Optimice automáticamente sus modelos para reducir los costos de material y carbono mediante el aprendizaje automático
Vista general
SkyCiv S3D Optimizer es un complemento para S3D que minimiza de forma autónoma los costes de material y carbono del modelo S3D existente de un ingeniero.. El algoritmo funciona manipulando las secciones de un modelo S3D, dimensiones de la sección, materiales, y ubicaciones de nodos para reducir los costos mientras se preserva la solidez estructural y la integridad arquitectónica. Esto es posible gracias a los algoritmos de aprendizaje automático junto con la potente funcionalidad de S3D..
Cómo funciona
El SkyCiv S3D Optimizer se encuentra actualmente en su etapa beta y se presenta a través de un lanzamiento suave.. Si bien aún no tendrá control sobre cuándo o cómo se optimizará su modelo, el optimizador se ejecutará en segundo plano en sus modelos existentes cada vez que los resuelva. Al finalizar, es posible que se le notifique de los resultados optimizados y tenga la opción de ver el modelo optimizado. Nota, en este momento, el optimizador solo optimizará las secciones de la biblioteca presentes dentro del modelo existente. Puede desactivar esta función en cualquier momento, yendo a su configuración en S3D y marcando la casilla que dice Optimizador SkyCiv de ejecución automática.
Un ejemplo de notificación de una optimización exitosa
Para que el optimizador se ejecute en su modelo, tu modelo inicial debe contener: al menos una sección de la biblioteca; y tener al menos un índice de utilidad menor que uno. tenga en cuenta, Solo las utilidades iniciales que sean inferiores a uno se considerarán como criterios de diseño para el optimizador..
Cuáles son las variables y los criterios?
Las variables (parámetros) siendo cambiado en tu modelo, se limitan a los datos de la sección. Está iterando a través de todas las secciones posibles en la biblioteca especificada.. Por ejemplo, si un usuario tiene una sección de W8x10 (tomado del americano – Base de datos AISC), el Optimizador seleccionará la sección más óptima en esa biblioteca en particular.
El Optimizador se basa en los siguientes criterios:
- La relación del rango de deflexión debe ser menor que L / 250
- Las tensiones de los miembros deben estar en una proporción inferior a 0.95 para la resistencia del material (basado en la entrada definida por el usuario)
- Las tensiones de los miembros deben estar en una proporción inferior a 0.95 para el rendimiento del material (basado en la entrada definida por el usuario)
- Minimizar el costo ($ por masa) de los materiales utilizados
Resultados de muestra de una ejecución del optimizador. Los usuarios pueden abrir el modelo optimizado en otra ventana.
Preguntas más frecuentes
¿Por qué no me notifican los resultados de optimización después de resolver mi modelo??
Una variedad de factores pueden provocar que no se le notifique. Estos incluyen un modelo inicial que no es estructuralmente estable, un modelo que no contiene secciones de biblioteca estándar, demasiado grande de un modelo, o un modelo que no se puede optimizar de manera significativa.
No ejecutaremos modelos que sean demasiado grandes durante el lanzamiento suave. De media, debería tomar 1 minuto para que se ejecute el optimizador.
¿Cómo puedo elegir las secciones que quiero optimizar?? ¿Puedo optimizar otros aspectos del modelo??
Estamos restringiendo la selección de secciones y otros criterios de optimización para el lanzamiento suave.. Estas funciones estarán disponibles en un futuro próximo.
¿Por qué a veces obtengo resultados diferentes en el mismo modelo??
En algunos casos, puede haber millones de variaciones de un modelo S3D. Es computacionalmente imposible probarlos todos. Nuestro algoritmo se basa en un proceso estocástico metaheurístico (aleatorio) para encontrar el mejor modelo lo más rápido posible. Debido a la naturaleza aleatoria de este algoritmo, no siempre se garantiza que encontrará el mejor / mismo modelo.
¿Por qué no se optimizan todas mis secciones??
Intentamos limitar el tiempo de duración del optimizador a un minuto.. Debido a esto, es posible que no tengamos tiempo para optimizar todas las secciones. Usamos el aprendizaje automático para determinar qué secciones deben optimizarse en el marco de tiempo asignado..
