ASME V&V規格 — 計算シミュレーションの検証・妥当性確認

V&Vの基本概念

VerificationとValidationの違い

• Verification（検証） —「方程式を正しく解いているか？」
• Validation（妥当性確認） —「正しい方程式を解いているか？」

有名な言い回しで言えば、Verificationは "solving the equations right"、Validationは "solving the right equations" だ。

1. Code Verification（コード検証） — ソルバーのソースコードにバグがないか、数学的アルゴリズムが正しく実装されているか。解析的な厳密解（Method of Manufactured Solutions等）と比較して確認する
2. Solution Verification（解の検証） — 特定の問題に対する数値解が十分に収束しているか。メッシュ密度・時間刻み・反復収束の影響を定量的に評価する

例えば、Abaqusを使って構造解析する場合、Abaqus自体のコードが正しいかを確認するのがCode Verification、あなたが作ったモデルのメッシュが十分に細かいか確認するのがSolution Verificationだ。

• 衝突シミュレーションの変形量が実車試験と一致するか
• CFDで予測した圧力損失が風洞試験の計測値と合うか
• 構造解析の固有振動数がハンマリング試験結果と一致するか

ここで重要なのは、Validationの前にVerificationが完了していなければならないということ。数値誤差だらけの解を実験と比較しても意味がないからな。

V&Vの階層構造

1. Code Verification — ソルバーコードの数学的正確性
2. Solution Verification — 個別問題の数値誤差評価
3. Model Validation — 実験データとの比較による妥当性確認
4. Predictive Capability Assessment — 実験データがない条件への予測信頼性評価

下に行くほど難しくなる。最終段階の「予測能力評価」は、まだ実験していない条件でシミュレーション結果をどこまで信用できるかを判断するもので、不確かさの定量化（UQ: Uncertainty Quantification）が不可欠だ。

ASME V&V規格群の全体像

V&V 10 — 計算固体力学のV&V

• V&Vの定義と用語の統一
• Code Verification手法（MMS: Method of Manufactured Solutions）
• Solution Verification手法（Richardson外挿、GCI）
• Validation実験の計画と要件
• Validation Metricsの定義
• 不確かさの分類（aleatory / epistemic）と伝播方法

V&V 20 — CFD・熱伝達のV&V

• 乱流モデルの選択 — RANS、LES、DNSで結果が大きく変わる。モデル形態誤差（model form error）が支配的
• 非線形性 — Navier-Stokes方程式は本質的に非線形で、メッシュ収束が構造解析より遅い
• 数値拡散 — 対流項の離散化スキームが結果に大きく影響する

V&V 20の最大の貢献は、数値誤差と物理モデル誤差を分離する方法論を提示したことだ。Validation comparison error $E$ を次のように分解する：

ここで $S$ は計算値、$D$ は実験値。そしてこの $E$ の中に含まれる誤差を以下に分類する：

$u_{\text{num}}$ は数値誤差、$u_{\text{input}}$ は入力パラメータの不確かさ、$u_{\text{exp}}$ は実験の不確かさだ。

Verification — コードと解の検証

Code Verification

1. 適当な解析的な解 $u_{\text{exact}}(x,t)$ を「でっち上げる」（manufactured）
2. その解を支配方程式に代入して、必要なソース項 $f(x,t)$ を逆算する
3. ソルバーにソース項を与えて計算させ、$u_{\text{exact}}$ との誤差を測る
4. メッシュを系統的に細かくしたとき、誤差の収束次数が理論値（例：2次精度なら $O(h^2)$）と一致するか確認する

商用ソルバーの場合、ソルバー開発者がCode Verificationを実施済みのはず——ただし全ての機能・要素タイプで検証されているわけではない。新しい要素や材料モデルを使うときは要注意だ。

Solution Verification

基本はRichardson外挿だ。メッシュサイズ $h_1 > h_2 > h_3$（3段階以上）で計算して、観察される収束次数 $\hat{p}$ を求める：

ここで $r = h_3/h_2 = h_2/h_1$（一定の細分化比率）、$f_i$ は各メッシュでの着目量だ。この $\hat{p}$ を使ってGCIを計算する。

GCI（Grid Convergence Index）

GCIとは

計算式は：

ここで：

• $F_s$ = 安全係数（3メッシュ使用時は1.25、2メッシュ時は3.0）
• $\varepsilon = (f_2 - f_1) / f_1$ — 粗いメッシュと細かいメッシュの相対誤差
• $r$ = メッシュ細分化比率（通常1.3〜2.0）
• $\hat{p}$ = 観察された収束次数

実務での目安：

• GCI < 1% — 十分にメッシュ収束している（学術論文レベル）
• GCI 1〜5% — 工学的に許容できる場合が多い
• GCI > 5% — メッシュをもっと細かくすべき

漸近一致の確認

この値が1に近ければ、解は漸近範囲に入っており、Richardson外挿が信頼できる。1から大きく外れている場合は、メッシュがまだ粗すぎるか、特異点のような問題がある可能性がある。

Validation — 妥当性確認

Validation実験の要件

• 境界条件の完全計測 — シミュレーションに入力する全ての境界条件（温度、変位、荷重、流速など）を計測すること
• 初期条件の記録 — 残留応力、初期温度分布なども必要
• 計測不確かさの定量化 — センサー精度、繰り返し精度、空間分解能など
• シミュレーションとの独立性 — 実験結果を見てからモデルを調整する「チューニング」は厳禁

現場ではこの最後の点が特に難しい。「実験と合うまでパラメータを調整する」のはValidationではなくCalibration（校正）だ。

Validation Metrics

1. 相対誤差: $E_{\text{rel}} = |S - D| / D$ — 最もシンプルだが、$D \approx 0$ 付近で発散する欠点がある
2. Validation Metric (Oberkampf & Barone): 確率分布を考慮した積分ベースの指標
3. Area Validation Metric: 応答曲線（時刻歴、分布）の面積差を正規化した指標

$V = 1$ なら完全一致、$V = 0$ は完全不一致だ。実務では $V > 0.9$ なら良好な一致と判断することが多い。

実務での適用

規制産業でのV&V要件

• 原子力 — NRC（米国原子力規制委員会）はシミュレーション結果の提出にV&Vレポートを要求。10 CFR 50でV&Vプロセスが規定されている
• 航空宇宙 — FAA（連邦航空局）のAdvisory Circular AC 25.571でFEMによる損傷許容解析のV&Vガイドラインがある
• 医療機器 — FDA（食品医薬品局）がASME V&V 40に基づくComputational Modelingの信頼性実証を推奨

自動車や建設機械では法的義務はないが、製品訴訟（PL法）や社内品質基準として採用する企業が増えている。

V&Vレポートの書き方

1. Conceptual Model — 物理現象の抽象化、仮定（線形/非線形、2D/3D、定常/非定常）
2. Mathematical Model — 支配方程式、構成則、境界条件
3. Computational Model — メッシュ仕様、要素タイプ、ソルバー設定、収束基準
4. Code Verification結果 — 使用したベンチマーク、収束次数
5. Solution Verification結果 — GCI値、メッシュ収束プロット
6. Validation結果 — 実験との比較、Validation Metrics値
7. 不確かさ定量化 — 入力パラメータの不確かさ、伝播結果
8. 適用範囲の明示 — このモデルが妥当と言える条件の範囲

特に8番目が重要で、「このモデルは温度200℃以下、ひずみ速度1000/s以下でのみ妥当性が確認されている」といった限定を明記する必要がある。

実務チェックリスト

先端動向とV&V 40

V&V 40 — 医療機器の計算モデリング

• Verification — コード・解の検証
• Validation — 実験との比較
• Applicability — 使用条件がValidation範囲内か
• Context of Use — 意思決定へのインパクト（リスクベース）

重要なのはContext of Useだ。例えば、人工関節の耐久性予測に使うモデルは高い信頼性が必要（承認の判断を左右する）だが、製品デザインの初期スクリーニングなら低い信頼性でも許容される。

不確かさの定量化（UQ）の最前線

• ベイズ推定によるModel Calibration — MCMCやSurrogate Model（GPR、PCE）を使ったパラメータ同定
• Epistemic UQ — データが不足しているときの「知識の不確かさ」をDempster-Shafer理論やP-box（確率ボックス）で表現
• Digital Twin連携 — リアルタイムセンサーデータでモデルを逐次更新するアダプティブV&V
• 機械学習とV&V — MLモデルの予測にもV&Vの概念を適用する動き（AIAA-2023論文等）

V&Vのよくある落とし穴

落とし穴1: Validationのつもりがチューニング

正しいプロセスは：

1. Calibration用の実験データでパラメータを同定する
2. 別のValidation用実験データ（Calibrationに使っていないもの）でモデルの妥当性を検証する

Calibrationに使ったデータでValidationしたと主張するのは、試験問題を見てから勉強して「100点取れた」と言っているのと同じだ。

落とし穴2: メッシュ収束を省略する

計算コストが問題なら：

• 局所的なGCI — 全体ではなく着目領域だけで収束確認
• p-法による推定 — 要素次数を上げることでメッシュ数を増やさずに収束確認
• Adaptive Mesh Refinement（AMR） — ソルバーに任せて自動的に必要な部分だけ細分化

落とし穴3: 着目量が1つだけ

• 最大応力（値と位置の両方）
• 変位分布
• 固有振動数（複数モード）
• 接触反力（接触問題の場合）

ピーク応力だけが合っていても、変位場が全然違えばモデルの物理的妥当性は低い。「たまたま合った」のか「本質的に正しい」のかを区別するために、複数のSRQで交差検証することが重要だ。