DUNLOPと富士通、AIを活用したタイヤ構造解析の実証実験において所要時間を約90％短縮

DUNLOP（社名：住友ゴム工業株式会社）（以下、DUNLOP）と富士通株式会社（以下、富士通）は、DUNLOPが長期経営戦略に掲げた設計のDXに向けて、タイヤの性能をAIで高精度かつ短時間で予測する技術AIサロゲートモデルを共同開発し、このたび実証実験において成果を確認しました。本実証実験では、開発した技術を、タイヤが路面に接地した時の変形挙動の予測に適用した結果、解析時間を従来の約45分から約5分へと大幅に短縮（約90％削減）するとともに、約60万要素（メッシュ）規模の解析を実現しました。

両社は、本実証実験の成果をもとに、タイヤ設計の開発支援ツールの開発を進め、DUNLOPにおいて2027年4月の実用開始を目指します。これにより、DUNLOPはデータドリブンな開発を加速し、より安全性が高く環境性能に優れた高品質なタイヤをスピーディーに市場供給することを目指します。

なお、本技術は、富士通が開発する高性能かつ省電力性を追求したArmベースの次世代CPU「FUJITSU-MONAKA」での動作を前提に設計しています。今後、両社は本技術をベースに「FUJITSU-MONAKA」検証機での実証を2026年12月までに開始し、さらなる推論速度・精度および電力効率の最適化を目指していきます。

背景

ものづくり現場において、製品や構造物の挙動をシミュレーションし、性能や安全性を評価するCAE（Computer Aided Engineering）解析は、製品の高性能化・複雑化に伴い、多大な解析時間を費やしています。
タイヤの設計においては、CAE解析手法の一つであるFEM（有限要素法）解析が用いられています。解析は、メッシュを細かくして要素数を増やすと精度は向上しますが、同時に計算時間やそれに伴う開発コストが増加するため、精度と計算負荷のバランスを取ることが求められています。加えて、解析には専門知識が必要であり、熟練した技術者の確保も課題となっています。
この課題を解決するため、両社は過去から蓄積されてきたFEM解析結果を学習データとして、FEMの基礎方程式の解を高速に予測する技術AIサロゲートモデルを開発しました。

実証実験の成果

両社は、DUNLOPのタイヤ設計のノウハウや実設計データと富士通のAI技術を活用し、グラフニューラルネットワーク（graph neural network、GNN）のアルゴリズムをベースとしたAIサロゲートモデルを共同で開発し、タイヤの構造解析に関する実証実験を行いました。実証実験では、タイヤの路面接地時における接地形状や接地圧分布など、変形挙動や接地特性の評価を対象としました。その結果、従来FEM解析では約45分を要していた解析を約5分での近似解析を実現し、FEM解析と比較してタイヤと路面の接地形状を平均87.7%の高い精度で予測できました。本技術により、従来は複数の設計プロセスを経て決められていたタイヤの構造や材料の仕様を、より少ないプロセスで短時間に決定できるようになります。これにより、意思決定がスピードアップし、性能向上だけでなく、コストの最適化も期待できます。
なお、本成果の一部は2026年6月3日から開催される第31回計算工学講演会において発表しています。

今後について

両社は、本AIサロゲートモデルについて、2026年12月までに「FUJITSU-MONAKA」検証機での実証を開始し、推論速度・電力効率の最適化を目指します。また、タイヤの構造解析の適用範囲を拡大するとともに、専門知識がなくても設計者が直接利用できる設計開発支援ツールとしての開発を進め、DUNLOPにおいて、2027年4月の実運用開始を目指します。
DUNLOPは、長期経営戦略「R.I.S.E. 2035」のもと、「ゴムから生み出す“新たな体験価値”をすべての人に提供し続ける」事を目指しています。今回の富士通との共創により、独自の「ゴム・解析技術力」をさらに進化させ、DUNLOPのPurposeである「未来をひらくイノベーションで最高の安心とヨロコビをつくる」を実践していきます。
富士通は、本取り組みをもとに、自動車産業をはじめとする製造業における大規模FEM解析への横展開を推進し、今後、「FUJITSU-MONAKA」とGNNを組み合わせたAI推論プラットフォームの開発とAIプラットフォーム「Fujitsu Kozuchi」上での提供を通じて製造業の開発最適化と省電力化によるカーボンニュートラル推進に貢献します。