SmartUQ
Omschrijving
SmartUQ is een krachtige Machine Learning (ML) softwaretool die speciaal is ontworpen voor wetenschappelijke en technische toepassingen. Door krachtige tools en zeer nauwkeurige ML-modellen met gebruiksvriendelijke aangeboden GUI’s en API’s, maakt SmartUQ het eenvoudig om voorspellende modellen uit te laten voeren, geoptimaliseerde steekproeven te doen, en onzekerheidskwantificering en modelkalibratie toe te passen. Deze toepassingen zijn voor grotere bedrijven tot startups en technische adviesbureaus. De SmartUQ’s voorspellende modellen nauwkeurigheid helpt onze klanten verder te gaan door een analyse van onzekerheden in het besluitvormingsproces te betrekken.
De SmartUQ’s combinatie van unieke sampling mogelijkheden en krachtige machine learning-tools en gebruiksvriendelijke analyses helpen onze klanten bij het oplossen van voorheen vrijwel onoplosbare problemen.
SmartUQ brochure in .pdf klik hier
Bediende industrieën: Automotive, ruimtevaart en defensie, turbomachines, zware apparatuur, medische apparatuur, halfgeleiders, energie, olie en gas industrie. Tools en toepassingsgebieden: Het verminderen van inspanningen van simulaties, het toepassen van een onzekerheidsanalyse, en betere test- en evaluatieplanning; Optimalisatie onder onzekerheid, Robuust ontwerp, Modelkalibratie en validatie; Ingebedde modellen, virtuele sensoren, analyse van hoofdoorzaken, analyse van productie; Analyses van “Digital twins”, voorspellend onderhoud, kwaliteitscontrole, procesoptimalisatie.
SmartUQ 9.1 nu beschikbaar
Er zijn veel open source-statistieken en machine learning-pakketten beschikbaar, maar er zijn een paar belangrijke redenen om te betalen voor commerciële kant en klare software.
– Toegewijde softwareontwikkeling en onderzoek
– Meer geavanceerde algoritmen betekenen een betere schaalbaarheid, grotere datasets enz.
Klantgerichte ontwikkeling
– Gebruiksvriendelijkheid is een prioriteit
– Tools zijn gebouwd om aan de behoeften van de klant te voldoen
Gebruikers zijn niet de primaire testers
– Dingen werken uit de doos
– Ondersteuning is een telefoontje verwijderd
Lagere levensduurkosten ten opzichte van het intern ontwikkelen van oplossingen
– Open source-tools zijn misschien gratis, maar de engineeringtijd is duur.
– Houd rekening met de tijd die nodig is om tools te ontwikkelen, te integreren en te gebruiken die niet voor het doel zijn gemaakt, voordat u kiest voor open source.
Kwantificering van onzekerheid en machinaal leren
Een van de hoekstenen van Uncertainty Quantification is het maken van nauwkeurige voorspellende modellen met voorspellende analyses, maar sommige van onze klanten passen SmartUQ’s voorspellende modellen voor machine learning buiten de Uncertainty Quantification-workflow als een op zichzelf staande tool toe.
De voorspellende modellen van SmartUQ kunnen worden gemaakt met datasets van simulatiemodellen, productie, operationele en sensoren, en digitale tweelingen.
Enkele toepassingen van de voorspellende modellen van SmartUQ zijn onder meer het ontwikkelen van virtuele sensoren of het uitvoeren van root cause analysis.
UQ gaat verder dan het verspreiden van onzekerheid
Naast het verspreiden (propageren) van invoeronzekerheden of variaties van de invoer, biedt Uncertainty Quantification een uitgebreider raamwerk, inclusief verschillende belangrijke analysetechnieken:
– Voorspellende modellen maken: getraind om complexe technische simulaties na te bootsen.
– Gevoeligheidsanalyse: rangschikt parameters op hun mogelijkheid om effect te hebben op de resultaten.
– Statistische kalibratie: analyse van de verschillen en de onzekerheid tussen het simulatiemodel en fysieke tests.
– Inverse analyse: bepaalt een onderliggende verdeling voor slecht geconditioneerde en schaarse modelinvoer van variabelen.
Voorspellende analyse voor moderne techniek
Predictive Analytics omvat een reeks geavanceerde analysetechnieken die worden gebruikt om een voorspellend model te ontwikkelen om te worden gebruikt voor realtime analyse en het voorspellen van toekomstige gebeurtenissen. Met behulp van alle soorten datasets, zoals simulatiemodellering, productie en operationele en sensorgegevens, kan een getraind SmartUQ-voorspellingsmodeI snel complexe analyses uitvoeren, zoals voorspellend onderhoud of risicoanalyse, waardoor uw team een concurrentievoordeel krijgt.
Hieronder vindt u enkele toepassingen van de voorspellende analyses op industrieschaal van SmartUQ:
– Virtuele sensoren en voorspellend onderhoud
– De vraag naar simulatie verminderen
– Analyse van de hoofdoorzaak
– Modelkalibratie en validatie
– Digitale tweeling
Bekijk voor meer informatie de webinar “Introduction to Predictive Analytics for Engineering“.
UQ voor besluitvorming
Waar de gegevens ook vandaan komen — simulatie, fysieke tests, sensoren of een digitale tweeling — er is altijd een element van onzekerheid. Vertrouw niet op een deterministische puntschatting die aanzienlijk kan afwijken en kostbare gevolgen kan hebben. Door Onzekerheidskwantificering te gebruiken om alle mogelijke uitkomsten te overwegen, kunt u uw besluitvormingsproces optimaliseren, wat resulteert in minder risico en meer vertrouwen in uw resultaten.
Bekijk hoe SmartUQ de besluitvorming op basis van alle gegevenstypen optimaliseert, waaronder:
– Extra productie
– Digitale tweeling (Digital Twin)
– Virtuele sensoren
– Simulatie
Versnelling met Analytics: Maximaliseer inzichten uit beperkte gegevens
Tijd en middelen zijn altijd beperkt en soms moeten belangrijke beslissingen worden genomen op basis van slechts een handvol gegevens. SmartUQ kunt u helpen om de meeste informatie uit de weinige gegevens te halen:
– Optimaliseer de experimenten van nieuwe gegevens terwijl u gebruikmaakt van bestaande gegevens.
Bepaal uitgebalanceerde ‘design space’ opvullende experimenten terwijl u gebruik maakt van bestaande gegevens. Directe sampling om datasets te verfijnen alleen waar nodig. Verken de volledige ‘design space’ door middel van nauwkeurige emulatie. Bespaar tijd en middelen door ontwerp- en testiteraties te verminderen.
Breng analyses naar een hoger niveau SmartUQ biedt een breed scala aan mogelijkheden, waaronder:
– Experimenteel ontwerp
– emulatie
– Statistische kalibratie
– Gevoeligheids (sensitivity) analyse
– Voortplanting van onzekerheid
– Statistische optimalisatie
– Inverse analyse
Profiteer van analyses om diepere inzichten te krijgen en sneller betere producten te maken.
Download hier SmartUQ full brochure
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 v66r 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.
Designs of Experiments
SmartUQ biedt een reeks gespecialiseerde operatieruimt-vullende ontwerpen, een assortiment van ultramoderne Design of Experiments (DOES) 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 DOES te ontwerpen, krijgt u nauwkeurigere en uitgebreidere resultaten met aanzienlijk minder runs, wat zowel tijd als geld bespaart.
Predictive Power SmartUQ
Emulation
Statistische emulatie wordt veel gebruikt om het gedrag van complexe systemen te 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 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.
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 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 en is het vaak nodig om een model te kalibreren voordat verdere studie of analyse kan worden uitgevoerd.
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 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 gevoeligheidsanalyse: op emulatie gebaseerde, en gegeneraliseerde Polynomial Chaos Expansion (gPCE).
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 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).
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-DOEs 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.
Aanbevelingen van huidige SmartUQ gebruikers
“SmartUQ’s adaptive design can significantly reduce the number of required simulations [a 72% reduction] and lead to much higher model accuracy [96% reduction in reference prediction error]” – Qualcomm
“This proved to be hundreds of times faster than our best tool for large data sets and can handle much larger data [sets] than all previous tools.” – A leading aerospace company
“SmartUQ has the best prediction accuracy among all tools I have ever used. ” – Technical Fellow at Pratt & Whitney
“A model with 3,000 points and 79 inputs took 3 days to fit in JMP (from SAS), the same type of model took 3 minutes to fit in SmartUQ” – Lockheed Martin
“Our Design for Variation discipline now uses SmartUQ as its central tool and with it we have helped save millions of dollars and thousands of hours of work.“ – Pratt & Whitney
“When testing the massive Kriging functionality of SmartUQ on several academic and Pratt & Whitney specific example datasets, SmartUQ proved to be hundreds of times faster than our best tool for large datasets, JMP. There were also two cases where JMP’s max allowable dataset size was reached, but SmartUQ was still able to fit a Kriging model.” – Pratt & Whitney
“Visualizations like SmartUQ has are possible in JMP, but abstracted behind too many menus, most people wouldn’t bother to figure it out” – Lockheed Martin
“Creating an LHD in JMP with 800 points and 79 inputs takes a very long time. SmartUQ can do this in less than a minute.” – Lockheed Martin
“We’re making good progress on learning SmartUQ and have determined that “once we learn the environment” it’s very useable compared to other things we’ve been investigating.” – Northrop Grumman
Waarom SmartUQ
Graag informeren wij u over SmartUQ!
Over het algemeen is SmartUQ, zowel qua doel als qua heel anders dan basisstatistiekpakketten.
SmartUQ is een voorspellende analyse-engine, die is gericht op het bouwen van een nauwkeurig voor alle wat-als-invoer scenarios en het
kwantificeren van verschillende onzekerheden in simulaties en testen. Zodra u met SmartUQ een nauwkeurig vmrspellend model of emulator met hoge snelheid 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. SmartlJQ 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 brochure in .pdf klik hier
SmartUQ heeft de ontwikkeling ook gericht op tools die hebben geleid tot een reeks unieke functies, waaronder:
(1) Het vermogen om UQ-problemen aan te pakken met multivariate, multi-fider functionele of ruimtelijke outputs, of met categorische en continue inputs;
(2) Advanced Design of Exf*riments-tools, waaronder verschillende methoden 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 IJQ-tools; en
(5) Het vermogen om problemen aan te pakken met veel meer dimensies, grote steekproefomvang en een complexere structuur dan alle eerdere tools. Dit is een cruciaal onderdeel van het succes bij de SmartUQ klanten in grote engineering bedrijven. Geen van deze mogelijkheden komt 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 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”
SmartUQ is a powerful AI
SmartUQ is a powerful AI, Machine Learning (ML) and Uncertainty Quantification (UQ) software tool optimally designed for science and engineering applications.
With new tools and improvements, SmartUQ continues to deliver unique sampling capabilities, powerful machine learning tools, and easy to use analytics to help customers solve previously unsolvable problems.
We currently offer SmartUQ as either a GUI, PysmartUQ (Full Python API), and Runtime API (Python API only for loading and predicting with SmartUQ models). We have recently developed two additional options:
- Prediction GUI: A version of the GUI with only the capabilities of the Runtime API. Previously trained SmartUQ models can be loaded and predictions made with those models within the familiar SmartUQ GUI environment.
- Analytics GUI: A version of the GUI which in addition to the capabilities of the Prediction GUI would allow the optimization, sensitivity analysis, and uncertainty propagation features found in the full GUI to be used
If you are interested in learning more about either of the above two options, or would like evaluation copies, please contact us. To delve deeper into the capabilities of SmartUQ, we cordially invite you to explore our wealth of resources, including complimentary webinars and whitepapers.
Wat is UQ
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 IJQ het simulatie- en testproces kan verbeteren.
Webinars
SmartUQ Free Quarterly Training – Fast & Accurate Machine Learning Software Intro for Engineering Applications
Wed, May 15, 2024 1:00 PM – 2:00 PM CDT
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