Ottimizza automaticamente i tuoi modelli per ridurre i costi di materiale e carbonio utilizzando l'apprendimento automatico

Panoramica

SkyCiv S3D Optimizer è un plug-in per S3D che riduce al minimo i costi di materiale e carbonio del modello S3D esistente di un ingegnere. L'algoritmo funziona manipolando le sezioni di un modello S3D, dimensioni della sezione, materiali, e posizioni dei nodi per ridurre i costi preservando la solidità strutturale e l'integrità architettonica. Ciò è reso possibile dagli algoritmi di apprendimento automatico abbinati alla potente funzionalità di S3D.

Come funziona

L'ottimizzatore SkyCiv S3D è attualmente nella sua fase beta e viene introdotto tramite un soft launch. Anche se non avrai ancora il controllo su quando o come il tuo modello sarà ottimizzato, l'ottimizzatore verrà eseguito in background sui modelli esistenti ogni volta che li risolvi. Al completamento, potresti essere informato dei risultati ottimizzati e avere la possibilità di visualizzare il modello ottimizzato. Nota, A quest'ora, l'ottimizzatore ottimizzerà solo le sezioni della libreria presenti all'interno del modello esistente. Puoi disattivare questa funzione in qualsiasi momento, andando alle tue impostazioni in S3D e spuntando la casella che dice Ottimizzatore SkyCiv di esecuzione automatica.

Un esempio di notifica di un'ottimizzazione riuscita

Affinché l'ottimizzatore possa funzionare sul tuo modello, il tuo modello iniziale deve contenere: almeno una sezione della biblioteca; e hanno almeno un rapporto di utilità inferiore a uno. notare che, solo le utilità iniziali che sono inferiori a uno saranno considerate come criteri di progettazione per l'ottimizzatore.

Quali sono le variabili e i criteri?

Le variabili (parametri) essere cambiato nel tuo modello, sono limitati ai dati della sezione. Sta scorrendo tutte le possibili sezioni nella libreria specificata. Ad esempio, se un utente ha una sezione di W8x10 (preso dall'americano – Banca dati AISC), l'ottimizzatore selezionerà la sezione più ottimale in quella particolare libreria.

L'ottimizzatore si basa sui seguenti criteri:

• Il rapporto dell'intervallo di deflessione deve essere inferiore a L/250
• Le sollecitazioni dei membri devono avere un rapporto inferiore a 0.95 per la forza del materiale (basato su input definito dall'utente)
• Le sollecitazioni dei membri devono avere un rapporto inferiore a 0.95 per resa materiale Material (basato su input definito dall'utente)
• Ridurre al minimo il costo ($ per massa) dei materiali utilizzati

Risultati del campione da una corsa dell'ottimizzatore. Gli utenti possono quindi aprire il modello ottimizzato in un'altra finestra

FAQ

Perché non ricevo notifiche sui risultati di ottimizzazione dopo aver risolto il mio modello??

Una varietà di fattori può comportare la mancata notifica. Questi includono un modello iniziale che non è strutturalmente stabile, un modello che non contiene sezioni di libreria standard, modello troppo grande large, o un modello che non può essere ottimizzato in modo significativo.

Non utilizzeremo modelli troppo grandi durante il soft launch. In media, dovrebbe durare 1 minuto per l'esecuzione dell'ottimizzatore.

Come posso scegliere le sezioni che voglio ottimizzare?? Posso ottimizzare altri aspetti del modello??

Stiamo limitando la selezione delle sezioni e altri criteri di ottimizzazione per il soft launch. Queste funzionalità saranno disponibili nel prossimo futuro.

Perché a volte ottengo risultati diversi sullo stesso modello??

In alcuni casi, ci possono essere milioni di variazioni di un modello S3D. È computazionalmente impossibile testarli tutti. Il nostro algoritmo si basa su un processo stocastico metaeuristico (casuale) per trovare il modello migliore il più rapidamente possibile. A causa della natura casuale di questo algoritmo, non sei sempre sicuro di trovare il modello migliore/stesso.

Perché tutte le mie sezioni non vengono ottimizzate?

Cerchiamo di limitare la durata dell'ottimizzatore a un minuto. A causa di ciò, potremmo non avere tempo per ottimizzare tutte le sezioni. Usiamo l'apprendimento automatico per determinare quali sezioni dovrebbero essere ottimizzate nel periodo di tempo assegnato.