Altair FluxMotor 2022.3 Yeni Özellikler

Elektrikli dönen makinelerin ön tasarımına odaklanan Altair FluxMotor 2022.3 versiyonunda öne çıkan yeni özellikler. Sincap Kafesli Asenkron Motorların Hızlı ve Hassas Karakterizyonu Bir dizi Hat-Hat gerilimi (U) ve bir dizi güç kaynağı frekansı (f) fonksiyonunda sincap kafesli asenkron makinenin davranışını karakterize etmek…

Titreşimli Elek Makinesinin Verimi Nasıl Artırılır?

Giriş Titreşimli elek makineleri ilaç, tarım ve gıda/içecek endüstrilerinde kuru-kuru ve ıslak-kuru partikül karışımlarını ayırmak için yaygın olarak kullanılmaktadır.Bu yazıda, Altair Simülasyon yazılımları kullanılarak dairesel titreşimli bir elek makinesinin iki partikül boyutundan oluşan kuru bir karışımı ayırma performansını değerlendirmek ve…

Kayıp Verileri Görmezden mi Gelmeliyiz Yoksa İşlemeli miyiz?

Eksik veri kümeleri makine öğrenimi modellerinin doğruluğunu tehlikeye atabilir. İstatistiksel analizlerde eksik veri içeren veri kümeleriyle sıklıkla karşılaşılır. İdeal olarak, eksik veriler potansiyel önyargı veya bozulma nedeniyle yanlışlıklara yol açabileceğinden eksiksiz veri kümesiyle çalışmak istenir. Ayrıca, makine öğrenimi modellerinin çoğunda…

Radyo yayılımı simülasyon sonuçlarını kullanarak baz istasyonu yerleştirme optimizasyonu

Altair Feko, baz istasyonlarından gelen radyo dalgalarının yayılımını belirlemeyi kolaylaştırır. Her bir baz istasyonundan yayılan radyo dalgaları belirlendikten sonra, hangi kombinasyonun radyo dalgalarının kapsama alanını en verimli şekilde genişleteceği sorusu ortaya çıkar. Örneğin aşağıdaki şemaya bakınız. Örnek olarak bir ofis…

Makine Öğrenimi ile CAE Verilerinden Simülasyon Eğrilerinin Tahmin Edilmesi

Tasarım mühendisleri performansı değerlendirmek için genellikle simülasyon çıktı verilerinin eğrilerine bakarlar. Eğrileri tahmin etme yeteneği, daha hızlı ürün tasarımı sağlar. Altair, günlük mühendislik yazılımlarına entegre edilmiş kullanımı kolay araçlar sağlayarak mühendislikte hesaplamalı bilimin sınırlarını genişletmek için ileriye dönük bir vizyona…

Makine Öğrenimi Modellerini Nasıl Paylaşabilirsiniz ?

Otomasyon için Makine Öğrenimi modellerinin yeniden kullanılmasında, büyük ölçüde ortak bir çerçevenin olmaması nedeniyle genellikle zorluklarla karşılaşılır. Çoğu durumda, makine öğrenimi modelleri belirli kullanım durumları için geliştirilir. Ekip arkadaşlarınız gibi başkaları da aynı kullanım durumları için modellerle ilgilenebilir veya oluşturan…

Çarpışma simülasyonu optimizasyonunda makine öğrenimi kullanımı

Kümeleme optimizasyonda uzman bilgisi oluşturmaya nasıl yardımcı olabilir? Altair, bu teknolojinin programlama veya veri bilimi uzmanlığı gerektirmeden mühendisler için nasıl erişilebilir hale getirilebileceği üzerine çalışıyor. Bu, Mühendislik Veri Bilimi ekibinin odaklandığı amacın ayrılmaz bir parçasıdır. Altair, mühendislik problemlerine uygulanan makine…

Son işlem için verileri devre dışı bırakma

Altair HyperStudy‘nin temel özelliklerinden biri otomatik veri üretimidir. Talep üzerine (örneğin bir FEM simülasyonundan) bir veri seti oluşturulabilir ve/veya csv dosyaları (deneysel veriler gibi) aracılığıyla içe aktarılabilir. Varsayılan olarak, tüm değerlendirme verileri, veri madenciliği araçları aracılığıyla sonradan işlenir (post-processing). Çok…

HyperView hotspot bölgelerinin HyperStudy yazılımında kullanımı

Altair HyperWorks-HyperView arayüzüne 2021 versiyonunda eklenen Hotspot Finder aracı, mühendislerin modeldeki kritik bölgeleri bulmasına yardımcı olmaktadır. Kritik bölgeler (hotspot) *.mvw uzantılı oturum (session) dosyasında saklanabilir. Daha sonra aynı oturum dosyası, Altair HyperStudy‘den her değerlendirmede bu kritik noktaları otomatik olarak çekmek…