仿真流程集成与自动化优化设计PIDO方案

1、平台支撑下的仿真协同与设计优化仿真流程集成与自动化优化设计（PIDO）仿真应用正面临着新挑战仿真的普遍应用研发周期缩短成本降低可靠性增高面临的新挑战和迫切需求企 业产品越来越复杂和精密，研发周期不断缩短仿真置信度的保证仿真流程标准化非仿真专家的全面覆盖2工减少重复、提升高效率程设计空间的探索与优化，获得最佳设计 师法拉利汽车过去20年的仿真应用经验工 程 价 值应用程度和应用领域系统工程PIDO工具集成复杂系统和多物理域 分析设计探索支持定义设计准则对设计全局的敏感性分析单目标/多目标优化设计产品部件的设计验证满足设计要求虚拟验证单个部件的失效分析理解工作原理/为什么失效31什么流程集成与自动

2、化(PIDO)？2怎么提升仿真驱动力？3机器学习赋能下的新一代MOP技术内内容容提提要要4什么是PIDO？PI (Process integration)流程整合与自动化5开放且灵活流程自动化集成CAE&CAD工具构建可复用APP“非仿真专家的仿真应用“可集成于MinervaDO (Design Optimization)基于鲁棒性的优化设计确定参数相关性降低复杂性了解您的设计以最少的工作量优化您的 产品验证鲁棒性和可靠性为数字孪生创建高保真度 的ROM模型PET瓶制造工艺案例- Background6预制加热旨在优化PET瓶的制造工艺ObjectivesPET bottle optimum

3、thicknessPreform thicknessPreform heater output吹塑6002004Global PET plastic bottle production2021201620140200400Source : Euromonitor. forecastPET需求暴涨，成本降低迫切预制成型-注塑Units, billionsPET瓶制造工艺案例分析流程Strength analysis for hydrostatic pressureOptimization of bottle thicknessStatic Structural（ANSYS Mechanical）

4、Blow molding analysis for optimal bottle thicknessOptimization of initial preform temperatureCFD（ANSYS Polyflow）Heating analysis for optimal preform temperatureOptimization of heater outputCFD（ANSYS Fluent）Integration and automation of optimization process and cost reduction of manufacturing process

5、Reduction of electricity charges and material costsProcess integration and automation, cost calculation（ANSYS optiSLang）7PET瓶制造工艺案例分析流程基于ANSYS optiSLang建立完整且自动优化的设计流程各求解器之间自动传递数据Static Structure（ANSYS Mechanical）CFD（ANSYSFluent）Data creation with Excel macroCFD（ANSYS Polyflow）Cost calculation8PET瓶制造

6、工艺案例成本材料成本降低73 M yen)Electric charge for heating heater (1 factory, per month)Power consumption： 8.5% reductionPrevious：42637 kWh，Optimized : 39005 kWhElectricity usage fee：$450 (49,000 yen) reductionElectricity basic charge：$56,600 (6.17 M yen) reductionCost reduction of $ 10.2 million per year at

7、allplantsReduction of PET usageCost reduction by reducing PET usage：$0.41 million (44.Total cost reduction of PET usage$0.467 million (50.95 M yen) per factory * 18Tatal cost reduction more than 18.6million最適出力Output slotsCost Reduction円（Yen）（Dollar）（Rate） $1= Y xxPET 価格Cost cost/1000kg1380601300106

8、.2BeforeOptimizedPET1本質量kg0.021480.01106Mass per PET kg1月必要原材料kgNecessary raw materials per month kg667939.726343920.54791月PET億円PET cost per month 100 million yen0.9221575860.474816708原材料削減億円Cost reduction of raw materials 100 million yen0.447340877削減億円0.509566953Total Cost Reduction billion yen0.05

9、0956695Mass of PETANSYS Fluent9博世案例-ECU仿真APP搭建针对ECU关键部件搭建自动化仿真流程模块装配APP电子部件热仿真APPEBS热评估仿真APP 102020 Ansys, Inc. / 博世案例-ECU自动化仿真流程112020 Ansys, Inc. / 博世案例-ECU自动化仿真流程122020 Ansys, Inc. / 博世案例SPDM&PIDO平台结合项目总师项目主管CAD/CAE工程师试验工程师信息化/IT设计需求初始设计方案可行性论证参数指标方案迭代模型装配方案迭代 管理：软件+硬件+流程+数据+权限 功能/性能测试软/硬件、流程、数据、

10、权限等试验报告等模型标定热评估 详细设计/校核模型ROM样机数模博世案例-工程师仿真时间大幅缩减D. KRTSCHMER: DEMOCRATIZATION OF CAE-WORKFLOWS WITH OPTISLANG AT BOSCH, WOSD, 2019, Weimar, Germany博世案例-工程师仿真时间大幅缩减D. KRTSCHMER: DEMOCRATIZATION OF CAE-WORKFLOWS WITH OPTISLANG AT BOSCH, WOSD, 2019, Weimar, Germany如何提升仿真驱动力？Optislang与产品设计周期的紧密结合理解设计探讨参

11、数敏感性，降低复杂度并生 成最佳元模型模型标定识别重要参数，对仿真与测试进 行最佳拟合设计质量保证保证设计鲁棒性和可靠性CAE-DataMeasurement DataRobust Design设计提升优化产品设计性能17模型标定/参数识别提高仿真置信度连接器设计标定案例挑战：复杂过程曲线要求，目前人工标定耗时且非最优解方案：区分插/拔过程的敏感性分析；拟合仿真与设计标准应用：可以满足复杂设计标定，提升团队设计能力汽车万向节橡胶轴套模型标定案例挑战：选择正确的超弹性材料模型，确定材料参数方案：仿真与试验整合于optiSLang平台拓展应用：多种材料本构及参数确定；模型边界设置标定18敏感性分析

12、-深度理解设计OscillatorConstraints:7 omega 9理解设计：深度理解设计空间的参数相关性确定重要参数为后续优化设计提供基础19多学科优化设计设计空间探索identify negative correlated objectivesPCB多学科优化设计案例包含结构形变和散热性能仿真目标：结构应力和变形最小，流体压损和散热器热阻最小获得最优解区域，各目标之间的相关性3D打印机优化设计案例TruLaser Center 7030降低成本和刚度增加帕雷托边界显示巨大的优化潜力。选择与初始设计相同刚度的方案，总成本可以降低27%12 parameters: number of

13、fins, fin thickness, fan flow rates and positions20鲁棒性设计对于每个优化运行，都会根据关键模型响应调 整安全系数公差对材料、几何和产量的影响有多大？21鲁棒性和可靠性仿真结果汽车雷达可靠性设计案例Infineon针对三种不同的设计方案进行可靠性分析，得到方案3的可靠 性最高；利用MOP完成几千个设计点计算，大大提升计算速度离心泵鲁棒性分析案例Grundfos基于加工公差的分散性进行鲁棒性分析；交通灯的形式对各输出参数的分析性进行评估；确定影响性能的关键区域，重新规划加工要求。222020 Ansys, Inc. / 机器学习赋能下的新一代MO

14、P技术24人工智能-机器学习-深度学习，引领下一代优化模型OptiSLang的MOP技术采用机器学习的框架客户案例： 高精度的实时仿真Parametric Signal represent possible electric loading of ECU unitExcellent approximation quality for transient temperature and contact stresses!Field ROM ready for virtual prototyping, system simulation or digital twinsFaster than re

15、al time: 9 seconds of loading run in 6seconds using Field ROM.A DOE of relevant loading is created and is calculated with high fidelity ANSYS based non-linear electric- thermal-mechanic simulation.9 seconds of loading runs 1 day at HPC cluster.26客户案例：为数字孪生技术提供高保真度的ROM模型DOE Generation: Based on avail

16、able flight schedules a representative set of flight is selectedThe sample set is calculated with high fidelity ANSYS CAE for temperature, stress and life effects on blades.1 selected DOE sample runs 15 hours at HPC cluster.The forecast quality is quantifiedto be very good!Field ROM ready for system

17、 simulation and predictive maintenance using digital twinsOne flight forecast evaluation runs in seconds新一代最佳元模型技术-集成深度学习算法Integration of Keras & Tensorflow LibrariesImplementation in custom surrogate interface of optiSLang:Automatic configuration of neurons and layersCross validation to estimate Coefficient of PrognosisAvailable as external python environmentNeural networks are treat