横滨橡胶融合仿真与人工智能开发轮胎模具设计辅助系统

横滨橡胶（Yokohama Rubber）近日宣布，已独立开发出一套将有限元仿真（FEM，Finite Element Method）与人工智能技术深度融合的轮胎模具设计辅助系统。该系统旨在通过海量虚拟实验为工程师提供知识支撑，使经验尚浅的技术人员也能高效完成模具设计，同时实现开发提速、成本压缩以及减少设计返工，并有望在多维度洞察模具设计因子与轮胎特性关系的基础上，激发新的技术灵感，推动更高性能产品的研发。

传统模具设计的痛点：经验依赖与试错成本

轮胎性能在很大程度上由模具设计决定。然而，传统模具设计流程存在两大顽疾：其一，为摸清模具设计因子与轮胎特性之间的规律，工程师不得不依赖实物试制与反复评估，耗费大量时间与成本；其二，设计精度和所需工时高度依赖工程师的个人经验，导致个体差异显著、知识难以沉淀与传承。随着产品迭代加速，这种"以人换效率"的模式愈发难以为继。

此次发布的系统正是为破解上述困局而生。它基于横滨橡胶于2020年10月制定的人工智能应用战略框架"海科实验室（HAICoLab）"，以进一步革新开发流程为目标持续推进研发。

双引擎驱动：仿真自动化与人工智能预测可视化

该系统的核心架构由"仿真自动化"与"人工智能预测可视化"两大模块协同构成。

第一步，系统自动生成大量变化了模具形状的轮胎有限元模型，并在虚拟空间中批量执行轮胎特性计算，无需人工逐一建模与仿真，大幅释放工程师的重复性劳动。

第二步，以上述计算结果为训练数据，构建能够即时预测模具设计因子与轮胎特性对应关系的人工智能代理模型（Surrogate Model）。在此基础上，系统进一步引入可解释人工智能（XAI，eXinable AI）技术，具体包括夏普利加法解释（SHAP，SHapley Additive exnations）和部分依赖图（PDP，Partial Dependence Plot）等方法，对各模具设计因子影响轮胎特性的程度进行定量可视化呈现。

通过上述流程，工程师可以直观获得"调整哪个模具设计因子、调整多少幅度，才能达到目标特性"的明确指引，设计决策从"凭经验拍板"转变为"有数据支撑的科学判断"。

降本提速之外，更着眼高性能产品突破

这套系统带来的价值不止于效率提升。横滨橡胶强调，多角度把握模具设计因子与轮胎特性的复杂关系，有助于工程师获得过去难以发现的新洞察与创意灵感，进而推动更高性能轮胎产品的开发——这一点对企业产品竞争力的长期提升尤为关键。

日本轮胎行业长期面临高端技术人才短缺和知识断层问题，将工程师的隐性知识转化为可供全员调用的系统化工具，是行业数字化转型的重要命题。横滨橡胶此举将人工智能的"黑箱"问题通过可解释人工智能技术加以破解，使系统输出结果可信、可验证，为轮胎制造领域的人工智能工程化应用提供了值得参考的落地范式。中国轮胎企业在加速引入仿真与人工智能技术的过程中，同样面临经验传承断层与开发成本居高不下的挑战，横滨橡胶将可解释人工智能嵌入工程设计决策链路的做法，或可为本土企业的技术路线规划提供有益借鉴。