Software

Data Sampling

DOE’s worden meestal gebruikt om nieuwe informatie van een systeem te verzamelen. In veel gevallen zijn er al voldoende gegevens verzameld. Vaak zijn in deze scenario’s de verzamelde gegevens gedurende lange perioden verzameld en zijn er genoeg gegevens dat analyse eenvoudigweg onhandelbaar is. Gezondheidsbewakingsgegevens van sensoren in het veld geplaatste componenten kunnen bijvoorbeeld continu live gegevens vastleggen gedurende de gehele levensduur van het onderdeel. De gegevens sampling-tools van SmartUQ kunnen de gegevens verdelen om een ​​operatieruimte-vullend DOE na te bootsen die bestaat uit subsets van de volledige dataset. In tegenstelling tot DOE’s die zijn ontwikkeld vóór het verzamelen van gegevens, neemt datasampling zoals subsampling en sliced ​​sampling bestaande invoer-uitvoer dataparen en selecteert het de punten die de ontwerpruimte goed vertegenwoordigen.

lees meer

Designs of Experiments

SmartUQ biedt een reeks gespecialiseerde operatieruimt-vullende ontwerpen, een assortiment van ultramoderne Design of Experiments (DOE’s) en verschillende unieke DOE’s waarvoor patent is aangevraagd voor complexe uitdagingen. We begrijpen dat u zich twee belangrijke zorgen maakt als het gaat om het ontwerpen van experimenten: voldoende gegevens verkrijgen om het systeem dat wordt gesampled nauwkeurig weer te geven, voor het doen van experimenten, en de kosten onder controle te houden door het aantal samples te verminderen.

Eén ding is zeker: wanneer u SmartUQ-software kiest om DOE’s te ontwerpen, krijgt u nauwkeurigere en uitgebreidere resultaten met aanzienlijk minder runs, wat zowel tijd als geld bespaart.

Lees meer

Emulation

Statistische emulatie wordt veel gebruikt om het gedrag van complexe systemen te voorspellen en te begrijpen, zoals die worden aangetroffen in technische simulatie en testen. Het vermogen van emulators om snel systeemreacties te voorspellen, kan worden gebruikt voor allerlei soorten intensieve analyses, zoals kalibratie, gevoeligheidsanalyse en het verspreiding (propagation) van onzekerheden.

De baanbrekende emulatie-algoritmen van SmartUQ nemen barrières weg voor het aanpassen van emulators aan grote datasets en meerdimensionale systemen, waardoor nieuwe mogelijkheden ontstaan ​​voor het gebruik van onzekerheidskwantificering en analyse. Onze technologieën waarvoor patent is aangevraagd, kunnen gemakkelijk continue en discrete invoer aan en kunnen lichtgewicht of eenvoudige emulatoren bouwen met univariate, multivariate, vergankelijke en functionele uitvoer. Dit alles doet hij razendsnel.

Wat is een emulator:

Emulators zijn statistische modellen die de output van een complex fysiek of gesimuleerd systeem nabootsen voor een verzameling van invoer. Het bouwen van nauwkeurige high-speed emulatoren is een cruciale stap in de analyse en de zogeheten onzekerheids-grootheid (uncertainty quantification, UQ). De gigantische toename van de snelheid van systeemevaluatie en de bijbehorende verlaging van de kosten, uitgaande van een simulatie of fysieke test naar een emulator, stelt u in staat veel taken uit te voeren die anders te traag of te duur zouden zijn. Snelle voorspelling van systeemuitvoer bij elke invoerconfiguratie is van onschatbare waarde voor verkenning, optimalisatie, kalibratie, gevoeligheidsanalyse en onzekerheidspropagatie van de ontwerpruimte.

Lees meer

Statistical Calibration

Het gebruik van simulaties om fysieke tests te vervangen is essentieel geworden om de analyse te versnellen en de kosten van analyse en ontwerp te verlagen. Simulatieresultaten kunnen echter afwijken van de werkelijk gemeten grootheden en het is van cruciaal belang om statistische kalibratie en validatie van het model te gebruiken om optimaal gebruik te maken van deze beperkte testgegevens om de uiteindelijke modellen vast te stellen. Het potentieel om de ontwerpcyclustijd te verminderen en kosten te besparingen door ervoor te zorgen dat uitvoer van simulaties zo dicht mogelijk bij de testgegevens van de werkelijkheid liggen, is nog nooit zo groot geweest.

Wat is statistische kalibratie?

Statistische kalibratie is het proces van het afstemmen van modelkalibratieparameters zodat de uitvoer van het model beter overeenkomt met een reeks experimentele resultaten. Zonder de juiste kalibratie kunnen de resultaten van het model zinloos zijn of zelfs verkeerde informatie geven over zijn testgegevens van het systeem. Daarom wordt nauwkeurige modelkalibratie algemeen beschouwd als een belangrijke stap bij het tot stand brengen van een simulatiemodel met voldoende betrouwbaarheid en is het vaak nodig om een ​​model te kalibreren voordat verdere studie of analyse kan worden uitgevoerd.

Lees meer 

Sensitivity Analysis

Gevoeligheidsanalyse kwantificeert de variatie in de uitvoer van een simulatiemodel met betrekking tot veranderingen in invoer van de simulatie. Het gebruik van informatie die is verkregen uit een gevoeligheidsanalyse kan helpen bepalen welke invoer het meest relevant is en welke kan worden genegeerd. Als u weet welke invoer belangrijk is, kunt u potentiële problemen vroegtijdig signaleren, modellen verfijnen zodat ze nauwkeuriger of efficiënter zijn en de zoekruimte, die gebruikt wordt bij ontwerp en optimalisatie, te verkleinen. Door met minder factoren rekening te houden, kan het benodigde aantal samples drastisch worden verminderd, waardoor de kosten verlaagd kunnen worden en tijd bespaard wordt. Deze vaardigheden maken gevoeligheidsanalyse cruciaal bij het omgaan met complexe systemen en het creëren van robuuste oplossingen.

SmartUQ beschikt over twee bewezen oplossingen voor gevoeligheidsanalyse: op emulatie gebaseerde, en gegeneraliseerde Polynomial Chaos Expansion (gPCE).

Lees meer

Uncertainty Propagation

Traceer onzekere invoer om waarschijnlijkheden uit te voeren met behulp van verdere verspreiding (propagatie) van onzekerheid.

Verdere verspreiding van onzekerheid geeft informatie bij het bepalen of uitvoer van het systeem voldoet aan de vereisten gezien de verwachte variatie van de invoer. Dit maakt het mogelijk om de waarschijnlijkheid van uitkomsten in te schatten, om kosteneffectief de vereiste toleranties te bepalen en om meer afkeuringen te voorspellen voordat ze zich voordoen.

SmartUQ levert geavanceerde stochastische wiskunde met een gebruiksvriendelijke tool, die beschikt over twee manieren om de verdere verspreiding van onzekerheid te berekenen: op emulatie gebaseerde, en gegeneraliseerde Polynomial Chaos-expansie (gPCE).

Lees meer

Statistical Optimization

Met statistische optimalisatie in SmartUQ kunt u een iteratieve op DOE gebaseerde samplings-technieken gebruiken om de kennis van zowel de gehele ontwerpruimte (Design Space) als de directie omgeving die waarschijnlijk optimale punten bevatten te verbeteren. Het uitvoeren van sampling-DOE’s in parallelle batches, in plaats van het uitvoeren van afzonderlijke invoer in volgorde, maakt volledig gebruik van computercapaciteit mogelijk en kan honderden keren sneller resultaten opleveren.

Als bijkomend voordeel kunnen aanzienlijke besparingen worden bereikt door dezelfde systeemevaluaties te gebruiken voor het vinden van optimale waarden en voor analyse en UQ-analyse van de optimalisatieresultaten. U kunt niet alleen optimale omgevingen van de ontwerpruimte verkennen, u kunt ook bepalen hoe gevoelig optimale waarden zijn voor veranderingen in invoer, of parameters daarvan, en of de variaties rond optimale punten kunnen leiden tot onverwacht of ongewenst gedrag, zoals niet overeenkomen van de specificaties.

Combinaties van statistische optimalisatie en op zoeken gebaseerde optimalisatiefuncties (search based optimization functions), zoals genetische algoritmen, kunnen worden gebruikt om te profiteren van de beste eigenschappen van beide.

Lees meer

Waarom SmartUQ

Graag informeren wij u over SmartUQ!

Over het algemeen is SmartUQ, zowel qua doel als qua mogelijkheden, heel anders dan basisstatistiekpakketten.

SmartUQ is een voorspellende analyse-engine, die is gericht op het bouwen van een nauwkeurig voorspellingsoppervlak voor alle wat-als-invoerscenario’s en het kwantificeren van verschillende onzekerheden in simulaties en testen. Zodra u met SmartUQ een nauwkeurig voorspellend model of emulator met hoge snelheid hebt gebouwd, kan het worden gebruikt om gevoeligheidsanalyses, onzekerheidsanalyses, verkenning van de volledige ontwerpruimte en optimalisatie uit te voeren.

Voor onzekerheidskwantificering kan SmartUQ aanzienlijk beter presteren dan Monte Carlo-methoden met dezelfde steekproefomvang. SmartUQ beschikt ook over statistische en Bayesiaanse kalibratie, die de nauwkeurigheid van een simulatiemodel aanzienlijk kunnen verbeteren met behulp van een kleine set fysieke testpunten.

SmartUQ is uitgevonden om complexe UQ-problemen op te lossen. SmartUQ is vanaf het begin ontworpen om praktiserende ingenieurs in staat te stellen gebruik te maken van geavanceerde statistieken, en het heeft een gebruiksvriendelijke interface en een krachtige Python API voor automatisering en integratie met andere tools.

SmartUQ heeft de ontwikkeling ook gericht op geavanceerde tools die hebben geleid tot een reeks unieke functies, waaronder:

(1) Het vermogen om UQ-problemen aan te pakken met multivariate, multi-fidelity, functionele of ruimtelijke outputs, of met categorische en continue inputs;

(2) Advanced Design of Experiments-tools, waaronder verschillende methoden van adaptief ontwerp die nieuwe bemonsteringspunten kiezen op basis van eerder bemonsterde ontwerppunten;

(3) Een verscheidenheid aan keuzes voor statistische en Bayesiaanse kalibratie;

(4) Technologie voor het gebruik van gescande 3D-oppervlakken als input voor andere UQ-tools; en

(5) Het vermogen om problemen aan te pakken met veel meer dimensies, grotere steekproefomvang en een complexere structuur dan alle eerdere tools. Dit is een cruciaal onderdeel van het succes bij de SmartUQ klanten in grote engineeringbedrijven. Geen van deze mogelijkheden komt voor in basisstatistiekenpakketten.

Bent u overtuigd, of wenst u zich te overtuigen? Neemt dan een evaluatie van SmartUQ voor de duur van 1 maand, via nina.brands@smitconsult.nl.  Heeft u verdere technische en/of inhoudelijke vragen neemt u dan contact op met jan.smit@smitconsult.nl.

Klik hier voor de “Smart UQ_Full Brochure SC.pdf”
Klik hier voor de White paper “SmartUQ Engineering Analytics Light-Weighting Application SC.pdf”

Predictive Power SmartUQ

Wat is UQ? UQ staat voor onzekerheidskwantificering. Wat UQ doet kan het beste worden uitgelegd aan de hand van een voorbeeld. UQ wordt gebruikt tijdens het ontwerp en de productie van producten in vele industrieën. UQ is bijvoorbeeld cruciaal voor complexe raketsystemen die moeilijk te simuleren en te testen zijn.

Als u bijvoorbeeld windturbines bouwt, gebeurt het grootste deel van uw ontwerp en analyse digitaal.

U koos ideale materiaaleigenschappen en optimale afmetingen om de prestaties onder specifieke omstandigheden te garanderen. Zodra u uw product echter uit de digitale wereld haalt, begint de onzekerheid over het ontwerp zich op te stapelen. Zelfs voordat u uw ontwerp bouwt, variëren de fysieke eigenschappen van de materialen die u zou gebruiken van batch (grondstoflevering) tot batch.

Deze variatie is het begin van onzekerheid die zal leiden tot uiteenlopende resultaten tussen uw producten. Terwijl u uw grondstoffen verwerkt tot uw eindproducten, zullen productie- en assemblagemethoden verdere samengestelde variatie introduceren.

Als uw producten eenmaal over de hele wereld worden verscheept, komen ze in een reeks omgevingen terecht die waarschijnlijk verschillen van de specifieke omstandigheden waarvoor ze zijn ontworpen. En ten slotte zal elk product zijn unieke slijtage vertonen, waardoor elk op een andere manier zal aftakelen en een nieuwe laag onzekerheid toevoegt.

Zoals u kunt zien, is het bereik van de productie en gebruik in de echte wereld bijna altijd anders dan was gepland in het oorspronkelijke ontwerp. Met UQ kunt u nu anticiperen op onzekerheid in het digitale ontwerpproces. Door kansverdelingen voor resultaten te voorspellen, te bepalen welke factoren het belangrijkst zijn en de verschillen tussen modellen in de echte wereld te analyseren, helpt UQ u te begrijpen hoe uw ontwerp daadwerkelijk zal presteren.

Het begrijpen van deze kansen en verschillen is de eerste stap om robuustere ontwerpen te maken, risico’s te verkleinen en betere, belangrijkere beslissingen te nemen.

Predictive power of Uncertainty Quantification case study

We geven een overzicht van de voorspellende waarde van onzekerheidskwantificatie op basis van een case studie.
Een toonaangevende motorfabrikant die we Company_A noemen, maakte cyclische druk-geladen stalenonderdelen en kreeg de kans om over te stappen op een goedkoper fabricageproces.

Het bedrijf besloot om twee technische groepen te kiezen om het resultaat van het nieuwe productieproces te onderzoeken. Groep 1 gebruikte de standaard simulatiemethoden van het bedrijf en groep 2 voegde onzekerheidskwantificering toe.

Groep 1 voerde simulaties en tests uit op het nieuwe productieproces.

Groep 1 zag een toename van de gemiddelde sterkte van de componenten, wat een hogere veiligheidsfactor wat een verwachte verbetering van de betrouwbaarheid van de componenten betekende. Groep 1 adviseerde daarom om direct over te stappen op het nieuwe proces.

Groep 2 gebruikte onzekerheidskwantificering om de verdeling van de sterkte van onderdelen voor het nieuwe proces te onderzoeken. Groep 2 ontdekte dat de gemiddelde sterkte van de onderdelen zeker toenam, maar de variantie in sterkte zou veel groter zou zijn dan verwacht door groep 1.

Meer onderdelen zouden niet voldoen aan de minimale sterkte-eisen en zouden de opbrengst niet halen. Groep 2 adviseerde een herontwerp van het proces om de variantie te verminderen. Groep 1 kreeg geen nauwkeurige voorspelling van hoe de variantie van de procesoutput de sterkte van het onderdeel zou beïnvloeden en de kwaliteitscontrolegroep zou het probleem pas hebben geïdentificeerd pas nadat vele onderdelen de klanten hadden bereikt en in gebruik waren genomen.

De winst zou een tijdje zijn gestegen als ze nieuwe onderdelen verscheepten, maar een paar jaar later zouden de onderdelen in een onverwacht tempo beginnen te falen. De klant zou een onbedoelde lage uitvaltijd hebben ervaren en de garantiekosten van het bedrijf zouden enorm zijn gestegen. Door het probleem vroegtijdig op te sporen bij het adviseren van een herontwerp, heeft Group 2 het bedrijf aanzienlijke kosten bespaard en bijgedragen om de reputatie van betrouwbaar bedrijf te behouden.

Dus hoe heeft Groep 2 onzekerheidskwantificering gebruikt om het probleem te vinden? Groep 2 gebruikte een gerichte opzet van experimenten voor hun eerste simulaties en de resultaten werden automatisch gekalibreerd met fysieke testresultaten om nauwkeurigere cyclische drukmetingen voor de stalen onderdelen te schatten.

Het voorspellingsproces van groep 2 levert het hogere aantal storingen op vanwege de grotere variantie die eerder in de ontwerpcyclus is geïntroduceerd. Hierdoor kon de ingenieur de onderdelen opnieuw ontwerpen om ze sterker te maken en de procesvariantie te verminderen.

Het uitvoeren van een gevoeligheidsanalyse op de eerder gekalibreerde simulaties zou de meest efficiënte manier om een nieuw ontwerp te creëren aan het licht brengen en het risico op storingen verminderen.

In dit specifieke geval maakte het gebruik van speciale UQ-software een ontwerpproces voor groep 2 iets langer, maar dat werd gecompenseerd door grote besparingen op garantiekosten, een hogere product-uptime en een grotere klanttevredenheid.

Dit is een overzicht van enkele van de vele manieren waarop UQ het simulatie- en testproces kan verbeteren.

Neemt u contact op voor meer informatie op met nina.brands@smitconsult.nl voor prijzen en licenties, en voor meer technische vragen jan.smit@smitconsult.nl

Webinar

You are invited to our free webinars scheduled as follows:

Machine Learning for Narrowing the Simulation-Test Gap: SmartUQ’s Data Matching and Bayesian Calibration

May 3rd, 2023 time 20.00 hours    Register Now!

SmartUQ is a powerful Machine Learning (ML) and Uncertainty Quantification (UQ) software tool optimally designed for science and engineering applications. It was invented to solve modern UQ and ML problems such as those found in jet engine and gas turbine applications. As such, it is well suited for a plethora of UQ and ML applications across multiple industries including aerospace, automotive, heavy machinery, semiconductor, environmental, natural gas, and others. SmartUQ can be used for solving problems whether large or small, complex or simple.

Join us for this webinar in which SmartUQ principal application engineer, Gavin Jones, will highlight the unique strengths and capabilities of SmartUQ and comparing against OpenTURNS. Topics discussed will include SmartUQ’s design of experiments (DOEs), machine learning (aka surrogate) models, statistical calibration, inverse analysis tools, and data sampling of existing data sets. Benchmark examples comparing SmartUQ’s machine learning models to those of OpenTURNS will also be presented showing SmartUQ’s large advantages in terms of training speed and prediction accuracy.