Altair® HyperStudy®

Altair® HyperStudy®, kullanıcıların deney tasarımı, meta modelleme, optimizasyon, stokastik gibi yöntemleri kullanarak tasarımlarını anlamalarını ve geliştirmelerini sağlayan bir yazılımdır. Bu çalışmaların sonuçları, yazılımın ileri seviyedeki sonuç görüntüleme ve veri madenciliği yetenekleri kullanılarak kolayca analiz edilebilir ve yorumlanabilir.

Altair HyperStudy, herhangi bir sistem modelinin parametrelerinin akıllı varyasyonlarını üretir ve bu parametreler ile sistem yanıtları arasındaki ilişkileri ortaya koyar. HyperStudy'yi kullanarak, daha iyi kararlar verebilir ve sistemlerinizin performansını, güvenilirliğini ve sağlamlığını optimize edebilirsiniz.


Altair HyperStudy Çözüm Kapasitesi

HyperStudy, tasarım performansının ve kalitesinin hızlı değerlendirilmesi ve iyileştirilmesi için son teknoloji ürünü, yenilikçi optimizasyon, deney tasarımı ve stokastik yöntemler içerir.

HyperStudy, mühendislerin deneme yanılma yinelemelerini azaltmalarına yardımcı olur ve böylece hem tasarım geliştirme hem de test süresini azaltmaya yardımcı olur.

HyperStudy’nin adım adım süreci, kullanıcıya tasarım çalışmaları ayarlama ve uygulama konusunda rehberlik eder. Açık mimarisi aynı lisansla Altair yazılımlarını (Altair® OptiStruct®, Altair® Radioss®, Altair® Flux®, Altair Compose®, Altair® Feko®, Altair® AcuSolve®) kullanma imkanı verdiği gibi, Excel, Python ve diğer firmalarca geliştirilen FEA ve CFD çözücüleriyle kolay entegrasyon sağlar.

Altair HyperStudy Çözüm Yetenekleri
Kapsamlı sonuç işleme ve veri madenciliği yöntemleri, bir mühendisin büyük simülasyon veri setlerini analiz etme ve anlama işini basitleştirir ve yardım eder.

HyperStudy'nin optimizasyon yetenekleri, analiz modellerinin test sonuçlarıyla veya diğer modellerle korelasyonunu geliştirmek için uygulanabilir.


Tasarım Keşfi ile Bilgi Edinme

Mühendislik veri bilimini tasarım keşfiyle birleştirmek, tüm sektörlerden tasarımcıların ve mühendislerin tasarımlarını etkili bir şekilde iyileştirmelerine yardımcı olan yeni ve güçlü bir yaklaşımdır. HyperStudy, veri oluşturma, toplama ve veri kümelerinin içe aktarılması için otomatik bir süreç kullanarak, tasarım alanının akıllıca ve verimli bir şekilde keşfedilmesini sağlayıp önemli ölçüde zaman tasarrufu sağlar. Geniş bir veri madenciliği araçları portföyü aracılığıyla otomatik veri analizi, yenilikçi yeni konseptler geliştirirken bakış açısı kazanmak, eğilimleri anlamak ve daha iyi kararlar almak için çok önemlidir.

Altair HyperStudy deney tasarıı DoE analizi
Altair HyperStudy çoklu fizik optimizasyonu

Multidisipliner Çözümleri Hızlandırma

Multidisipliner optimizasyon gerçekleştirirken, asıl zorluk bulmacanın tüm parçalarını düzenlemektir. Gerçekten de, multidisipliner ekiplerden gelecek bilgi ve gereksinim girdileri, optimal bir küresel çözüm bulmak için gereklidir. Paylaşılabilir yaklaşım modellerinin kullanılması, her birinde uzman olmadan çeşitli fiziksel analizlere göre tasarımları keşfetmenin uygun bir yoludur. Aynı ortamda çalışmak, işletim maliyetleri gibi kısıtlamaları göz önünde bulundururken, tasarım ve işletim arasında yeni sinerjilerin başlatılmasına yardımcı olur.

Doğru Tahminler için Kalibre Edilmiş Modeller

Ekipman performansını iyileştirme üzerindeki artan baskı, simülasyon tahminlerinin sınırlarını zorluyor. Çoğu durumda, model girdi parametrelerinin belirlenmesi imkansız değilse de zordur ve malzeme verileri tedarikçiler tarafından üretilen ortalama değerler olma eğilimindedir. HyperStudy tarafından sunulan optimizasyon yoluyla kalibrasyon, deneylere göre malzeme özelliklerinin ayarlanmasına izin verir. Kompozitlerden manyetik malzemelere kadar HyperStudy, simülasyon ile ölçüm arasındaki farkı en aza indirerek doğru modellere ulaşmak için kolay bir yol sağlar.

Altair HyperStudy malzeme kalibrasyonu
Altair HyperStudy güvenilir tasarımlar için optimizasyon

Dengeli Çözümler

Altair HyperStudy'deki SRO gibi güvenilirliğe dayalı tasarım optimizasyonu (RBDO) yöntemleri, hem performans hem de sağlamlık gereksinimleri açısından uzlaşmacı çözümler üretir. Örneğin, bir araç çarptığında yolcunun güvenliği çok önemlidir. Bir koltuk tasarımının, belirli bir güvenilirlik düzeyiyle güvenlik gereksinimlerine uyarken olabildiğince hafif olması gerekir. Sonuç olarak, kütle azaltma ve kısıtlamalar üzerindeki güvenilirlik (örneğin, maksimum deformasyon veya yer değiştirme) aynı optimizasyon süreci içinde dikkate alınır.

Etkili Arama Yöntemleri

Modern mimari tasarım firmaları, teslimat programları dahilinde şekil ve işlevi sürdürülebilirlik girişimleriyle dengelerken, yeni malzemeler kullanan yenilikçi tasarımlar sunma zorluğuyla karşı karşıyadır. Büyük ölçekli mimari, mühendislik ve inşaat projelerinde, zamanında teslimat baskısı altında sık sık değişiklik talepleri yaygındır.Tasarım keşfi ve optimizasyonu için HyperStudy yetenekleri, geleneksel simülasyon yöntemlerine yeni teknolojiler getirmektedir.

Altair HyperStudy Mimari Optimizasyon
Altair HyperStudy CAD modeli optimizsyonu

CAD Geometri Keşfini Otomatikleştirme

CAD tabanlı FE modellerinde deney tasarımları ve optimizasyon gerçekleştirmek için CAD, FE modelleme, Çözücü ve Tasarım keşif araçlarını içeren otomatik bir süreç gereklidir. Altair SimLab ve HyperStudy, CAD araçlarını otomatikleştirilmiş bir simülasyon odaklı tasarım keşif ve optimizasyon sürecine uygulamak için verimli bir çözüm sunar.

Pazara sunma süresini kısaltın

Hem bir ürünün pazara sunma süresi hem de performansı, zamanında teslim edilen bir çözümün insanların hayatlarını gerçekten değiştirdiği tıbbi alanda özellikle önemlidir. Tasarım keşfi ve makine öğrenimi ile birleştirilen simülasyon teknolojisi, mühendislerin bu zorlukları etkili bir şekilde karşılamasını sağlar.

Altair HyperStudy medikal ekipman optimizasyonu

Deney Tasarımları
HyperStudy’de deney tasarımları (Design of Experiments – DoE) yöntemleri arasında şunlar bulunmaktadır:

- Full factorial
- Plackett-Burman
- Central composite design
- Modified Extensible Lattice Sequence (MELS)
- Hammersley
- D-Optimal
- Fractional factorial
- Box-Behnken
- Latin hypercube
- Taguchi

Çalışma matrisi, kontrol edilebilir veya kontrol edilemeyen sürekli veya ayrık değişkenlerden oluşabilir. DOE çalışmaları tam simülasyon veya cevap yüzeyi metodu modeli kullanılarak yapılabilir.

Fit (Approximation)
Fit, veriler tarafından eğitilen ve belirli bir girdi değişkenleri kümesi için çıktı yanıtı değişkenlerini tahmin edebilen bir matematiksel modeldir.
Kullanılan metodlar
- Least squares regression
- HyperKriging
- Moving Least Squares Method (MLSM)
- Radial basis functions.

Optimizasyon
HyperStudy'nin kapsamlı optimizasyon yöntemleri, çok amaçlı ve güvenilirlik / sağlamlık temelli tasarım optimizasyonu da dahil olmak üzere farklı tasarım problemlerini çözmektedir. Bu yöntemler :

- Adaptive response surface method (ARSM)
- Sequential quadratic programming
- Genetic algorithm
- System Reliability Optimization (SRO)
- Sequential optimization and reliability analyses (SORA)
- Single loop approach
- Method of Feasible Directions (MFD)
- Global response surface method (GRSM)
- Multi-objective genetic algorithm
- ARSM based SORA

Ek olarak, HyperStudy, harici optimizasyon algoritmalarını dahil etmek için bir API sağlar.

Stokastik
HyperStudy'deki stokastik yaklaşım, mühendislerin tasarımların güvenilirliğini ve sağlamlığını değerlendirmesini ve bu değerlendirmelere dayanarak iyileştirme ve optimize etme konusunda niteliksel rehberlik yapmasını sağlar.
HyperStudy örnekleme yöntemleri şunlardır:
- Simple random
- Hammersley
- Latin hypercube
- Modified Extensible Lattice Sequence (MELS)


Sonuçları İşleme & Veri Madenciliği
HyperStudy, mühendislerin kapsamlı bir sonuçları işleme ve veri madenciliği yetenekleri ile bir tasarım hakkında derinlemesine bilgi sahibi olmalarına yardımcı olur. Bu, sonuçların incelenmesi, sınıflandırılması ve analiz edilmesi görevini önemli ölçüde basitleştirir. Çalışma sonuçları, istatistiksel veri, korelasyon matrisleri, dağılım grafikleri, kutu grafiği, etkileşim etkisi grafikleri, histogramlar ve diğerleri arasındaki paralel koordinatlar olarak işlenebilir. Ayrıca, HyperStudy kullanıcıya, tasarım hedeflerine dayalı olarak kullanılacak sonuç işleme yöntemlerinin seçiminde yol gösterir.