복합 영역 슬롯 커뮤니티 달성을위한 AI/최적화 기술

복합 영역 슬롯 커뮤니티

제조 산업에 대한 설문 조사

환경 문제, 작업 환경의 변화 및 시장 경쟁과 같은 요인으로 인해 제조 주변 환경이 극적으로 변하고 있습니다. 따라서보다 효율적인 제조 시스템을 구축해야합니다. 환경 문제와 관련하여 약 60-80%의 회사가 탈탄화 및 자원 절약 주제에 대한 새로운 분야에서 작업하고 있습니다. 간단한 전통적인 성능 평가 외에도 여러 관점에서 평가하고 새로운 분야에서 평가 기준을 설정해야합니다.
또한 작업 환경을 살펴보면 노동 인구의 가속화가 불가피하여 각 회사가 그 어느 때보 다 인적 자원을 확보하기가 더 어려워집니다. 결과적으로, 이전과 마찬가지로 많은 인적 자원을 투자하는 노동 집약적 인 작업 스타일은 미래에 점점 더 어려워 질 것입니다. 이에 대응하기 위해서는 디지털 기술 및 AI의 사용을 발전시키고 매우 효율적인 제조 시스템과 협력하는 것이 필수적입니다.

[고효율 제조] 병렬 개발에 필요한 상호 작용 평가

고효율 제조는 병렬 개발 및 복잡한 영역의 통합을 말합니다. 특히, 병렬 개발이 필요한 포괄적 인 효과를 평가하는 것이 중요합니다. 예를 들어, 단일 배터리를 사용하더라도 악화 시나리오 예측, 열 거동 분석 및 제어 측에 대한 피드백과 같은 광범위한 관점의 평가가 필요합니다. 또한 필요한 다른 고려 사항이 많이 있습니다. 이러한 상황에서는 각 구성 요소 또는 섹션을 병렬로 개발해야합니다. 각 분야의 전반적인 효과를 고려하면서 단기간에 고성능 제품을 실현해야합니다. 결과적으로 복잡한 영역 슬롯 커뮤니티로 인해 관심이 높아지고 있습니다.

병렬 개발 및 복잡한 영역 고려 사항을 비즈니스에 적용하기위한 움직임

최근 몇 년 동안, 주로 항공 우주 분야에서 디지털 기술의 발전으로 여러 변수와 여러 영역을 동시에 고려하기위한 노력이 이루어졌습니다. 상속 범위에 대한 검증 시간을 줄이고 워크 스테이션 및 PC에서 충분한 분석을 가능하게함으로써 현실적인 계산 시간 내에 시뮬레이션을 수행 할 수있는 환경이 생성되었습니다.
복잡한 지역의 슬롯 커뮤니티에서 항공 우주 부문은 특히 인기가 있습니다. 고급이 필요한 영역에서는 단일 영역 슬롯 커뮤니티만으로 달성하기가 어렵고 여러 영역의 한계 지점이 설계 제약 조건이되는 경우가 많이 있습니다. 한편, 자동차 분야에서는 MBD (모델 기반 개발)에 중점을 둔 1D CAE 사용을 통해 디지털 검증 필드가 확장되고 있습니다. 이를 통해 각 구성 요소의 세부 사항을 올바르게 조정하여 여러 영역을 미리 점검하여 정확한 교차 지역 분석 및 설계가 가능합니다.

협업 지역 슬롯 커뮤니티 챌린지

복잡한 지역을 슬롯 커뮤니티하는 데 많은 이점이 있지만 큰 도전도 있습니다. 이 문제는 "기술"과 "운영"이라는 두 가지 관점에서 구성되며 각 대책을 소개합니다. 상반기에는 기술적 인 과제에 중점을두고 Pseven 데스크탑에 중점을 둘 것입니다. 분석 작업의 일반적인 문제에는 계산 속도, 분석/시각화 및 슬롯 커뮤니티 계산 수가 포함됩니다.

계산 속도 챌린지

여러 영역을 분석하려면 다중 솔버가 필요하며 긴 계산 시간은 불가피합니다. 최근에 AI 대리 모델은 치수를 줄이고 모델을 근사화하여 속도를 높이는 데 사용되었습니다.

분석 및 시각화 문제

변수와 복잡한 상호 관계가 증가하면 설계 공간을 시각화하기가 어렵습니다. 대조적으로, 효과적인 방법에는 AI 대리 모델을 사용한 동작 시각화 및 가우스 프로세스 기반 시스템을 사용한 불확실성을 고려하는 것이 포함됩니다.

슬롯 커뮤니티 계산 문제

설계 공간이 커지면 전통적인 슬롯 커뮤니티 알고리즘에는 수렴을 위해 수많은 계산이 필요합니다. 이 문제를 해결하기 위해 AI 기반 슬롯 커뮤니티 방법 (베이 슬롯 커뮤니티 및 대리 모델 사용)과 진화 알고리즘 (유전자 알고리즘)을 결합하여 더 빠른 계산을 달성 할 수 있습니다. 또 다른 솔루션은 컴퓨팅 인프라 및 도구를 강화하는 것입니다. 반면에 운영 측면에서 중요한 문제도 있습니다. 특히, 복잡한 영역을 담당하는 엔지니어와 부서가 다른 경우가 많으며 조직 전체의 협력이 중요한 과제입니다.

조직 간 정보 연결

각 부서에서 사용하는 소프트웨어 및 도메인 지식은 다르므로 정보 공유에는 많은 노력이 필요합니다. 최근에는 스크립트를 사용하여 데이터를 연결하기위한 이니셔티브 수가 증가했지만 기존 자동 슬롯 커뮤니티 소프트웨어를 활용하여보다 원활하게 연결하는 움직임도있었습니다.

공통 기초 구축

미래에 대한 가장 가속화 된 요구는 일반적인 디지털 엔지니어링 재단의 건설입니다. 복잡한 영역을 슬롯 커뮤니티 할 때이 기초를 구축하고 운영하는 방법은 중요한 주제입니다.
그러나 이러한 기초를 구축하고 운영하려면 고급 기술 요구 사항을 충족해야하며 포괄적 인 기술을 가진 사람은 거의 없습니다. 결과적으로 인원 및 예산 확보와 같은 새로운 도전이 제기되고 있습니다. 우리는 각 제품이 이러한 기술 및 운영 문제에 어떻게 대응할 수 있는지 구체적으로 소개 할 것입니다.

[복잡한 영역의 고려 및 최적화] PSEVEN 데스크탑의 기능에 근거한 "기술적 관점"

PSEVEN 제품 라인

각 문제를 다루는 방법을 설명하기 전에무료 슬롯의 제품 라인 소개.
Pseven은 프랑스 기반 회사로 Airbus 및 University의 연구 부서와 협력하여 슬롯 커뮤니티 및 기계 학습 알고리즘을 연구하고 개발했습니다. 이러한 결과를 바탕으로 Pseven은이를 파이썬 라이브러리로 상업화하기 시작했습니다. 그러나 알고리즘 만 사용하기가 어렵 기 때문에 Pseven 데스크탑이 개발되었으며 지역 환경에서 직관적으로 작동 할 수있는 GUI와 함께 개발되었습니다.

[복합 영역을 고려하고 슬롯 커뮤니티하기위한 충전] 기술 관점

기술적 과제는 여러 영역을 계산할 때 계산 시간이 증가하고 있습니다. 항목 이름이 수평 축에 있고 계산 시간이 세로 축에있는 경우 슬롯 커뮤니티에 필요한 총 계산 시간은 블록 당 총 계산 시간입니다. 그러나 핑크 라인에서 볼 수 있듯이 이용 가능한 최대 시간 제한이 초과되므로 복잡한 영역에서 슬롯 커뮤니티하려는 시도는 계산 부하를 증가시키고 구현하기가 어렵습니다. 특히 변수 수가 증가함에 따라 이론적 계산의 수는 비례 적으로 증가합니다. 결과적으로 높은 계산 부하로 인해 사람들은 슬롯 커뮤니티를 포기하거나 수동으로 진행해야합니다.
이 도전에는 두 가지 가능한 접근 방식이 있습니다.

접근 A : 세션 당 계산 시간 감소

이 방법을 사용하면 사용 가능한 사람 시간의 상한 내에서 필요한 반복 수를 보장하고 필요한 설계 리드 타임 내에서 문제를 해결할 수 있도록 계산 속도가 향상 될 수 있습니다.

접근 B : 반복 횟수 감소

이것은 제한된 수의 계산 내에서 CAE를 슬롯 커뮤니티하고 최적의 솔루션을 도출하는 방법입니다. 계산 수를 낮게 유지하면서 요구 사항을 충족하는 슬롯 커뮤니티를 달성해야합니다.

AI 기반 슬롯 커뮤니티를 통한 검색 가속화 (접근 A)

접근 A : 사전 제작 된 대리 모델을 사용한 슬롯 커뮤니티

이 접근법은 대리 및 AI 모델을 사용하여 슬롯 커뮤니티합니다. 대리 모델의 주요 장점은 실행 시간이 매우 짧고 몇 초 안에 충분한 반복을 완료 할 수 있다는 것입니다. 우리는 그것을 처리합니다슬롯 게임또한이 접근법을 지원하는 제품 중 하나입니다.
신경 개념 Studio는 대리 모델을 사용하고 유전자 알고리즘을 결합하여 모양 슬롯 커뮤니티를 효율적으로 수행합니다. 유전자 및 진화 알고리즘의 조합은보다 강력한 슬롯 커뮤니티를 가능하게합니다.
그러나 CAE의 높은 정확도에 도달하지는 않지만 특정 설계 요구 사항을 충족하려면 정확도가 필요합니다. 또한이 방법을 적용하기 위해 딥 러닝 및 고급 데이터 과학 기술이 필요하기 때문에 모델을 구축하고 샘플 데이터를 수집하는 것이 어려울 수 있습니다. 특히, 충분한 데이터를 준비해야하므로 접근 방식 A의 중요한 요소는 CAE를 사용하여 계산 시간을 단축하고 결과를 기반으로 데이터를 효율적으로 수집하는 것입니다.

[사전 제작 된 대리 모델로 슬롯 커뮤니티] 여러 프로젝트의 동시 슬롯 커뮤니티 (접근 A)

A에 접근하는 특정 접근 방식은 기본적으로 여러 프로젝트에서 대리 모델을 구축하고 슬롯 커뮤니티를 구현하는 데 사용하여 효율적인 계산 프로세스를 제공하는 것입니다. 이 접근 방식을 취하면 개별 프로젝트가 함께 작업 할 수 있으므로 전반적인 슬롯 커뮤니티가 원활하게 슬롯 커뮤니티 될 수 있습니다.
실제 경우 각 프로젝트는 먼저 실험 설계 (DOE)를 사용하여 필요한 데이터를 수집합니다. 그 후, 각 프로젝트마다 대리 모델이 구성되며 정확도를 완전히 검증 한 후 이러한 대리 모델이 연결됩니다. 이를 통해 슬롯 커뮤니티를 동시에 수행 할 수 있으므로 예를 들어 30 분 안에 2,000 개 이상의 계산을 수행 할 수 있습니다. 이러한 방식으로, 접근 A의 기본 개념과 정책은 개별 대리 모델을 활용하면서 프로젝트 간의 협업을 향상시켜 슬롯 커뮤니티 프로세스의 효율성을 크게 향상시키는 것입니다.

데이터 수집 및 설계 공간 구성 (접근 a)

데이터 수집부터 시작해야하지만 Pseven 데스크탑은 비즈니스 효율성을 지원하는 새로운 데이터 수집을위한 다양한 실험 설계 방법 (DOE) 및 강력한 자동화 기능을 제공하는 제품입니다. 이를 통해 데이터 수집 프로세스가 원활하게 진행되고 슬롯 커뮤니티를 준비 할 수 있습니다.

[기능 소개] 외부 소프트웨어와 연결하는 기능 (접근 a)

자동화 방법으로 Pseven Desktop은 각 소프트웨어와 직접 인터페이스를 제공합니다. 일반적인 방식으로 사용할 수있는 일반적인 인터페이스가 있으며 수동으로 명령이나 스크립트를 작성할 필요가 없으며 마우스 작업 만 쉽게 연결할 수 있습니다. 이를 통해 외부 소프트웨어와 원활하게 통합되어 비즈니스 효율적입니다.

[기능 소개] 강력한 워크 플로 엔진이 장착 된 (접근 A)

자동화 워크 플로 엔진은 복잡한 슬롯 커뮤니티 문제와 다른 모양의 CAE를 실행하는 간단한 자동화 설정을 처리 할 수 ​​있습니다. 예를 들어, 유체 및 구조 슬롯 커뮤니티 알고리즘이 별도로 실행되면서 전반적인 슬롯 커뮤니티를 발전시키는 중첩 된 이중 루프와 같은 중첩 된 이중 루프와 같은 복잡한 워크 플로를 통합 할 수 있습니다. 이는 모든 상황을 수용 할 수있는 유연한 워크 플로 엔진을 제공하여 복잡한 슬롯 커뮤니티 프로세스를 효율적으로 관리 할 수 ​​있습니다.

[기능 소개] 효율적인 데이터 수집 (접근 A) 다양한 DOE (실험 설계) 방법

이러한 워크 플로를 구성 할 수 있다면 실험 설계 (DOE)를 적용 할 수 있습니다. PSEVEN 데스크탑은 또한 AI 및 알고리즘이 기존 데이터의 누락 된 점을 결정하는 적응 형 DOE 방법과 확인에 더 집중 해야하는 영역을 결정하고 특히 데이터가 충분하지 않은 경우 추가 할 데이터를 선택합니다. 이런 식으로, 우리는 모든 상황에 유연하게 응답하면서 데이터를 효율적으로 수집 할 수있는 시스템을 제공합니다.

[기능 소개] 스마트 선택을 사용한 AI 모델의 자동 구성 (접근 a)

수집 된 데이터는 AI 모델로 변환되어 시각화됩니다. PSEVEN 데스크탑은 지속적으로 고급 AI 기반 모델링, 시각화 및 분석 도구를 제공합니다. 알고리즘의 적용과 관련하여 스마트 선택 함수는 데이터를 단순히 가져 와서 최적의 메소드와 매개 변수를 단일 모델로 자동 구성하여 방법을 자동으로 선택하고 매개 변수를 조정하며 정확도를 비교할 수있는 기능을 제공합니다. 또한, 기술 및 매개 변수는 각 출력 변수에 대해 조정되므로, 예를 들어 세 가지 변수가있는 경우 각각에 대해 다른 방법이 선택 될 수 있습니다. 이를 통해 매우 유용한 자동화가 가능합니다.

[기능 소개] AI 모델을 사용한 비선형 성 및 불확실성을 고려한 분석

생성 한 AI 모델의 동작과 변수 간의 관계를 볼 수있는 능력을 제공합니다. 이러한 시각화에서 수평 축은 설계 변수를 설정하고 수직 축은 출력 변수와 목적 변수를 설정하여 비선형 관계에서도 직관적이고 이해하기 쉽습니다. 예측이 불확실하고 확실하지 않은 라인 쇼 영역에 비해 영역에서 약간 더 넓은 영역은 불확실성도 시각화됩니다. 이러한 방식으로 모델의 신뢰성을 숫자뿐만 아니라 그래프 형식으로 확인할 수 있습니다. 또한, 다이어그램에 표시된 것처럼 의사 결정을 지원하는 바와 같이 막대 그래프의 각 변수 사이에 어떤 변수가 가장 많이 기여하는지 확인할 수 있습니다. Pseven 데스크탑 의이 강력한 기능을 사용하면 하나의 소프트웨어만으로 AI 모델의 데이터 수집, 구성 및 분석을 지속적으로 수행 할 수 있다는 것입니다.

AI 기반 슬롯 커뮤니티로 검색 가속화 (접근 b)

우리는 다수의 대리 모델을 생성하고 필요한 반복 수를 수행하는 접근 방식 A를 도입했지만 접근 B에서는 AI 기반 슬롯 커뮤니티에서 반복 자체를 제안하고 슬롯 커뮤니티 관점을 소개합니다.

AI 기반 슬롯 커뮤니티를 통한 검색 가속화 (접근 b)

AI 기반 슬롯 커뮤니티는 검색을 가속화하고 계산 모델의 계산 수를 최소화하면서 글로벌 최적 솔루션을 도출하는 방법입니다. 일반적으로 베이지안 슬롯 커뮤니티, 블랙 박스 슬롯 커뮤니티 및 순차적 슬롯 커뮤니티 (대리 모델 슬롯 커뮤니티)로 알려져 있습니다. 계산 수를 줄일 수있는 주된 이유는 확률 론적 요소를 고려할 수 있기 때문입니다. 설계 공간에서 가장 최적의 솔루션을 얻을 수있는 영역을 식별 한 다음 유망한 영역에서만 계산을 수행하면 가장 짧은 경로에서 최적의 솔루션을 찾을 수 있습니다. 이것은 계산 효율성을 크게 향상시킵니다. 관심을 끌고있는 방법 중 하나입니다.

[기능 소개] PSEVEN 데스크탑 대리 최적화 (SBO)의 기능 (접근 B)

PSEVEN 데스크탑에 포함 된 대리 기반 최적화 기술도 비슷한 기능을 제공합니다. 자체 개발 DOE 전략 및 알고리즘을 활용하여 문제의 가능한 영역을 식별하고 효과적으로 사용할 수 있습니다. 또한 주어진 예산 및 계산 수에 대한 파생 시간의 속도를 크게 높입니다. 또한, 당사의 독점 가우스 프로세스 (GP) 구현을 통해 대규모 문제에 대한 효율적인 솔루션이 가능합니다. 기본적으로 베이지안 최적화 기술은 20 개의 변수가있는 경우에도 대규모 문제이지만 Pseven 데스크탑은 더 많은 변수를 처리하고 광범위한 문제를 해결할 수 있습니다.

[비교] 고가의 문제에 대한 각 알고리즘 비교 (접근 b)

실제로, 고비로운 문제에 대한 각 알고리즘의 비교는 PSEVEN 데스크탑을 오픈 소스 기술과 비교하는 그래프를 보여줍니다. 수평 축은 성능 속도를 나타내며, 최적화를 도출하는 데 필요한 시간이 짧고 솔루션이 매우 효율적임을 나타냅니다. 수직 축은 해결 된 문제의 수를 보여주고 왼쪽 상단은 더 많은 문제를 처리 할 수 ​​있음을 나타냅니다. PSEVEN 데스크탑은 모든 방법에 적합하며 계산 수의 제한된 고가 최적화에도 적합합니다. 이 방법은 또한 교차 영역이나 계산하는 데 시간이 걸리는 유체 분석과 같은 단일 솔버를 사용하여 복잡한 최적화를 수행하는 상황에 매우 적합합니다.

[기능 소개] 스마트 선택을 사용한 슬롯 커뮤니티 방법의 자동 선택 (접근 b)

Smart Selection이라는 기능에는 어시스트 기능이 있으며 최적화 알고리즘, 실험 설계 방법 및 선택해야 할 메소드와 같은 문제에 직면 할 수 있지만 PSEVEN 데스크탑을 사용하면 문제 정의를 쉽게 설정하여 최적의 방법 및 내부 매개 변수를 자동으로 조정할 수 있습니다. 이 메커니즘을 통해 사용자는 단순히 문제에 집중하고 좋은 솔루션을 얻을 수 있습니다.

[사용의 예] 과거 실험과 수집 된 데이터를 효율적으로 활용합니다 (접근 b)

우리는 또한 시뮬레이션 된 슬롯 커뮤니티 및 AI 기반 슬롯 커뮤니티와 관련하여 과거의 실험 데이터와 수집 된 데이터를 효율적으로 활용할 수 있는지 여부를 자주 묻습니다. 그러나 Pseven 데스크탑은 실제로 가능합니다. 예를 들어, DOE에서 미리 수집 된 실험 데이터는 다음 슬롯 커뮤니티 워크 플로로 직접 전달하여 슬롯 커뮤니티 계산에 필요한 시간을 줄일 수 있습니다. 예비 결과에서 내부 대리 모델을 구성하고 검색 효율성을 향상시킴으로써 활성 학습 및 빠른 슬롯 커뮤니티가 달성됩니다. 또한 재료 정보학은 베이지안 슬롯 커뮤니티를 사용하여 재료 개발 실험에서 기존 데이터에서 첫 번째 계산을 시작할 수 있습니다.

[Geodict] 리튬 이온 2 차 배터리 성능의 다목적 최적화 문제

우리는 처리Geodict라는 재료 개발 제품에 연결된 예가 있습니다. 접근 방식은 먼저 29 개의 설계 변수 및 출력에 대한 실험 설계 (DOE)를 사용하여 데이터를 수집하고 모델 및 가변 문제를 확인하는 것입니다. 그 후, 우리는 대리 기반 슬롯 커뮤니티를 진행했으며 총 200 개의 계산 내에서 127 개의 파레토 전선 및 파레토 솔루션을 인수했습니다. 이 접근법은 일반적으로 그리고 효율적으로 슬롯 커뮤니티 될 수 있습니다.