Detección de plausibilidad y razones de error en simulaciones de elementos finitos con redes de aprendizaje profundo
Autores: Bickel, Sebastian; Goetz, Stefan; Wartzack, Sandro
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Detección de plausibilidad y razones de error en simulaciones de elementos finitos con redes de aprendizaje profundo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Desarrollo de productos basado en datos
Requisitos
Diseño detallado
Análisis
Pruebas virtuales
Simulaciones de Elementos Finitos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 43
Citaciones: Sin citaciones
El campo de aplicación del desarrollo de productos basado en datos es diverso y abarca desde los requisitos en las fases iniciales hasta el diseño detallado del producto. El objetivo es analizar de manera consistente los datos para apoyar y mejorar los pasos individuales en el proceso de desarrollo. En el contexto de este trabajo, el enfoque se centra en la fase de diseño y detalle, representada por la prueba virtual de productos a través de simulaciones de Elementos Finitos (FE). Sin embargo, debido a la heterogeneidad de los datos de un modelo de simulación, el uso automático es un gran desafío. Por lo tanto, se presenta un método que utiliza todo el conjunto de simulaciones calculadas para predecir la plausibilidad de nuevas simulaciones. En consecuencia, se utiliza una gran cantidad de datos para apoyar a usuarios menos experimentados de software de FE en la aplicación. De esta forma, los errores evidentes en la simulación deberían ser detectados de inmediato con este procedimiento y, por lo tanto, se evitan iteraciones innecesarias. Las soluciones previas solo podían realizar una clasificación general de plausibilidad, mientras que el enfoque presentado en este documento tiene la intención de predecir fuentes de errores específicas en las simulaciones de FE.
Descripción
El campo de aplicación del desarrollo de productos basado en datos es diverso y abarca desde los requisitos en las fases iniciales hasta el diseño detallado del producto. El objetivo es analizar de manera consistente los datos para apoyar y mejorar los pasos individuales en el proceso de desarrollo. En el contexto de este trabajo, el enfoque se centra en la fase de diseño y detalle, representada por la prueba virtual de productos a través de simulaciones de Elementos Finitos (FE). Sin embargo, debido a la heterogeneidad de los datos de un modelo de simulación, el uso automático es un gran desafío. Por lo tanto, se presenta un método que utiliza todo el conjunto de simulaciones calculadas para predecir la plausibilidad de nuevas simulaciones. En consecuencia, se utiliza una gran cantidad de datos para apoyar a usuarios menos experimentados de software de FE en la aplicación. De esta forma, los errores evidentes en la simulación deberían ser detectados de inmediato con este procedimiento y, por lo tanto, se evitan iteraciones innecesarias. Las soluciones previas solo podían realizar una clasificación general de plausibilidad, mientras que el enfoque presentado en este documento tiene la intención de predecir fuentes de errores específicas en las simulaciones de FE.