OptiSLang

optiSLang, (Computer-aided engineering) tabanlı , (MDO - multi-disciplinary optimization) ve sağlamlık değerlendirmesi için bir yazılım platformudur. Dynardo GmbH tarafından geliştirilmiştir ve önceden tanımlanmış bir optimizasyon hedefine en çok katkıda bulunan değişkenleri belirleyerek sayısal Robust Design Optimization (RDO) ve stokastik analiz için bir çerçeve sağlar. Bu aynı zamanda sağlamlığın değerlendirilmesini, yani tasarım değişkenlerinin dağılımına veya parametrelerin rastgele dalgalanmalarına karşı duyarlılığı da içerir. 2019 yılında Dynardo GmbH, Ansys tarafından satın alındı.

optiSLang

Geliştirici(ler)	Dynardo GmbH
Güncel sürüm	7.4.0
İşletim sistemi	Çapraz platform
Platform	Intel x86 32-bit, x86-64
Erişilebilirlik	İngilizce
Tür	Simülasyon yazılımı
Lisans	Özel mülk yazılım
Resmî sitesi	optiSLang web sayfası

Metodoloji

Duyarlılık analizi

Sürekli optimizasyon değişkenlerini değişken etkileşimleri olmadan tekdüze dağılımlarla temsil eden varyans tabanlı hassasiyet analizi, model yanıtlarının olası bir iyileştirmesi için optimizasyon değişkenlerinin katkısını ölçer. Yerel türev tabanlı duyarlılık yöntemlerinin aksine, varyans tabanlı yaklaşım, tanımlanan değişken aralıklarına göre katkıyı ölçer.

Coefficient of Prognosis (CoP):

CoP, model kalitesini değerlendirmek için modelden bağımsız bir ölçüdür ve aşağıdaki gibi tanımlanır:

${\displaystyle CoP=1-{\frac {SS_{E}^{\text{pred}}}{SS_{T}}}}$

Burada ${\displaystyle SS_{E}^{\text{pred}}}$ karesel tahmin hatalarının toplamıdır. Bu hatalar çapraz doğrulama temelinde tahmin edilir. Çapraz doğrulama prosedüründe, destek noktaları kümesi ${\displaystyle q}$ alt kümelerine eşlenir. Ardından, destek noktalarından ${\displaystyle i}$ alt kümesi çıkarılarak ve kalan nokta kümesi kullanılarak alt küme model çıktısı ${\displaystyle y_{i}}$ yaklaştırılarak yaklaşım modeli oluşturulur. Bu, model kalitesinin yalnızca yaklaşım modelini oluşturmak için kullanılmayan noktalarda tahmin edildiği anlamına gelir. Uyum yerine tahmin hatası kullanıldığından, bu yaklaşım regresyon ve hatta enterpolasyon modelleri için geçerlidir.

Metamodel of Optimal Prognosis (MOP):

Bir yaklaşım modelinin tahmin kalitesi, önemsiz değişkenler modelden çıkarılırsa iyileştirilebilir. Bu fikir, optimum girdi değişkeni seti ve en uygun yaklaşım modelinin (doğrusal veya ikinci dereceden tabanlı polinom veya Hareketli En Küçük Kareler) araştırılmasına dayanan Optimal Prognoz Metamodelinde (MOP) benimsenmiştir. CoP ölçüsünün model bağımsızlığı ve nesnelliği nedeniyle, farklı alt uzaylardaki farklı modelleri karşılaştırmak için çok uygundur.

(MDO):

CoP/MOP prosedürü ile bulunan optimum değişken alt uzayı ve yaklaşım modeli, doğrudan tek amaçlı bir optimizasyon için global optimize ediciler (evrimsel algoritmalar, Uyarlanabilir Yanıt Yüzeyi Yöntemleri, Gradyan tabanlı yöntemler, biyolojik tabanlı yöntemler) kullanılmadan önce bir ön optimizasyon için de kullanılabilir. MOP/CoP kullanılarak bir duyarlılık analizi yapıldıktan sonra, karşıt amaçlar dahilinde optimizasyon potansiyelini belirlemek ve takip eden tek amaçlı optimizasyon için uygun ağırlık faktörlerini türetmek için çok amaçlı bir optimizasyon da gerçekleştirilebilir. Son olarak bu tek-amaçlı optimizasyon optimal bir tasarım belirler.

Dayanıklılık değerlendirmesi:

Varyans tabanlı sağlamlık analizinde, kritik model yanıtlarının varyasyonları araştırılır. optiSLang'de, verilen rastgele değişkenlerin birleşik olasılık yoğunluk fonksiyonunun ayrık örneklerini oluşturmak için rastgele örnekleme yöntemleri kullanılır. Hassasiyet analizinde olduğu gibi çözücü tarafından değerlendirilen bu örneklere dayanarak, model yanıtlarının ortalama değer, standart sapma, kantiller ve daha yüksek dereceli stokastik momentler gibi istatistiksel özellikleri tahmin edilir.

Güvenilirlik analizi:

Olasılıklı emniyet değerlendirmesi veya güvenilirlik analizi çerçevesinde, saçılma etkileri dağılım türü, stokastik momentler ve karşılıklı korelasyonlar ile tanımlanan rastgele değişkenler olarak modellenir. Analizin sonucu, logaritmik bir ölçekte temsil edilebilen güvenilirliğin tamamlayıcısı, arıza olasılığıdır.

Süreç entegrasyonu

optiSLang, mekanik, matematiksel, teknik ve diğer ölçülebilir problemleri araştırmak için çeşitli çözücüler kullanmak üzere tasarlanmıştır. Burada optiSLang harici programlar için doğrudan ara yüzler sağlar:

• ANSYS
• MATLAB
• GNU Octave
• Excel
• OpenOffice Calc
• Python
• CATIA
• multiPlas
• metin tabanlı girdi tanımına sahip herhangi bir yazılım

Tarihçe

1980'lerden beri Innsbruck Üniversitesi ve Bauhaus-Universität Weimar'daki araştırma ekipleri sonlu elemanlar simülasyonları ile birlikte optimizasyon ve güvenilirlik analizi için algoritmalar geliştiriyordu. Sonuç olarak, "Yapısal Dil (SLang)" yazılımı oluşturuldu. 2000 yılında, mühendisleri bu yazılımı ilk olarak otomotiv endüstrisinde optimizasyon ve sağlamlık analizi yapmak için uyguladılar. 2001 yılında Dynardo GmbH 2003 yılında kurulmuştur. SLang tabanlı optiSLang yazılımı CAE tabanlı , optimizasyon, sağlamlık değerlendirmesi ve güvenilirlik analizi için endüstriyel bir çözüm olarak piyasaya sürüldü. 2013 yılında, mevcut optiSLang 4 sürümü yeni bir grafik kullanıcı arayüzü ve harici CAE süreçlerine genişletilmiş ara yüzler ile tamamen yeniden yapılandırılmıştır.

Kaynakça

1. ^ ANSYS optiSLang changelog 21 Ocak 2022 tarihinde Wayback Machine sitesinde ., Dynardo, May 2019
2. ^ ^{a b} Product website
3. ^ "Arşivlenmiş kopya". 24 Ocak 2021 tarihinde kaynağından . Erişim tarihi: 27 Eylül 2023. 
4. ^ ^{a b} Most, Thomas; Will, Johannes (2011). "Sensitivity analysis using the Metamodel of Optimal Prognosis (MOP)" (PDF). Proceedings of WOST. 8. 23 Ocak 2022 tarihinde kaynağından (PDF). Erişim tarihi: 27 Eylül 2023. 

Dış bağlantılar

• Dynardo GmbH Website
• Cadfem Products
• Automotive CAE Companion 2013
• ANSYS Advantage Magazine 02_2013
• Konstruktionspraxis.de 03_2013
• Konstruktionspraxis.de 10_2012
• Konstruktionspraxis.de 06_2012
• Konstruktionspraxis.de 09_2011