Uso de información de gradiente en la construcción de modelos sustitutos de CFDHola,
No esperaba un montón de respuestas sobre esto. Creo que es un poco de nicho!
Hoy presenté a algunos ingenieros sobre la determinación de soluciones de diseño robustas utilizando experimentos de simulación DoE y Monte Carlo. Uno de la audiencia preguntó sobre el krigging y cuando le pedí que me explicara más detalladamente, resultó que tenía un significado diferente a lo que estaba pensando. No sé mucho sobre el modelo de CFD pero me dijo que, además de obtener la estimación de la respuesta, también pueden obtener información sobre el gradiente de la superficie de respuesta para cada ejecución de la simulación. No estoy seguro de cómo funciona esto, pero me imagino que es información útil. ¿Cómo podrían construir esto en el modelo sustituto. Vea a continuación su descripción del desafío.
El aspecto que discutí con usted fue incluir información del gradiente en la construcción de un modelo de superficie de respuesta. Mi interés es principalmente en el uso de DoE con análisis de dinámica de fluidos computacional (CFD) donde generalmente es necesario limitar la cantidad de puntos experimentales tanto como sea posible para mantener el costo computacional global bajo control. En el pasado, he utilizado con cierto éxito diseños de relleno de espacio (como Latin Hypercube) con análisis de CFD. Sin embargo, cuando el número de puntos de datos es bastante bajo, no es obvio que la superficie de respuesta representará adecuadamente la convexidad (forma) de los datos subyacentes, a menos que los datos sean bastante suaves. La incorporación de información sobre gradientes, como hemos investigado con el Profesor Andy Keane en el Grupo de Ingeniería Computacional y Diseño en la Universidad de Southampton, es una forma de mejorar la capacidad de la superficie de respuesta para representar la forma subyacente de los datos. Una de nuestras principales herramientas de CFD incluye una capacidad adjunta, mediante la cual la solución de las ecuaciones adjuntas derivadas de las ecuaciones de Navier-Stokes utilizadas para representar el flujo proporciona información sobre la sensibilidad de las variables de ingeniería, como el arrastre a los cambios en la geometría o las condiciones de los límites del flujo. Esta información de sensibilidad parece ser un buen candidato para mejorar la superficie de respuesta que define el modelo sustituto.
Re: Uso de información de gradiente en la construcción de modelos sustitutos de CFDEn caso de que alguien más esté interesado, hablé con Chris Gotwalt sobre esto la semana pasada mientras estaba en el Reino Unido. Dijo que está consciente de la opinión de usar información de gradiente en la construcción de modelos sustitutos para CFD para obtener un mejor modelo con menos puntos de diseño. Sin embargo, esto no es algo que puedas hacer en JMP. Y no es algo que se pueda agregar en JMP porque es una aplicación muy específica.
Gracias a todos por sus comentarios.
Phil
Re: Uso de información de gradiente en la construcción de modelos sustitutos de CFDNo te preocupes, Bill. ¡Pensé que era una posibilidad remota que alguien hubiera usado este enfoque!
Re: Uso de información de gradiente en la construcción de modelos sustitutos de CFDLo siento Phil, no había oído hablar de usar información de gradiente antes de tu pregunta. Hice una pequeña investigación y parece que ha existido durante al menos unos años. Ojalá pudiera ser de más ayuda aquí.
Cuenta
Re: Uso de información de gradiente en la construcción de modelos sustitutos de CFDGracias. Todos esos parecen buenas ideas.
¿Has tenido alguna experiencia en el uso de información de gradiente? Esta parece ser la clave para mi cliente. Como digo, creo que es una petición bastante inusual.
Gracias de nuevo,
Phil
Re: Uso de información de gradiente en la construcción de modelos sustitutos de CFDHola Phil
Estoy de acuerdo con Nick en el proceso guasiano. Aunque recomendaría que también prueben redes neuronales. Nosotros / yo construimos muchos modelos sustitutos, mientras que en P&G para aplicaciones similares de tipo CFD, y las redes neuronales casi siempre creaban mejores modelos predictivos.
También recomendaría a sus clientes que prueben los diseños MaxPro de llenado rápido y flexible para "llenar" mejor el espacio de diseño. Empujará los puntos de diseño más cerca de las esquinas / bordes al tiempo que maximiza la distancia mínima entre puntos.
Cuenta
Re: Uso de información de gradiente en la construcción de modelos sustitutos de CFDHola fili
Tenía un usuario con un interés similar, estaba trabajando con modelos sustitutos para el diseño de alas de aviones.
Pasamos un tiempo explorando la plataforma "Proceso Gaussiano" de JMP y pudimos construir su modelo.
Mi recomendación sería que construyeran un modelo con sus variables de interés usando el "Proceso Gaussiano" y evaluaran los resultados.
