软件说明
简介
SmartUQ团队由世界一流的统计、工程和商业专家领导,形成了以目标为导向、以研究为基础的文化。我们自豪地为客户的不确定性量化、预测分析和机器学习需求创造了改变游戏规则的解决方案,而这些都不存在现成的解决方案。
特点一:数据采样
▪ DOE 通常用于从系统中收集新数据。在许多情况下,已经收集到足够的数据。通常在这些场景中,收集到的数据是经过长时间积累的,并且有足够的数据进行分析。
例如,来自现场组件上的传感器的健康监测数据可以在组件的整个使用寿命期间连续捕获实时数据。SmartUQ 的数据采样工具可以划分数据以模拟由完整数据集的子集组成的空间填充 DOE。
与在数据收集之前开发的 DOE 不同,像二次采样和切片采样这样的数据采样采用现有的输入-输出数据对并选择能够很好地代表设计空间的点。
数据采样工作
流程数据采样工具的工作流程从从模拟和/或物理数据中收集的数据集开始。数据集往往很大,使用整个数据集进行分析可能对计算要求很高。SmartUQ 数据采样工具可以将数据集划分为能够很好地代表设计空间的较小子集。
▪ 二次采样算法:从现有的大型数据集中对用户指定数量的点进行抽样,以充分代表原始数据集。与任意将数据集一分为二不同,二次抽样工具会考虑模拟空间填充 DOE 的点,从而减少二次抽样数据集中的潜在偏差。
通过仅使用初始数据的子集,计算负担显着减少,同时通过智能选择过程保持准确执行高级分析的能力。较大的剩余数据子集可用于执行模型验证,从而节省模拟和测试资源,同时保持对预测准确性的信心。
子采样过程
对子样本所在的现有数据集进行子采样模拟空间填充 DOE。
▪ 切片采样算法 与切片设计一样,切片采样算法将数据集分为几组。但是,不再假定初始数据集是空间填充设计。每个切片可用于构建模拟器或执行模型验证。切片结构启用的独特仿真过程是仿真的分而治之方法。
用于训练的每个切片都有自己的模拟器,然后将所有模拟器组合成一个模拟器以获得最终结果。这允许并行计算并减少执行大型数据集的高级分析所需的内存需求。
切片采样过程
将现有数据集切片为四个切片,其中每个切片模拟一个填充空间的 DOE。
特点二:实验设计概述
▪ SmartUQ 提供了一套专门的空间填充设计、各种更先进的实验设计 (DOE) 和几个独特的正在申请专利的 DOE,以应对复杂的挑战。我们了解您在进行实验设计时有两个主要顾虑:获取足够的数据以准确表示正在采样的系统,以及通过减少样本数量来控制成本。
我们更先进的 DOE 可确保足够的采样,同时减少所需的点数。我们专有的 DOE 更进一步,使用来自先前采样点的信息来确定下一个样本应该在哪里采集,从而为您提供前进所需的数据。您甚至可以通过从大型观测数据集中进行二次抽样来跳出框框思考。此外,SmartUQ 灵活的 DOE 生成工具可让您根据特定需求定制采样。
当您选择 SmartUQ 软件来设计 DOE 时,您将获得更准确、更全面的结果,运行次数显着减少,从而节省了时间和金钱。
什么是 DOE?
实验设计 (DOE) 是系统抽样模式,用于进行实验以确定输入和输出之间的因果关系。如果没有确保从正确的实验中收集到足够信息的 DOE,则可能很难或不可能达到测试的目标。如果您使用依赖于实验者或模拟用户的直觉的采样模式进行模拟或测试实验,则可能会导致对输入之间的交互方式缺乏了解,这可能会浪费测试资源并导致错失机会。
使用多个因素同时变化的多因素设计有助于解决这些问题。不仅要评估单个因素的影响,还要评估各种因素对或因素组合如何相互作用以改变输出值,这一点至关重要。
空间填充设计
阶乘 DOE 提供了强大的信息收集能力,但它们通常需要以更大的成本采集更多样本,而不是在高度非线性系统中确定因果关系真正需要的样本。现代空间填充设计通常是具有高度非线性响应的模拟和复杂物理实验有效的 DOE。
空间填充设计,例如拉丁超立方体设计和更优拉丁超立方体设计,对一系列均匀分布的代表性输入配置进行采样以填充设计空间。研究表明,这种类型的 DOE 更大限度地减少了运行次数,同时更大限度地提高了从每次模拟中获得的潜在学习。因此,空间填充设计提供了高精度,同时减少了采样点的总数。
顺序和多保真 DOE
顺序 DOE 使用多个 DOE,每个 DOE 都经过优化以填补先前采样模式中的空白。可以重复此过程以提高仿真器精度,通过仅运行实现所需精度水平所需的仿真来帮助更大限度地减少总仿真时间。
该 DOE 还允许结合多保真模拟的新选项。低保真仿真可用于生成仿真器并快速探索设计空间。为确保准确性,可以使用较小的高保真模拟样本来校准仿真器。当计算资源可用时,也可以使用此 DOE 战略性地运行模拟并提高仿真器的准确性。
例子
顺序 DOE 在本例中,生成了一个初始的 4 点 DOE。接下来是第二个 4 点 DOE 和第三个 8 点 DOE,它们依次增加初始 DOE 的分辨率。
平行空间填充 DOE
在并行 DOE 中,采样点被分成单独的并行批次。这在改变连续和离散输入的混合时特别有用:每个批次可以处理单独级别的离散输入。也可以通过构建每个批次来支持多个离散输入,使其由较小的并行 DOE 组成。
这些 DOE 还可用于在多个组之间划分计算和实验工作。对于计算机实验,能够在更大的计算设备组之间分配完整实验的计算负载可以显着减少时钟时间。
例子
并行 DOE
此示例显示了一个更佳二维、20 点、4 批 DOE,适用于处理两个连续输入和一个具有四个级别的离散输入。
双并行 DOE
此示例显示了一个二维、36 点、双并行 DOE,适用于处理两个连续输入和两个离散输入,每个输入具有三个电平。
自适应 DOE
自适应设计允许用户通过自适应地向用于创建仿真器的 DOE 添加更多点来提高拟合仿真器(代理模型、元模型)的准确性。在这个过程中,仿真器是从现有的 DOE 和相关的结果数据中创建的。然后,该仿真器用于确定应在何处添加下一次仿真运行,以提高仿真器的准确性。可以重复此过程,直到达到所需的拟合精度水平。
例子 我们的算法使用两种方法模拟了此处显示的具有几个难以拟合的特征的测试表面:一次性优化拉丁超立方体设计和我们的自适应 DOE。
测试面
第一个 DOE 是一次性更优拉丁超立方体设计。使用此 DOE 生成的仿真器产生了如下所示的模型表面。
一次性优化 LHD
第二个 DOE 是我们专有的自适应 DOE。从最初的 20 点优化 LHD 开始,SmartUQ 的自适应设计功能在设计空间中一一增加了五个点。每个点都针对我们的算法基于先前仿真器选择的设计空间的特定区域。这种方法产生了一个更准确的模型,在使用相同数量的模拟运行时将误差减少了一个数量级。
自适应 DOE
DOE 增强
设计增强允许用户生成与现有 DOE 相结合的 DOE,从而使新点更大化组合 DOE 的空间填充特性。在实践中,有时在一个模拟系列中运行大型 DOE 所需的所有设计点是不可取的或不可行的。
从以前的设计空间探索、优化程序和以前的产品开发周期中得到现有的 DOE 是很常见的。这些 DOE 可能没有良好的空间填充特性,但仍包含有价值的信息。设计增强可用于确定更大化从给定数量的新模拟运行中可以学习的信息所需的更佳模拟运行,同时还可以利用先前收集的数据。
设计增强与自适应设计不同:在设计增强中,仅根据现有 DOE 本身的属性生成更佳点。因此,新点对模拟结果是盲目的。在自适应设计中,更佳点是基于使用先前仿真结果创建的仿真器以及 DOE 的属性生成的。
设计增强比自适应设计更稳健,因为前者是无模型的,并且适用于具有任意数量响应的模拟。设计增强和自适应设计都是有用的补充工具,用户应根据正在研究的特定案例的属性在这两个选项之间做出决定。
例子
增强的 DOE 在本例中,对质量较差的初始 DOE 进行了增强,以便生成的 DOE 更好地覆盖整个设计空间。
稀疏网格
在这个例子中,由于模拟收敛失败而缺少数据的稀疏网格被扩充以增加 DOE 的空间填充属性。当由于缺少数据而无法执行基于多项式混沌的不确定性分析时,此功能特别有用。
数据采样
DOE 通常用于从系统中收集新数据。在许多情况下,已经收集到足够的数据。通常在这些场景中,收集到的数据是经过长时间积累的,并且有足够的数据进行分析。
例如,来自现场组件上的传感器的健康监测数据可以在组件的整个使用寿命期间连续捕获实时数据。SmartUQ 的数据采样工具可以划分数据以模拟由完整数据集的子集组成的空间填充 DOE。
与在数据收集之前开发的 DOE 不同,数据采样(例如二次采样和切片采样)采用现有的输入-输出数据对并选择能够很好地代表设计空间的点。