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.
Même pour une conception relativement simple, il peut y avoir plusieurs dimensions à modifier. Les combinaisons à essayer, les coûts engendrés et l'affichage des résultats peuvent entraîner des prises de décision complexes.
Une étude de conception s'appuie sur les fonctions de modélisation à l'aide de paramètres ainsi que sur les fonctionnalités de régénération automatique du logiciel afin d'automatiser le processus d'optimisation. Le logiciel fait appel à une technologie qui détecte rapidement les tendances et identifie la solution optimale en un nombre d'exécutions le moindre possible. Le programme utilise une méthode basée sur la conception d'essais.
Le programme propose deux qualités différentes dans les propriétés de l'étude de conception. Le logiciel exécute plusieurs essais sur la base du niveau de qualité et du nombre de variables. Pour chaque essai, le programme exécute toutes les études de simulation associées avec un ensemble de valeurs variables déterminées stratégiquement. Le tableau suivant indique le nombre d'itérations pour les méthodes de haute qualité et de résultats rapides (Option plage). Le programme utilise le plan quadratique de Box-Behnken pour le paramètre Haute qualité et le plan quadratique de Rechtschafner pour le paramètre Résultats rapides. Même si le plan Rechtschafner effectue certains précalculs dont la conception Box-Behnken n'a pas besoin, il nécessite moins d'essais pour réaliser la fonction de réaction et d'optimisation.
Nombre de variables géométriques (pour les variables continues) |
Haute qualité |
Résultats rapides |
1 |
3 |
S/O |
2 |
9 |
S/O |
3 |
13 |
S/O |
4 |
25 |
15 |
5 |
41 |
21 |
6 |
49 |
28 |
7 |
57 |
36 |
8 |
S/O |
45 |
9 |
121 |
55 |
10 |
161 |
66 |
11 |
177 |
78 |
12 |
193 |
91 |
13 |
S/O |
105 |
14 |
S/O |
120 |
15 |
S/O |
136 |
16 |
385 |
153 |
17 |
S/O |
171 |
18 |
S/O |
190 |
19 |
S/O |
210 |
20 |
S/O |
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.