제품소개

optiSLang

optiSLang 제품문의

optiSLang은 CAE기반의 최적화 해석 및 확률적 분석 프로그램으로써, 이 분야의 선두를 줄곧 지켜왔습니다.
자동화되고 효율적인 사용방법과 해석의 흐름, 직관적인 사용자 환경, 강력한 결과 출력기능 등은 optiSLang을 최고의 CAE-기반 최적화 툴로 자리매김 시켜주고 있습니다.

Background and Benefits

optiSLang은 단순한 매개변수의 활용을 넘어서, 임의의 dimension과 산포된 인자에 대한 영향을 통계학적 기법을 이용하여 correlation할 수 있습니다.
전통적 또는 진화론적 최적화 기법을 바탕으로 변수를 최적화 할 수 있으며, 통계기법을 이용한 결과치의 분포특성이나 확률에 대한 계산도 가능합니다.
즉, optiSLang을 이용하면 입력변수와 응답변수 사이의 상관관계를 통하여 설계 변수와 수치 모델에 대한 정확한 검토와 최적화를 할 수 있습니다.
그러면, optiSLang만의 차별화된 특징은 무엇일까요? 매개변수를 이용한 기능은 대부분의 해석 프로그램에서 가능하며, 일반적인 최적화 프로그램도 여러 가지 최적화 기능을 가지고 있습니다. 하지만 이러한 기능에 있어 무엇보다 중요한 점은 최소한의 시뮬레이션 횟수로 비선형성과 불완전성이 많으며 수많은 설계 변수가 존재하는 실제 문제에 대한 효율적이고 안정적인 결과 도출이 가능해야 하는 점 입니다. optiSLang은 이러한 요건을 모두 만족시켜 주는 최고의 제품이며, 가상 제품 개발에 있어서 가장 훌륭한 도구가 될 것입니다.

Coefficient of Prognosis (CoP) and, Metamodal of Optimal Prognosis (MOP)

오늘날에는 강력한 매개변수 기능을 갖춘 다양한 CAD와 CAE툴이 있으며, 이로 인하여 최적화 변수의 수도 같이 증가하고 있습니다. 전통적인 실험계획법(DOE)과 반응표면(RSM)기법에서는 정확성과 해석 시간 단축을 위하여 설계변수의 수를 최소화 하고 가장 적절한 DOE 기법을 선택하며 최적의 회귀모델을 선택하라고 합니다.
optiSLang의 CoP과 MOP 자동설정 기능을 이용하면 가장 중요한 변수에 대한 자동 선택과 가장 알맞은 Meta model의 자동선택이 가능하며, 사전 예상 품질에 대한 검증을 도와줍니다. 또한 optiSLang의 강건하고 자동화된 적응회귀모델(ARSM)기능을 이용하여, 20개 이상 변수를 가진 대형 문제에 대한 완전 자동 최적화가 가능합니다.

CoP와 MoP에 의한 모델 축소 및 최적의 Meta모델 자동생성

Robustness Evaluation and Reliability Analysis

optiSLang의 개발 초기부터 신뢰도 해석을 통한 강건성 평가는 매우 중요한 부분이었습니다. 이후로도 optiSLang이 보유한 최고의 신뢰도 분석 알고리즘은 꾸준히 개선개발 되어 CAE기반의 강건설계 및 신뢰도 분석에서 가장 뛰어난 프로그램으로 자리 잡았습니다.

Robust Design Optimization (RDO)

RDO는 가상제품설계(virtual prototype)분야에 있어 중요한 이슈입니다. 매우 많은 수의 설계변수와 불확정변수를 포함하고 있는 실제 문제에 대한 RDO를 충족시키기 위해서, optiSLang은 다양하고 강력한 기능들을 제공합니다. 강건성 평가와 deterministic 최적화의 경우에 해석방법을 결정하는 것이 중요한 문제일 경우가 있습니다.
물론 가장 이상적인 경우는 최적화와 불확정 영역을 동시에 고려하면서 강건성을 보유한 가상 제품의 개발이 자동으로 이루어지는 것입니다. 이를 위해 최적화, 강건성평가, 신뢰성평가를 통합한 강건설계 최적화 알고리즘 툴 박스가 탑재되었으며, 신뢰도와 계산효율 사이의 상호 밸런스 정도를 알 수 도 있습니다. 한편 신뢰성 해석에 전역 적응반응표면법(ARSM)이 도입되어 여러 분야의 강건설계문제를 매우 효율적으로 다룰 수 있습니다.

Robust Design Optimization post processing

SENSITIVITY ANALYSIS

Deterministic 설계 기법의 경우, 전통적인 실험계획법(full factorial, central composite, D-optimal 등)이 사용될 수 있으며, 설계 변수의 수가 작을 때(5개 정도) 효율적입니다. 반면에 설계변수가 많은 경우에는 입력변수의 correlation 에러를 줄이고 추출점의 수를 줄이기 위해서 확률론적 샘플링(Advanced Latin Hypercube 등) 기법이 추천됩니다.
샘플점의 값으로부터 계산된 해석결과 값을 이용하여 각 변수의 중요도(CoI: Calculation of variable Importance)와 계수예측(CoP: Coefficient of Prognosis)을 통한 meta모델의 예상 품질등이 구하여 집니다.

  • Extended linear correlation matrix

  • Sensitivity post processing

PARAMETER ID ENTIFICATION

변수들에 대한 계수 설정 과정에서 scalar에 대한 응답뿐만 아니라 다양한 채널에서의 복합 signal도 고려할 수 있습니다(예, 시간-변위 응답).
이 때 측정치는 reference signal로 정의됩니다. 최대 최소 값과 같은 국부적 값뿐만 아니라 어떠한 특성에 대한 통합치나 매우 복잡한 signal 제어에 관한 전역치들을 제어 할 수 있는 매우 풍부한 signal function을 제공하며, 이를 이용한 개별적인 목적함수를 정의 할 수 있습니다.
Optimal Prognosis의 Meta 모델을 이용하여, 여러 개의 signal 특성에 대한 민감도 분석이 가능하고 MOP기반의 최적화를 이용하여 최적의 계수와 변수에 대한 초기 추측이 가능합니다.
최종적인 최적화 단계에서는 다양한 최적화 기법을 적용할 수 있습니다. 곡률이 충분히 큰 목적함수의 경우에는 gradient 기반의 방법이 매우 효율적으로 사용될 수 있으며, 그렇지 않을 경우에는 Nature Inspired Optimization Algorithms을 사용하여 강건성을 높일 수 있습니다.

Sensitivity analysis at different signal values

OptiSLang inside ANSYS Workbench

ANSYS Workbench내에 optiSLang이 완전히 통합되었습니다. ANSYS Workbench환경내에서 변수로 설정된 모든 값들을 이용하여 optiSLang에 적용할 수 있습니다.

OptiSLang inside ANSYS Workbench

Process automation and process integration

Robustness evaluation

  • Pearson’s linear correlation
  • Workflow definition via graphical user interface
  • Reliable use with help of wizards
  • robust default settings
  • Connection of arbitrary complex solver chains
  • Parallelization and distribution of design evaluation
  • Direct integration of Matlab /Octave, Excel/OOCalc
  • Python and SimulationX
  • Supported connection of ANSYS, Abaqus, LS-DYNA, Adams, MADYMO
  • Arbitrary connection of ASCII file interfaced solvers
  • Full integration of optiSLang in ANSYS workbench
  • Python interfaces to optiSLang library
  • More then 20 probability distribution functions
  • Distribution fits using measurements
  • Continuous and discrete random variables
  • Correlated input variables using the Nataf model
  • Monte Carlo and Advanced Latin Hypercube Sampling
  • Statistical assessment of output variation including:
    • histograms with automated distribution fits
    • stochastic moments
    • quantile and sigma level estimation
    • Sensitivity analysis using correlations and MOP/CoP

Sensitivity analysis

Reliability analysis

  • Classical Design of Experiments
  • Advanced Latin Hypercube Sampling
  • Correlation coefficients (linear, quadratic, rank-order)
  • Principal Component Analysis
  • Polynomial based Coefficient of Determination
  • Polynomial based Coefficient of Importance
  • Metamodel of Optimal Prognosis (MOP) with Coefficient of Prognosis (CoP)
  • MOP/CoP based sensitivity indices for important variables
  • Definition of arbitrary limit states
  • Monte Carlo and Latin Hypercube Sampling
  • First Order Reliability Method (FORM)
  • Importance Sampling Using Design Point (ISPUD)
  • Directional Sampling
  • Asymptotic Sampling
  • Adaptive Response Surface Method

Multidisciplinary nonlinear optimization

Robust Design Optimization (RDO)

  • Continuous, discrete and binary design variables
  • Gradient based optimization (NLPQL)
  • Global Response Surface optimization using MOP with best
  • design verification
  • Adaptive Response Surface Method
  • Evolutionary Algorithms (EA)
  • Particle Swarm Optimization (PSO)
  • Stochastic Design Improvement
  • Multiobjective optimization using weighted objectives
  • Multiobjective Pareto optimization with EA and PSO
  • Start design import from previous samples
  • Sequential and fully coupled procedures
  • Variance based RDO
  • Reliability based RDO
  • Flexible definition of robustness measures using e.g. mean values, variances, Taguchi loss functions and probability of failure
  • Consideration of robustness measures in optimization
  • constraints and objectives functions

Parameter identification

Post processing

  • Parametrization of response signals
  • Signal function library including FFT, filtering etc.
  • Sensitivity analysis using MOP/CoP to check identifiability
  • Flexible definition of identification goal functions
  • Local and global optimization methods to search for optimal
  • parameters
  • Statistic post processing including anthill plots, correlation plots and sensitivity indices
  • Approximation post processing including 2D and 3D plots of response surfaces and the MOP
  • Optimization post processing including Pareto frontier and convergence history of design variables, responses, objectives and constraints
  • Parallel coordinates plot
  • Traffic light plot
  • Full interaction of single plots
  • Design classification using coloring, selection/deselection
  • High quality outputs in BMP, PNG, SVG, EPS and PDF format

입력하신 정보와 일치하는 정보입니다.

admin123

비밀번호찾기 확인

비밀번호를 입력해주세요.

취소

탈퇴되었습니다. 감사합니다.

확인

배송지목록

배송지명 기본 배송지 이름 핸드폰번호 주소 관리
이원구 010-1111-1234

서울시 강남구 강남대로 120, 111 (역삼동, 유니온센터빌딩)

서울시 강남구 강남대로 120, 111 (역삼동, 유니온센터빌딩)

선택 삭제
이원구 010-1111-1234

서울시 강남구 강남대로 120, 111 (역삼동, 유니온센터빌딩)

서울시 강남구 강남대로 120, 111 (역삼동, 유니온센터빌딩)

선택 삭제
이원구 010-1111-1234

서울시 강남구 강남대로 120, 111 (역삼동, 유니온센터빌딩)

서울시 강남구 강남대로 120, 111 (역삼동, 유니온센터빌딩)

선택 삭제
이원구 010-1111-1234

서울시 강남구 강남대로 120, 111 (역삼동, 유니온센터빌딩)

서울시 강남구 강남대로 120, 111 (역삼동, 유니온센터빌딩)

선택 삭제
취소
1 2 3 4 5 6 7 8 9 10

신청을 취소하시겠습니까?

확인 취소

교육상세내용
Workbench Mechanical DesignModeler

SI/PI/EMI 기초 교육

본 교육은 ANSYS SIwave와 HFSS를 이용한 SI/PI/EMI 해석 기초이론 교육입니다. 특히 전기전자 분야를 전공하지 않은 비전공자를 대상으로 전기전자 및 일반 산업 기기 전반에 걸쳐 주요관심사로 대두되고 있는 SI/PI/EMI에 대하여  쉽게 이해하고 접근할 수 있도록 구성하였습니다.
주요 내용으로 전자기학 기초, 전자부품 기초 및 SI/PI/EMI 기초로 구성 되어 있습니다. 본 과정을 수료함으로써 현업에서의 SI/PI/EMI에 대한 이해에 도움이 될 것입니다.

#일시: 2016년 9월 27일(화) 10:00~17:00
#강사: 태성에스엔이 김지원 부장 / 
#교육비: 무상

  10:00~11:30 : 전기전자 기초 교육
- SI/PI/EMI 이해를 돕기 위한 기초 이론 교육
- 전자기학 기초
- 전자부품 기초

  11:40~13:00 : SI/PI 기초 이론
- Signal Integrity 기초
- Power Integrity 기초 
13:00~14:00 : 점심 식사
14:00~15:30 : EMI 기초 이론
- EMI/EMC 기초 이론 교육
- EMI/EMC 적용 사례 분석

  15:40~17:00 : ANSYS SI/PI/EMI 해석 Solution Q&A

본 교육은 ANSYS SIwave와 HFSS를 이용한 SI/PI/EMI 해석 기초이론 교육입니다. 특히 전기전자 분야를 전공하지 않은 비전공자를 대상으로 전기전자 및 일반 산업 기기 전반에 걸쳐 주요관심사로 대두되고 있는 SI/PI/EMI에 대하여  쉽게 이해하고 접근할 수 있도록 구성하였습니다.
주요 내용으로 전자기학 기초, 전자부품 기초 및 SI/PI/EMI 기초로 구성 되어 있습니다. 본 과정을 수료함으로써 현업에서의 SI/PI/EMI에 대한 이해에 도움이 될 것입니다.

#일시: 2016년 9월 27일(화) 10:00~17:00
#강사: 태성에스엔이 김지원 부장 / 
#교육비: 무상

  10:00~11:30 : 전기전자 기초 교육
- SI/PI/EMI 이해를 돕기 위한 기초 이론 교육
- 전자기학 기초
- 전자부품 기초

  11:40~13:00 : SI/PI 기초 이론
- Signal Integrity 기초
- Power Integrity 기초 
13:00~14:00 : 점심 식사
14:00~15:30 : EMI 기초 이론
- EMI/EMC 기초 이론 교육
- EMI/EMC 적용 사례 분석

  15:40~17:00 : ANSYS SI/PI/EMI 해석 Solution Q&A

본 교육은 ANSYS SIwave와 HFSS를 이용한 SI/PI/EMI 해석 기초이론 교육입니다. 특히 전기전자 분야를 전공하지 않은 비전공자를 대상으로 전기전자 및 일반 산업 기기 전반에 걸쳐 주요관심사로 대두되고 있는 SI/PI/EMI에 대하여  쉽게 이해하고 접근할 수 있도록 구성하였습니다.
주요 내용으로 전자기학 기초, 전자부품 기초 및 SI/PI/EMI 기초로 구성 되어 있습니다. 본 과정을 수료함으로써 현업에서의 SI/PI/EMI에 대한 이해에 도움이 될 것입니다.

#일시: 2016년 9월 27일(화) 10:00~17:00
#강사: 태성에스엔이 김지원 부장 / 
#교육비: 무상

  10:00~11:30 : 전기전자 기초 교육
- SI/PI/EMI 이해를 돕기 위한 기초 이론 교육
- 전자기학 기초
- 전자부품 기초

  11:40~13:00 : SI/PI 기초 이론
- Signal Integrity 기초
- Power Integrity 기초 
13:00~14:00 : 점심 식사
14:00~15:30 : EMI 기초 이론
- EMI/EMC 기초 이론 교육
- EMI/EMC 적용 사례 분석

  15:40~17:00 : ANSYS SI/PI/EMI 해석 Solution Q&A