HyperLynx Design Space Exploration

Optimalizačná výzva

Simulácia umožňuje dizajnérom analyzovať, ladiť a optimalizovať elektronický dizajn pomocou digitálneho dvojčaťa pred vydaním prototypu do výroby. Výsledkom je robustnejšia, spoľahlivejšia a nákladovo efektívnejšia doska znížením pravdepodobnosti problémov vzniknutých počas laboratórneho testovania, ktoré môžu vyžadovať obnovenie dosky.

Simulácia tiež umožňuje používateľom preskúmať alternatívne verzie ich dizajnu s cieľom zvýšiť spoľahlivosť, rýchlosť alebo maržu alebo znížiť celkové výrobné náklady. Keď sa simulácia používa ako optimalizačný nástroj, zložitosť vykonanej analýzy sa zvyčajne zvyšuje postupne:

Select...

Používatelia spočiatku upravujú dizajn a znova simulujú zmeny jeden po druhom. Funguje to dobre pre jednoduché štúdie a pre nových používateľov simulácie je ľahko pochopiteľné. Táto metóda funguje najlepšie, keď je potrebné študovať iba jeden alebo dva konštrukčné parametre (premenné) a keď používateľ môže ľahko určiť hodnoty parametrov, ktoré sa majú použiť pre ďalšiu štúdiu na základe výsledkov predchádzajúcich.

Rýchla a efektívna optimalizácia

Efektívne skúmanie veľkých dizajnových priestorov s čo najmenším počtom simulácií je náročná úloha, ktorá si vyžaduje kombináciu pokročilých analytických techník. Vyžaduje si to prístup, ktorý vyvažuje dve protichodné požiadavky:

Znížte všetky sľubné výsledky, aby ste rýchlo našli ich optimálne hodnoty. Keď sa pôvodne vzorkuje konštrukčný priestor, vybrané hodnoty zriedka vedú k optimálnym hodnotám. Namiesto toho produkujú gradienty, ktoré sa spracovávajú tak, aby sa našli optimálne miesta (zvyčajne lokálne maxima/minimá) na povrchu odozvy. Nulovanie na lokálne (ale nie globálne) optimálny výsledok si vyžaduje ďalšie simulačné experimenty, ktoré v konečnom dôsledku neprispievajú k nájdeniu globálneho optimálu.
Zabezpečenie primeranej vzorky z celého konštrukčného priestoru. Zvážte škatuľu na vajcia, kde sú vrcholy a údolia mierne odlišné. Existuje mnoho rôznych miestnych minimov a maxima - ale iba jedna globálna hodnota každého z nich. Po počiatočnom odbere vzoriek je ľahké nájsť miestny gradient a miestny vrchol/údolie - ale veľmi ťažké zabezpečiť nájdenie globálnej hodnoty. The celý vzorky priestoru musia byť dostatočne odobraté na to, aby sa do konca procesu zistili globálne maxima/minimá.

Algoritmus SHERPA

Vyváženie týchto dvoch rôznych požiadaviek je náročná úloha, ktorá vyžaduje pokročilé techniky na posúdenie každej odozvy, keď bude k dispozícii na vyhodnotenie numerického poradia povrchu odozvy a určenie ďalšieho experimentu, ktorý sa má spustiť. Pri väčšine optimalizátorov si to vyžaduje značné pochopenie riešeného problému a samotného vyhľadávacieho algoritmu na „ladenie“ riadiacich parametrov algoritmu.

S HL-DSE algoritmus SHERPA vyhodnocuje odpovede pri spustení analýzy a automaticky ladí algoritmus. HL-DSE vytvára graf reakcií v priebehu analýzy a ukazuje hodnotu (hodnoty) získané z každého simulačného experimentu.

HyperLynx graph showing a design of experiments optimization history shown via SHERPA algorithm

V tomto grafe má HL-DSE dve čísla zásluh a súvisiace ciele:

optimalizovať červené hodnoty
minimalizovať modré hodnoty

Modrá čiara zobrazuje históriu experimentov, ktoré zlepšili hodnotu modrej metriky. Ako rozpočet na túto analýzu bolo uvedených 100 simulácií z celkovo 82 500 možných permutácií vstupných hodnôt.

V rámci 25 simulácií dokázala SHERPA rýchlo nájsť takmer optimálne hodnoty pre každú metriku.

Metodika povrchu odozvy

Vizualizácia výsledkov

Vzhľadom na komplexnú povahu skúmaných problémov sú pokročilé optimalizačné techniky schopné vzorkovať iba malé percento celkového projektového priestoru. Schopnosť rýchlo a efektívne vizualizovať výsledky analýzy je kľúčovou súčasťou vykonávania procesov, ako je napríklad optimalizácia.

HyperLynx Design Space Exploration ponúka bohatý sortiment možností výstupného vykreslenia, ktoré poskytujú prehľad o tom, ako sa dizajn správa. Patria sem 3D grafy, ktoré môžu ukázať veci, ako je strata návratnosti ovplyvnená separáciou a priemerom antipad.

V tomto príklade sa má maximalizovať strata návratu, aby sa zlepšila integrita signálu. To zahŕňa následné spracovanie výsledkov každej simulácie, aby sa nahlásila maximálna hodnota, ktorá sa vyskytla ako metrika odozvy, a potom nájdenie podmienok vstupnej premennej, ktoré túto odozvu minimalizujú.

3D graph showing colored surface with contour lines, representing data visualization or response surface methodology

Metodika povrchu odozvy z HyperLynx DSE

A design table showing various home styles with columns for square footage, bedrooms, bathrooms, and garage spaces.

Definovanie dizajnového priestoru

HL-DSE je integrovaný s procesormi HyperLynx Advanced Solvers 3D Explorer a systémom HyperLynx Signal Integrity pred rozložením sériových prepojení, z ktorých každý je už schopný optimalizovať návrh prostredníctvom analýzy zmiešaných parametrov.

Keď sa počet simulačných prípadov stane neudržateľným, HL-DSE sa používa na vykonanie automatizovanej optimalizácie. Dizajnové premenné a rozsahy, ktoré už používateľ definoval, sú oznámené spoločnosti HL-DSE, ktoré môže užívateľ skontrolovať a podľa potreby upraviť.

Ciele analýzy

Definovanie cieľov optimalizácie

HL-DSE je tesne integrovaný s 3D Explorer a analýzou zhody pred rozložením z pohľadu výstupu simulácie (odozvy). Výstupné metriky, ktoré už používateľ definoval, sa odovzdávajú do HL-DSE, kde používateľ pridáva požiadavky na prihlásenie/zlyhanie a ciele optimalizácie.

Diagram showing study responses and parameters with data visualization elements and charts

Náhradné modelovanie

Colorful abstract 3D shapes and patterns representing surrogate modeling or data visualization

V niektorých aplikáciách nestačí jednoduché vykonávanie simulačných experimentov a nájdenie optimálnych konfigurácií, pretože cieľom je vedieť, ako sa dizajn správa v miliónoch prípadov. Napríklad, akonáhle je dizajn optimalizovaný, používateľ môže chcieť predpovedať výrobný výnos na milióny jednotiek. V tomto prípade sú premenné parametrami konštrukcie, ale ich rozsah sa stáva rozdelením hodnôt, ktoré by sme očakávali ako výsledok výrobných tolerancií.

Spustenie miliónov simulačných experimentov zjavne nie je praktické, takže sa vytvorí prispôsobený matematický alebo náhradný model, ktorý úzko zodpovedá návrhovému vstupnému a výstupnému správaniu v rámci rozsahu parametrov. Tento náhradný model sa potom môže použiť namiesto skutočných simulačných experimentov na predpovedanie správania dizajnu za veľkého počtu podmienok, a preto predpovedať výrobný výnos.

Algoritmus prieskumu SHERPA