While analysis helps you simulate a product development cycle on the computer quickly and inexpensively, you still need to create several studies and simulate many scenarios. Each time you make a change, you need to run the analysis and examine the results.
Anche se il progetto è relativamente semplice, è sempre possibile cambiare alcune quote. Decidere le combinazioni da provare, visualizzare i risultati e tenere d'occhio i costi associati sono attività spesso considerate onerose.
Uno studio del progetto sfrutta la modellazione parametrica basata sulle funzioni e le capacità di rigenerazione automatica del software per automatizzare il processo di ottimizzazione. Il software offre una tecnologia in grado di rilevare rapidamente le tendenze e di identificare la soluzione ottimale con il minor numero di iterazioni. Il programma utilizza un metodo basato sul Disegno degli esperimenti (DoE).
Il programma offre due diverse qualità per le proprietà dello studio del progetto. Il software esegue un numero di prove in base al livello di qualità e al numero delle variabili. Per ogni prova, il programma esegue tutti gli studi di simulazione associati con un insieme di valori di variabili determinato in modo strategico. La tabella seguente elenca il numero di iterazioni con il metodo qualitativo alto e quello per la generazione di risultati veloci per le variabili continue (opzione Range). Il programma utilizza il piano quadratico Box-Behnken per l'impostazione Alta qualità e il piano quadratico Rechtschafner per l'impostazione Risultati veloci. Anche se il piano Rechtschafner esegue alcuni calcoli preliminari non richiesti dal piano Box-Behnken, necessita di un numero minore di esperimenti per creare la funzione di risposta e ottimizzare.
| Numero delle variabili di progetto (per le variabili continue) |
Alta qualità |
Risultati veloci |
| 1 |
3 |
N/D |
| 2 |
9 |
N/D |
| 3 |
13 |
N/D |
| 4 |
25 |
15 |
| 5 |
41 |
21 |
| 6 |
49 |
28 |
| 7 |
57 |
36 |
| 8 |
N/D |
45 |
| 9 |
121 |
55 |
| 10 |
161 |
66 |
| 11 |
177 |
78 |
| 12 |
193 |
91 |
| 13 |
N/D |
105 |
| 14 |
N/D |
120 |
| 15 |
N/D |
136 |
| 16 |
385 |
153 |
| 17 |
N/D |
171 |
| 18 |
N/D |
190 |
| 19 |
N/D |
210 |
| 20 |
N/D |
231 |
After running the experiments, the program calculates the optimal design variables by forming a response function relating the goals to the variables and minimizing, maximizing, or satisfying exactly the goals. The program then runs the associated simulation studies to evaluate the results for the optimal design.