模擬次數從1200次減少到400次，大大降低了計算成本。

然而，我們也發現，在某些情況下，由於材料的非線性特性，降階模型對扭矩波動的預測精度較低。 這種情況主要是由於材料的非線性行為造成的。在這種情況下，可以通過改進優化流程來解決這個問題，即在帕雷托最優前沿位置使用FEM結果，其他位置則使用降階模型進行預測。

不同工作條件下電機性能快速預測

電動汽車的電機有著廣泛的工作範圍，為了在不同逆變器輸入電流條件下實現更有效的驅動，需要進行大量的磁場模擬分析。

(左：電動汽車工作範圍、右：電機效率隨電流和電機狀態而改變)

為了選擇適當的電流條件，需要進行1848個FEM模擬結果的優化，因此我們引入ODYSSEE的機器學習方法來減少模擬分析次數。 建模工具使用 MSC Apex ，機器學習軟體為 ODYSSEE 。 我們使用240組FEM模擬結果進行機器學習模型的訓練，並構建高精度的降階模型來替代FEM模擬分析。 結果顯示，降階模型的預測結果與FEM結果幾乎完全一致。

(上：FEM分析結果、下：降階模型預測結果)

總 結

在電機形狀設計優化問題中，使用 ODYSSEE 的機器學習方法，可以將FEM次數減少約68.9%（從1236次減少到378次）。 然而，由於電機材料的特性，降階模型對某些扭矩波動的預測結果可能與FEM結果存在一定的偏差。 這可以通過在帕雷托最優前沿選擇使用FEM結果來彌補。

針對不同工作條件下的電機設計優化問題， ODYSSEE 的機器學習方法能將FEM次數減少約87.0%（從1848次減少到240次），並且仍能保持較高的預測精度。 這樣的技術進步不僅顯著提高了電機設計的效率，也為未來的技術發展提供了新的可能性。 在全球追求低碳經濟和可持續發展的大背景下，這些技術的應用將變得越來越重要，並有望為相關行業帶來深遠的影響。

想 更 清 楚 的 了 解  ODYSSEE CAE 機器學習成為電機一大助力 ODYSSEE 的 細 節 ，歡 迎 來 電 (02)2712-8448 或 是 來 信。

If you want to know more details from ODYSSEE and Romax ,please contact Simhex.

ODYSSEE CAE

ODYSSEE CAE 藉由即時回答複雜的工程問題來擴增你的知識，若沒有 ODYSSEE CAE 可能需要數百小時來做模擬和分析。 只要一些先前做過的CAE模擬， ODYSSEE 可以即時預測、最佳化和穩健的產出準確的結果。 ODYSSEE CAE 生產完整時程的歷史輸出，包含完整的CAE分析，有詳細的後處理結果。

ODYSSEE CAE is an innovative platform for engineers that integrates machine learning, artificial intelligence, reduced order modelling, and design optimisation into workflows. It enables cost-efficient digital twin creation through real-time predictive modelling and optimisation by leveraging CAE simulation and physical test data. With minimal prior simulations, ODYSSEE CAE can quickly generate accurate results (with deformation, stresses, …) and full-time history outputs.

ODYSSEE A-Eye

使用以影像為基礎的機器學習，為任何產業提供即時預測和優化。

ODYSSEE-A-Eye 使用影像為基礎的預測或基於 CAD 幾何 (STEP) 為生產/非工程師建立專用的客製化。

ODYSSEE A-Eye is a machine learning solution for accelerating product design and development through image and CAD-based learning. Using images, CAD and sensor data as inputs, ODYSSEE A-Eye creates customised AI applications that predict output responses and field data. This enables designers and production technicians to explore the design space thoroughly and design next-generation products efficiently without excessive computing time and cost.

ODYSSEE 為 工 程 、 製 造 和 質 量 提 供 實 時 解 決 方 案，包 括 以 下 功 能：

• 機器學習 AI
• 統計 、 數據挖掘 、 數據融合
• 優化 和 魯棒性
• 圖像識別 和 壓縮

機器學習、人工智慧AI的最佳幫手 ODYSSEE 應用領域如下：

• 計算流體力學
• 結構仿真
• 材料
• 聲學設計
• 系統動力學
• 自動駕駛
• 製造工藝

補充說明：

AI 人工智慧 (Artificial Intelligence) 是指通過電腦系統模擬人類智能的技術。AI 包括能夠進行推理、學習、理解自然語言、解決問題、感知環境並做出決策的系統。

ML 機器學習 (Machine Learning) 是 AI 的一個子領域，專注於通過數據進行學習，無需特定編程來完成特定任務。ML 的系統會通過大量數據進行訓練，識別其中的模式，並基於學到的模式進行預測或決策。

AI 和 ML 的區別：

• AI 是一個廣泛的領域，涵蓋了模仿人類智能的各種技術和方法。
• ML 是實現 AI 的方法之一，利用數據訓練模型，通過學習改進系統的表現。

ODYSSEE 應用:

• 延 伸 閱 讀 

• ODYSSEE幫助臨床醫學最佳化3D列印矯正鞋墊
• 變速箱性能最佳化：透過ODYSSEE建立AI ML的Romax變速箱設計
• 機器學習、人工智慧AI的最佳幫手 ODYSSEE
• ODYSSEE 以CAE為中心的AI/ML創新平台

這篇文章 ODYSSEE CAE 機器學習成為電機一大助力 最早出現於 星恆科技有限公司。

電動馬達 是 電動車 (EV) 或 混合動力電動車 (HEV)  傳動系統 的組成部分 ， 因此在傳動系統開發過程中考慮其與其他相關組件的強相互作用非常重要。 在虛擬開發傳動系統時 ， 專業模擬部門的工程師會定期執行一些典型任務。 這些範圍從系統級的整體車輛概念和佈局分析 、 子系統級的傳動系統動力學和 NVH 到組件級的馬達 3D 熱分析。 執行此類仿真的工程師可能不會總是電磁仿真專家。

然而 ， 他們需要考慮電動馬達與傳動系統其餘部分的相互作用。 專門為像他們這樣的用戶開發了 E-Motor Tool (EMT)： 在進行系統佈局時 ， 僅了解一般要求 ， 但 E-Motor 不可用 ， 只需單擊一下即可獲得 EMT 的“概念”設計師為滿足給定要求的馬達設計提供合理的建議。 當幾何形狀可用但缺少電磁模擬的精確結果（例如功率損耗、扭矩和力波動）時 ， EMT 的「幾何助手」將產生電磁模擬模型。  「模型助手」將自動執行模擬並準確輸出所需的資料。

An electric motor is a component of the drivetrain system in electric vehicles (EV) or hybrid electric vehicles (HEV). Therefore, considering its strong interaction with other related components during the drivetrain development process is crucial. During the virtual development of drivetrains, engineers in professional simulation departments regularly perform typical tasks. These range from system-level overall vehicle concept and layout analysis, to subsystem-level drivetrain dynamics and NVH (Noise, Vibration, and Harshness), and component-level motor 3D thermal analysis. Engineers executing such simulations may not always be experts in electromagnetic simulations.

However, they need to consider the interactions between the electric motor and the rest of the drivetrain. The E-Motor Tool (EMT) is specifically developed for users like them: when conducting system layouts, only general requirements are known, and the E-Motor is unavailable. With just one click, EMT’s “Concept Designer” provides reasonable suggestions for motor designs that meet given requirements. When geometry is available but precise results of electromagnetic simulations (e.g., power loss, torque, and force ripple) are missing, EMT’s “Geometry Assistant” generates electromagnetic simulation models. The “Model Assistant” will automatically perform the simulations and accurately output the required data.

AVL EMT(E-Motor Tool)為eSUITE電氣化模擬方案包底下的工具 ， 是專門為馬達設計工程師所開發的一套App ， 能為馬達開發提供

• 在設計初期 ， 即考慮以目標需求為導向的概念設計。 

• 基於電磁場模擬的馬達性能和效率。 

• 馬達電流控制定義。 

• 熱管理分析的熱損失計算。 

• 轉子動力學和NVH分析的馬達載荷計算。 

⇓⇓⇓⇓ 關於EMT更多的功能與流程請參閱底下資料 ⇓⇓⇓⇓

EMT強大的功能是不是剛好能為您的工作帶來許多幫助呢?

電動車馬達設計 用 AVL EMT 更多詳細的內容 ，

 歡 迎 來 電 (02)2712-8448 或 是 來 信。

If you want to know more details , please contact Simhex.

延伸閱讀

• AVL eSUITE 完整的動力總成電氣化解決方案
• AVL全球規模最大的車輛動力系統研發公司
• AVL官方網站

這篇文章 電動車馬達設計 用 AVL EMT 最早出現於 星恆科技有限公司。