해석 솔버

방정식 세트의 솔루션으로 직접 솔버 3개와 반복 솔버 1개를 사용할 수 있습니다.

유한 요소 해석에서 문제는 동시에 풀어야 하는 대수식 세트로 표시됩니다. 솔루션에는 직접과 반복의 두 가지 방법이 있습니다.

직접 방법은 정확한 수치 제어 기법을 사용하여 수식을 풀고 반복 방법은 매 반복에서 솔루션을 가정하고 관련 오류를 평가하는 대략적인 기법을 사용하여 수식을 풉니다. 오류가 허용 가능해질 때까지 반복을 계속합니다.

다음 옵션이 있습니다.

자동 스터디 유형, 해석 옵션, 접촉 조건등을 기반으로 솔버가 선택됩니다. 일부 옵션과 조건이 Direct Sparse 또는 FFEPlus에만 적용됩니다.
Direct Sparse Direct Sparse를 선택하는 경우:
  • 컴퓨터에 RAM이 충분하고 여러 개의 CPU가 있을 때
  • 관통 없음 접촉을 사용한 모델을 해석할 때
  • 재질 속성이 크게 다른 파트 모델을 해석할 때
모든 200,000 DOF의 경우 선형 정적 해석에는 1GB의 RAM이 필요합니다. 수식 수(DOF) 및 메모리 요구사항 사이의 관계가 선형이 아닙니다. 가장 까다로운 데이터 저장소 요구사항(할당된 행렬 크기)의 경우, RAM은 수식 수(DOF)의 제곱에 비례하여 설정됩니다.
FFEPlus(반복) FFEPlus 솔버는 큰 문제에 더욱 효과적인 고급 행렬 재조합 기법을 사용합니다. 일반적으로 FFEPlus가 큰 문제를 더 빨리 풀며 문제가 커질수록 효율성이 더욱 높아집니다(최대 사용 가능한 메모리).
모든 2,000,000 DOF의 경우 1GB의 RAM이 필요합니다. 일반적으로 FFEPlus 솔버에 필요한 RAM은 Direct Sparse 및 Intel Direct Sparse 솔버보다 낮습니다.
대형 문제 Direct Sparse 대형 문제 Direct Sparse 솔버가 향상된 메모리 할당 알고리즘을 이용하여 컴퓨터의 물리 메모리를 초과하는 시뮬레이션 문제를 처리할 수 있습니다.

처음에 Direct Sparse 솔버가 선택되고 제한된 메모리 리소스 때문에 Out-of-Core Solution에 도달한 경우 대형 문제 Direct Sparse로 전환하라는 경고 메시지가 표시됩니다.

Direct Sparse 및 Intel Direct Sparse 솔버는 여러 코어를 활용한다는 점에서 FFEPlus 및 Direct Sparse 솔버보다 더 효율적입니다.
Intel Direct Sparse Intel Direct Sparse 솔버는 정적, 열, 고유진동수, 선형 동적, 비선형 스터디 및 위상 스터디에 사용할 수 있습니다.
Intel Direct Sparse 솔버는 향상된 메모리 할당 알고리즘과 멀티코어 처리 기능을 활용해 코어 내에서 처리되는 시뮬레이션 문제 해결 속도를 향상시켜 줍니다.
대부분의 경우 Intel Direct Sparse 솔버는 Direct Sparse보다 더 빠릅니다. 모델 크기가 사용 가능한 최대 메모리를 초과하면 대형 문제 Direst Sparse가 가장 효율적인 솔버입니다.
Direct Sparse 및 Intel Direct Sparse 솔버는 여러 코어를 활용한다는 점에서 보다 효율적입니다.

솔버 선택

솔버의 자동 선택 옵션은 정적 해석, 고유진동수 해석, 좌굴 해석, 열전달 해석 스터디에 적용됩니다.

접촉부가 여럿인 문제(접촉부가 여러 차례 접촉 반복을 통해 찾아짐)에서는 Direct Sparse 솔버가 적당합니다.

작은 문제(25,000 DOF 이하)의 경우에는 모든 솔버가 효율적이지만 큰 문제를 푸는 경우에는 성능(속도 및 메모리 사용)에 큰 차이가 있을 수 있습니다.

컴퓨터에서 사용할 수 있는 메모리보다 많은 메모리가 솔버에 필요한 경우 솔버는 디스크 공간을 사용하여 임시 데이터를 저장하고 검색합니다. 이 경우, 솔루션이 코어에서 벗어나 솔루션 진행 속도가 느려진다는 메시지가 표시됩니다. 디스크에 기록할 데이터의 양이 매우 큰 경우 솔루션 진행 속도는 상당히 느려질 수 있습니다. 이 경우(정적, 비선형 스터디의 경우)에는 대형 문제 Direct Sparse를 사용합니다.

다음 사항을 고려하면 적절한 솔버를 선택하는 데 도움이 됩니다.

문제의 크기 일반적으로 문제가 100,000 DOF 이상인 경우 FFEPlus가 문제를 더 빨리 풀며 문제가 커질수록 효율성이 더욱 높아집니다.
컴퓨터 리소스: 사용 가능한 RAM 및 CPU(코어 또는 프로세서) 수 Direct Sparse 솔버를 사용하려면 FFEPlus 솔버에 비해 10배 이상의 RAM이 필요합니다. 컴퓨터에 가용 메모리가 많을수록 솔버의 속도는 빨라집니다. 대형 문제 Direct Sparse는 멀티코어 처리 기능을 활용하고 정적 및 비선형 스터디의 솔루션 속도를 개선합니다.
재질 속성 스틸과 나일론과 같이 모델에 사용된 재질의 탄성 계수가 매우 다른 경우에는 반복 방법이 직접 방법보다 정확성이 떨어질 수 있습니다. 이 경우에는 직접 솔버를 사용하는 것이 좋습니다.
해석 피처 구속조건 수식을 사용해 적용되는 관통 없음 접촉과 본드 접촉이 있는 해석은 일반적으로 직접 솔버를 사용하면 속도가 빠릅니다.

스터디 유형에 따라 다음 사항이 권장됩니다.

정적 해석 다음 모델의 해석에 사용할 RAM이 충분하고 다중 CPU를 보유하고 있는 경우에는 대형 문제 Direct Sparse를 사용합니다.
  • 관통 없음 접촉이 있는 모델(특히 마찰 효과를 사용하는 경우)
  • 서로 다른 재질 속성의 파트로 구성된 모델
  • 혼합 메시 모델
    선형 정적 해석에 Direct Sparse 솔버를 사용하려면 각 200,000 자유도(DOF)마다 1GB의 RAM이 필요합니다. 반복 FFEPlus 솔버는 메모리 사용량이 더 적습니다(약 2,000,000 DOF/RAM 1GB).
고유진동수 및 좌굴 해석

모든 강체 모드 계산에 FFEPlus 솔버를 사용합니다. 구속조건이 없는 바디에는 6개의 강체 모드가 있습니다.

다음 경우에 Direst Sparse 및 Intel Direst Sparse 솔버를 사용합니다.
  • 고유진동수에 하중 효과를 고려
  • 서로 다른 재질 속성의 파트로 구성된 모델
  • 구속조건 수식에 의해 비호환 메시가 결합된 모델
  • 부적절하게 지지된 모델을 고정하기 위해 소프트 스프링 추가(좌굴 스터디)

Simulation에서는 Direst Sparse 솔버의 고유값 추출 방법으로 Subspace 반복법이 사용되고, FFEPlus 및 대형 문제 Direct Sparse 솔버에는 Lanczos 방법이 사용됩니다. FFEPlus 같은 반복 솔버에는 Lanczos 방법이 더 효율적입니다.

Subspace는 반복 루프 내에서 직접(Sparse) 솔버를 앞뒤로 대입해 고유벡터를 계산할 수 있습니다(행렬을 한 번 분해해야 함). 반복 솔버에서는 이러한 기능이 지원되지 않습니다.
열 해석 열 해석 문제는 노드당 자유도(DOF)가 한 개이므로 일반적으로 노드 수가 동일한 구조 문제에 비해 해석 속도가 훨씬 더 빠릅니다. 대형 해석 문제(500.00dof 이상)의 경우 FFEPlus 솔버를 사용합니다.
비선형 50,000 이상의 자유도를 가진 모델의 비선형 해석 스터디에서는 적은 시간에 해를 구하는 데 FFEPlus 솔버가 더 효율적입니다. 솔루션이 코어에서 벗어나는 경우 대형 문제 Direct Sparse 솔버가 문제를 해결할 수 있습니다.

솔버 상태

스터디를 실행하면 솔버 상태 창이 나타납니다. 여기에는 솔버 진행률 정보 이외에도 다음과 같은 정보가 표시됩니다.

  • 메모리 사용
  • 진행 시간
  • 자유도, 절점의 수, 요소의 수와 같은 스터디 관련 정보
  • 솔버 유형과 같은 솔버 정보
  • 경고

Intel Direct Sparse 솔버는 솔버 진행 보고 상태를 제공하지 않습니다.

FFEPlus(반복) 솔버(고유진동수 및 좌굴 해석 제외)를 사용하는 모든 스터디에서는 수렴 플롯과 솔버 파라미터 정보를 사용할 수 있습니다. 수렴 플롯은 솔루션이 수렴하는 방식을 시각화하는데 도움을 줍니다. 솔버 파라미터를 사용하면, 정확도를 개선하거나 속도를 개선할 수 있도록 사용자가 솔버 반복을 조정하도록 허용합니다. 솔버에서 미리 지정된 값을 사용하거나 다음의 값을 변경할 수 있습니다.

  • 최대 반복수 (P1)
  • 중단 한도 (P2)

해석의 정확도를 향상시키려면, 중단 한도 값을 줄이도록 합니다. 수렴 속도가 느린 상황인 경우 중지 임계값을 늘리거나 최대 반복 수를 줄여 속도를 개선할 수 있습니다(이때 결과 정확성에 영향을 줄 수 있음).