Altair EDEM ve HyperStudy ile Granüler Malzeme Deney Tasarımı (DoE) ve Optimizasyonu
Mühendisler bir tasarımı veya süreci anlamak için herhangi bir CAE aracını kullanırken, hangi parametrelerin performansı etkilediğini anlamak için tasarım tradeoff çalışmaları gerçekleştirirler. Bu da optimize edilmiş ekipman veya süreçlere yol açar .
Ayrık Eleman Yöntemi (DEM) kullanıcıları farklı değildir. Dökme malzeme davranışlarının doğası gereği karmaşık olduğu ve çoğu zaman büyük ölçüde değişkenlik gösterdiği iyi bilinmektedir. DEM simülasyonlarındaki çok sayıda girdi parametresi, genel sistem performansını etkileyen faktörleri anlamak isteyen mühendisler için de bir zorluk teşkil eder. Bu, dökme malzeme ekipman tasarımlarını ve süreçlerini analiz etmek ve keşfetmek için doğru araçlara sahip olmanın daha da önemli olduğu anlamına gelir.
Ağır ekipman, tarım, madencilik ve ilaç gibi birçok sektörden Altair EDEM kullanıcılarından alınan geri dönüşler ile DEM dünyasında ele alınması gereken üç temel optimizasyon / deney tasarımı (DOE) zorluğu bulunmaktadır.
Malzeme Kalibrasyonu – Malzeme, temas ve fizik girdi parametrelerini değiştirmek ve simülasyon yanıtlarını , gerçekte malzemenin vereceği yanıt ile eşleştirerek ölçmek.
Proses Optimizasyon – Bazı süreçleri veya sistemleri optimize etmek amacıyla kinematik ve partikül üretimi için girdi parametrelerini değiştirmek ve simülasyon yanıtlarını ölçmek
Geometri Optimizasyon -Geometri tasarım optimizasyonu yoluyla bazı süreçleri veya sistemi optimize etmek amacıyla geometri topolojisini değiştirmek ve simülasyon yanıtlarını ölçmek.
Manuel müdahale ve karar verme ihtiyacını azaltan akıllı otomasyon sunabilmek, yukarıdaki prosedürleri önemli ölçüde iyileştirebilir. DEM kullanıcıları için bu, optimum malzeme modellerini, proses koşullarını ve ekipman tasarımlarını daha hızlı yinelemeleri anlamına gelir.
Altair HyperStudy
Altair HyperStudy, kullanıcıların deney tasarımı, meta modelleme, optimizasyon, stokastik gibi yöntemleri kullanarak tasarımlarını anlamalarını ve geliştirmelerini sağlayan bir yazılımdır. Otomatik olarak akıllı tasarım varyantları oluşturur, çalıştırmaları yönetir ve verileri toplar. Kullanıcılar daha sonra veri eğilimlerini anlamaları, tradeoff çalışmaları gerçekleştirmeleri ve tasarım performansını ve güvenilirliğini optimize etmeleri için yönlendirilir.
Altair EDEM ve HyperStudy yazılımları aynı lisansla kullanılmaktadır. Patentli Altair UNIT lisans sistemi, Altair EDEM yazılımını ek ücret ödemeden Altair’in geliştirdiği yapısal analiz, akışkanlar dinamiği, mekanik sistem simülasyonu ve optimizasyon yazılımlarıyla birlikte kullanmalarına olanak sağlamaktadır.
HyperStudy, örneğin sonlu eleman analizi (FEA) yapısal analiz problemleri için tasarım tradeoff çalışmaları yapmak isteyen mühendisler tarafından uzun süredir kullanılmaktadır. HyperStudy, bu tür çalışmaların gerçekleştirilmesi için sorunsuz bir iş akışı sağlar ve çok sayıda DOE ve optimizasyon algoritmaları içerir.
Altair EDEM ve HyperStudy Yazılımlarını birlikte kullanmak
Altair EDEM geliştiricileri her zaman, yukarıda da belirtilen zorlukları, özellikle de malzeme kalibrasyonu ile ilgili olanları çözmede kullanıcılara nasıl yardımcı olunabileceğine odaklanmıştır. Malzeme kütüphaneleri (GEMM ve başlangıç paketleri), büyük DEM simülasyon gruplarını kurmak için EDEMCal gibi araçlar, EDEMpy aracılığıyla sonuçlar üzerinde gelişmiş işleme ve önde gelen CAE araçlarıyla rakipsiz birleştirme yeteneklerini geliştirilmiştir.
EDEM ile HyperStudy arasında otomatik bilgi alışverişini mümkün kılan ve EDEM kullanıcılarının simülasyonları ve sonuçları tamamen yeni bir şekilde keşfetmesine olanak tanıyan bir dizi iş akışı oluşturulmuştur
Bu ilk iş akışı esas olarak malzeme kalibrasyonuna odaklanır ve tüm etkileşimin ve yerleşik fizik girdi parametrelerinin parametrelendirilmesini sağlar. Ek olarak, bir kinematik girdi parametreleri alt kümesini (doğrusal ve konveyör; öteleme ve döndürme; hız ve ivme kinematiği) parametrelendirme seçenekleriyle birlikte süreç optimizasyonu için bazı yetenekler eklenmiştir.
Aşağıdaki ekran görüntüleri, bir süreç optimizasyon örneği için iş akışının anlık görüntüsünü göstermektedir. Burada bir karıştırma sürecini optimize odaklanılmıştır. Ekran görüntüleri, HyperStudy’deki girdi parametrelerini ve sonuçta ortaya çıkan modeli gösterir. Bu iş akışını kullanarak kullanıcılar, karıştırıcıyı çalıştırmak için optimum işlem koşullarını seçerek karıştırma verimliliğini en üst düzeye çıkarabilirler.
