HyperLynx Design Space Exploration

Anfänglich ändern Benutzer das Design und simulieren die Änderungen nacheinander erneut. Das funktioniert gut für einfache Studien und ist für neue Simulationsanwender leicht zu verstehen. Diese Methode funktioniert am besten, wenn nur ein oder zwei Entwurfsparameter (Variablen) untersucht werden müssen und wenn der Benutzer die Parameterwerte, die für die nächste Studie verwendet werden sollen, auf der Grundlage der Ergebnisse früherer Studien leicht bestimmen kann.

Wenn die Anzahl der zu untersuchenden Kombinationen von Entwurfsparametern (Permutationen) mehr als eine Handvoll wird, ist eine konsistentere und besser organisierte Methodik erforderlich. Die Swept-Parameter-Analyse ermöglicht es dem Benutzer, die zu untersuchenden Parameter und zugehörigen Werte zu definieren, und verwendet dann eine automatisierte Methode, um das Verhalten jedes Falles zu simulieren und eine Tabelle der Ergebnisse zu erstellen, sodass die besten identifiziert werden können. Der Schlüssel zu dieser Methode ist die Auswahl einer quantitativen Metrik oder Gütezahl — eines numerischen Werts, der aus den Simulationsergebnissen abgeleitet wird und als Indikator für das Verhalten der Konstruktion dient. Die Swept-Parameter-Analyse lässt sich in zwei Kategorien einteilen - vollständige Analyse, wo alle Kombinationen aller Konstruktionsvariablen untersucht werden, und reduzierte Satzanalyse, wo nur eine Teilmenge aller Kombinationen untersucht wird.

Reduzierte Satzanalyse ist wichtig, weil die Anzahl der Permutationen in einer vollständigen Analyse schnell zunimmt, wenn Variablen und Werte hinzukommen. Bei der vollständigen Analyse werden alle Kombinationen aller Variablen bewertet, ob sie sinnvoll sind oder nicht. Die Analyse reduzierter Mengen hilft dabei, die Simulationszeiten unter diesen Bedingungen überschaubar zu halten, indem sie es den Benutzern ermöglicht, ihre Konstruktionsinstinktion zu nutzen und Möglichkeiten zur Begrenzung der Anzahl der untersuchten Fälle festzulegen.

Bei großen Studien kann die Zahl der zu untersuchenden Fälle auf Millionen ansteigen, und eine traditionelle Untersuchung ist nicht mehr möglich. In diesen Fällen muss die Teilmenge aller Permutationen, die simuliert werden, mithilfe fortschrittlicher mathematischer Stichprobenmethoden sehr effizient ausgewählt werden, da praktisch nur ein kleiner Prozentsatz der Gesamtzahl der Permutationen simuliert werden kann. Das machen fortgeschrittene Optimierungstools — der Benutzer definiert den Bereich der Designvariablen und Werte, die untersucht werden sollen (die Raum gestalten), die Output-Metriken, die zum Vergleich des Konstruktionsverhaltens verwendet wurden (die Antworten), die Werte für die Antworten, die den Erfolg oder Misserfolg eines Entwurfs definieren (das Design Ziele) und für jede Antwort, ob die Absicht darin besteht, ihren Wert zu maximieren oder zu minimieren (das Design Tore).

Die Reaktionsfläche ist definiert als der n-dimensionale Raum, der durch den Wert jeder Metrik über den Bereich der Eingaben entsteht — einfach ausgedrückt, ein Diagramm der Ausgabewerte. Wenn nur eine Variable existiert, ist die Wirkungsfläche ein 2D-Diagramm (X-Y) oder eine Kurve. Wenn zwei Eingabevariablen existieren, ist die Oberfläche der Antwortvariablen ein 3D-Diagramm, wobei die Ausgabemetrik auf der Z-Achse dargestellt ist. Wenn drei Eingabevariablen existieren, wird die Antwortoberfläche vierdimensional und so weiter. Diese Antwortoberflächen höherer Ordnung sind für Menschen schwer zu verinnerlichen, aber die zusätzliche Komplexität macht für Computer und mathematische Algorithmen keinen großen Unterschied, abgesehen von der Zeit, dem Speicher und den erforderlichen Berechnungen. Daher kombinieren fortschrittliche Optimierungstools (HL-DSE ist eines davon) die Analyse der Reaktionsfläche mit ausgeklügelten numerischen Algorithmen, die Simulationsexperimente verwenden, um automatisch einen großen Konstruktionsraum so effizient und umfassend wie möglich zu untersuchen.