• RSM, Kriging, RBF, SVR 등이 있습니다.

• MDO란 Multidisciplinary Design Optimization의 약자로 다양한 해석분야를 동시에 고려하여 서로 다른 분야간 설계조건을 통합적으로 다룰 수 있는 최신기술의 설계기법을 말합니다.

• PIDO란 Process Integration and Design Optimization의 약자로 다양한 CAE 해석툴들을 이용하여 자동화된 해석 및 설계환경을 구축하고, 지능화된 설계기법들을 이용하여 적은 비용으로 최대의 가치를 갖는 설계를 도출할 수 있는 IT(Information Technology)와 DT(Data Technology)가 결합된 기술입니다.

 Nodelock License

 - Hostname과 MAC address를 이용하여 사용자의 PC를 확인하는 라이선스

 - 이 라이선스는 단일 PC에서만 사용할 수 있습니다.

 Floating License

 - IP 주소를 이용하여 서버 PC를 확인하는 라이선스.

 - IP 주소만 있으면 라이선스에 등록된 개수만큼 모든 PC에서 사용 가능.

 - 서버 PC에는 PLServer(라이선스 매니저)가 설치되어 있어야 합니다.

• DOE 수동 선택에 대한 자세한 내용은 기술 지원으로 문의해주세요.

• PIAnO 메타모델러는 “Bruce”라는 AI를 지원합니다. "Bruce"는 사용자가 제공한 데이터를 분석하고 데이터에 가장 적합한 메타 모델을 자동으로 선택합니다.

• 메타모델 수동 선택에 대한 자세한 내용은 아래 번호 또는 이메일을 사용하여 기술 지원에 문의하십시오.

• PIAnO는 “Remotejob”이라는 기능을 지원합니다. 이 기능은 사용자가 클라이언트 PC의 PIAnO를 서버 PC의 CAE 도구와 통합하여 설계를 최적화할 수 있도록 도와줍니다.

• 간단히 말해서 PIAnO와 외부 CAE 도구를 연결하는 것입니다. 따라서 통합 및 자동화가 성공적으로 이루어지면 PIAnO는 자동으로 변수 값을 변경하고 출력 결과를 얻을 수 있습니다.

• 프로세스가 자동화되면 다양한 최적화 전략을 시도할 수 있습니다. 그러나 필수 사항은 아닙니다.

• 프로세스 자동화가 이루어지지 않은 경우 DOE ➔ 각 샘플에 대한 수동 시뮬레이션 수행 ➔ 메타모델 생성 ➔ 근사 최적화 단계를 통해 설계 최적화를 수행할 수 있습니다.

• 설계 최적화는 설계 요구 사항과 정의된 제한 사항을 충족하면서 입력 변수의 값을 찾는 수치 프로세스입니다.

• 기존의 디자인 프로세스는 디자이너의 노하우를 바탕으로 신속한 문제 해결이 가능합니다. 그러나 설계 변수와 요구 사항이 증가하면 솔루션을 도출하기가 더 어려워집니다. 또한 얻은 솔루션은 적절한 디자인일 수 있습니다.

• 설계 최적화는 엔지니어가 요구 사항을 충족하면서 훨씬 더 높은 성능을 달성하는 데 도움이 되는 최적화 기술을 사용합니다. 또한 자동화가 가능하여 작업 효율성이 크게 향상됩니다.

• 설계 변수 사용자가 정의한 독립 변수 예: 두께, 치수, 개수 등

• 목표 최소화하거나 최대화해야 하는 종속 변수 예: 강도, 효율, 기대 수명, 질량 등

•제약 하한 또는 상한(또는 둘 다)이 있는 종속 변수 예: 강도, 효율, 기대 수명, 질량 등

• 설계 영역에서 응답 동작을 근사화하기 위해 실험 또는 시뮬레이션의 여러 샘플 포인트를 사용하여 생성된 예측 모델입니다.

• 메타모델은 많은 시간과 계산을 절약할 수 있습니다.

• DOE는 실험 또는 시뮬레이션을 수행하는 방법을 설계하는 방법입니다.

• 실험/시뮬레이션 횟수를 최소화하면서 획득한 데이터를 통한 정보를 극대화할 수 있도록 실험/시뮬레이션을 수행하는 방법을 계획합니다.

• 입력 변수와 출력 변수 간의 상관 관계

• 변수 중요도

• 입력 변수와 출력 변수 간의 관계를 근사화하는 메타모델 생성

• 실행 가능한 솔루션 도출

• API를 사용하는 모든 CAE 도구 사용 가능(API: 명령 스크립트를 통한 소프트웨어 제어)

• PIAnO를 통한 일괄 명령으로 ASCII 입력 및 출력 파일을 이용하여 자동화가 가능합니다.

• 공산품은 결정론적인 입력 변수가 없지만 대표값을 중심으로 변수가 있습니다. 이로 인해 대표 값을 중심으로 성능에 변화가 발생하며, 일부 입력 변화는 다른 것보다 출력에 상당한 변화를 유발합니다.

• 강건한 설계 최적화는 출력의 변동을 최소화하기 위해 입력 변수의 영향을 가능한 한 작게 만들려고 합니다.

• 신뢰도 분석은 입력 변수의 변동으로 인한 출력 변수의 확률적 특성을 계산하는 방법입니다. RBDO(신뢰성 기반 설계 최적화)에서 실패 확률을 계산하는 데 사용됩니다.

• 최적설계의 한 방법으로 설계변수가 공차를 가진다는 가정하에 성능의 불량률 요구 조건을 만족하도록 최적의 설계안을 찾아주는 툴입니다.