開発期間を劇的に短縮するハードウェア設計の新常識!ドローンメーカーWingtraのシミュレーション

開発期間を劇的に短縮するハードウェア設計の新常識!ドローンメーカーWingtraのシミュレーション

物理的な試作品を何度も作り直すことなく、最先端のハードウェアを開発することは可能でしょうか? 従来のハードウェア開発において、プロトタイピング(試作)と風洞実験や飛行テストの繰り返しは、膨大な開発期間とコストを消費する最大のボトルネックでした。

スイスのドローンメーカーであるWingtraは、新型産業用ドローン「RAY」の開発にあたり、わずか6ヶ月間で180回もの空力シミュレーションを実施しました。ベルギーのクラウドCFD(数値流体力学)プラットフォーム「AirShaper」を活用したこのプロジェクトにより、同社は従来機「WingtraOne」からの圧倒的な性能向上を驚異的なスピードで達成しました。

本記事では、Wingtraのプロジェクト事例における「ハードウェア設計の現場で得られた4つのリアル」を紐解いていきます。

  • 1. 実測による裏付け:風洞実験データが物理プロトタイプ全カットを可能にした理由
  • 2. トレードオフの決断:理論上の最高空力効率を捨て、現場の「ケース収容性」を優先した美学
  • 3. 寛容な設計:重心変動(CoG)に耐え、フライトエンベロープの危険域を回避する堅牢性
  • 4. 批評的視点:ツールベンダーのマーケティング数値とメーカー公式スペックのギャップ

物理試作をスキップできた理由は、過去の「風洞実験データ」にあった

通常、180個もの候補モデルを計算空間(CFD)のみで評価し、物理的なプロトタイプ製作を全カットして開発を進めるのは極めてリスクが高いアプローチです。シミュレーション上の「美しい流線型」が現実の空気抵抗と一致しないリスクは、航空工学の世界では常識だからです。しかし、Wingtraが物理試作をスキップできた背景には、極めて健全なエンジニアリング上の根拠がありました。

それは、前世代機である「WingtraOne」の完成機をあらかじめ風洞に入れ、シミュレーションソフト(AirShaper)が算出する揚力、抗力、ピッチングモーメントの予測精度が、実測データと正確に一致することをあらかじめ検証・校正(キャリブレーション)していたからです。

さらに、使用されたクラウドCFDツールのワークフローの柔軟性も大きく貢献しました。AirShaperの解析エンジンは、水密構造(ウォータータイト)になっていないサーフェスモデルでも受け入れるため、スケッチ段階のCADデータから直接、わずか5分程度でシミュレーション環境をセットアップできます。プロペラの回転軸を指定するだけで、自動的に移動参照フレームが構築され、推進力やトルク、翼面に巻き付く後流(プロップウォッシュの渦流)、さらにはパネルの隙間(パネルギャップ)やフラップの打角変化による抵抗まで詳細に評価することができたのです。

こうしたクラウドシミュレーション手法は、ソロ開発者のルーク・ベル(Luke Bell)氏が太陽光発電ドローンや長距離耐久ドローンの開発で活用した手法と同じであり、大企業だけでなく新興メーカーや個人インベンターに至るまで、航空宇宙工学の参入障壁が劇的に下がっていることを象徴しています。

しかし、その基盤にあるのは常に「過去の物理実測データによる裏付け」です。

「Wingtraは完成したWingtraOneを風洞に入れ、揚力、抗力、ピッチングモーメントがすべてソフトウェアの計算結果と一致することを確認していた。だからこそ、180の候補モデルすべてを3Dでモデリングし、物理試作なしで検証できたのだ。」

完璧な空力性能よりも「専用ケースに収まるサイズ」を優先した妥協の美学

Wingtraの新型機「RAY」の機体構造を深く理解するうえで重要なのが、本機が「テイルシッター(Tailsitter)型VTOL(垂直離着陸機)」であるという点です。テイルシッターは、離着陸時には機体を垂直に立ててプロペラの推力だけで上昇し、上空で90度横倒しになって水平飛行へ移行(トランスジション)します。巡航時には主翼が機体重量を支え、プロペラは空気抵抗を相殺するだけの効率的な飛行モードに入ります。

この機構において、空力シミュレーション上の理論値を追求するのであれば、グライダーのように翼幅(ウイングスパン)を長く伸ばす方が誘導抵抗を大幅に減らし、巡航効率を最大化できます。しかし、Wingtraのエンジニアリングチームはあえて翼幅を制限する決断を下しました。その目的は、「現場での持ち運びやすさ(滑走路を必要とせず、標準の輸送ケースに分解せずそのまま収まること)」を最優先するためです。現場での迅速な運用を可能にするため、GPSモジュールにもマグネット着脱式が採用されています。

また、翼の厚み(翼厚)の選定においても、実運用を見据えた高度なトレードオフが行われました。

  • 薄い翼(理論的最適解):空気抵抗が小さく巡航効率に優れるが、突風(陣風)を受けた際に突然失速(ストール)し、揚力を急激に失う。
  • 適度な厚みを持つ翼(現実的最適解):効率はわずかに低下するものの、突風時にも気流が剥離しにくく、失速時の挙動が穏やかで予測可能になる。

垂直離着陸から水平飛行への遷移時や、悪天候下の現場撮影において、急激な失速は墜落に直結します。CFD上の最高数値を追い求めるのではなく、実運用時の安全性と利便性を両立させるバランス感覚こそが、優れた製品デザインの神髄と言えます。

センサー換装で重心が変わる?「変動する条件」を前提とした設計

産業用マッピングドローンであるRAYは、測量や点検などの用途に応じて、RGBカメラやマルチスペクトルセンサーなど、重さや形状の異なる複数の交換可能ペイロードを搭載します。

しかし、装着するセンサーの種類が変わるたびに、機体の重心(Center of Gravity: CoG)の位置は数センチ単位で前後します。テイルシッター機において重心の移動は、水平飛行時だけでなく、垂直離着陸や姿態変換時の制御ピッチモーメントに極めて深刻な影響を与えます。特定の単一条件に完璧にチューニングされた静的なエアフレームでは、重心が数センチずれただけで、飛行限界(フライトエンベロープ)の危険な領域—制御不能やピッチングの自励振動、失速領域—に突入してしまうリスクがあります。

そのため、AirShaper上で行われた180回のイテレーションでは、特定の単一重量における最適点を目指すのではなく、「重量や重心が数センチ変化しても、フライトエンベロープ全体の危険域に入らない」という広大な安定性と寛容性(堅牢性)を持った形状が追求されました。

固定された実験室的環境での局所的最適化よりも、多様な運用変化に対応できる「設計のタフさ」を組み込むことの重要性を、この事例は物語っています。

ペイロード56%増?ベンダーの発表数値と公式スペックのギャップ

本プロジェクトの成果として、シミュレーションツールを提供したベルギーのAirShaper側は、RAYが従来機(WingtraOne)と比較して以下の驚異的な向上を達成したとプロモーション動画で発表しています。

  • ペイロード容量:56%増加
  • 空力効率:12%向上
  • 燃料(エネルギー)効率:20%向上

しかし興味深いことに、メーカーであるWingtra自身の公式製品ページには、これら「+56%」や「+12%」といった比較数値は一切掲載されていません。代わりにWingtraが前面に出しているのは、「59分間の飛行時間」や「1フライトあたり550ヘクタールのカバー面積」といった、測量技師や現場ユーザーが直接体感できる実用スペックです。

航空・ドローン技術アナリストの視点(米DroneXL誌の編集長Haye Kesteloo氏の分析など)を交えると、このギャップには明確な理由があります。Wingtraは公式に「GEN II機と比較してカバー速度が40%高速化した」とアピールしていますが、この「カバー速度」には純粋な空力性能だけでなく、巡航速度や搭載する高解像度センサーの性能(1枚の写真で撮影できる面積)が複合的に組み合わさっています。

一方、CFDツールベンダー側が提示する数値は、環境要因を排除して流体計算上抽出された純粋な数値です。とりわけ「56%のペイロード増」は顧客の購買決定に直結する強力な指標ですが、メーカーとしては完全な運用保証がなされるまで公式スペックへの記載を慎重に見送っている可能性があります。

シミュレーション技術が開発期間を大幅に短縮したことは紛れもない事実ですが、テクノロジージャーナリストとしては、ベンダー側のマーケティング数値をそのまま鵜呑みにせず、メーカーの保証値や現場での実測データを見極める冷徹で健全な批評眼を持つことが求められます。

結論と考察

スイスのWingtraが実施した6ヶ月間・180回に及ぶ空力シミュレーションの事例は、これからのハードウェア開発における重要な指針を示しています。

  1. 実測データによる事前校正(過去の風洞実験データがあるからこそ、デジタル試作が活きる)
  2. クラウドCFDによる爆速イテレーション(CADの初期段階から過酷な空力・流体を計算空間で検証する)
  3. 現実的なトレードオフ(理論上の最高効率よりも、ケース収容性や重心変動耐性を優先する)
  4. 冷徹なデータ評価(ベンダーの宣伝数値と、製品として保証するスペックを峻別する)

どれほどAIやデジタルツイン技術が進化しようとも、製品づくりの本質は「現場の物理的制約」と「現実世界のデータ」に向き合い続けるエンジニアの思考力にあります。

あなたのプロジェクトでは、数値上の理論的最適化と、現場での実用性のトレードオフをどのようにバランスさせていますか?

関連求人情報

ニュースの最新記事