വെഹിക്കിൾ ഡിസൈനും സിമുലേഷൻ പിന്തുണയും: CAE, CFD, FEA

നേട്ടങ്ങൾ:

• ഓട്ടോമോട്ടീവ് ഡിസൈനിലെ സിഎഇ, സിഎഫ്ഡി, എഫ്ഇഎ സിമുലേഷനുകളുടെ പങ്ക് വിശദീകരിക്കാനുള്ള കഴിവ്, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് അതിനെ ഒരു സറോഗേറ്റ് മോഡലായി എങ്ങനെ ത്വരിതപ്പെടുത്തുന്നു
• ജനറേറ്റീവ് ഡിസൈൻ, പാരാമീറ്റർ സ്കാനിംഗ്, സിമുലേഷൻ ഫല വ്യാഖ്യാനം എന്നിവയ്ക്കായി ഘടനാപരമായ നിർദ്ദേശങ്ങൾ സജ്ജീകരിക്കാനുള്ള കഴിവ്
• കൺവേർജൻസ്, നെറ്റ്‌വർക്ക് ഇൻഡിപെൻഡൻസ്, ഫിസിക്കൽ ബൗണ്ടറി വ്യവസ്ഥകൾ എന്നിവ ഉപയോഗിച്ച് AI-ഡിറൈവ്ഡ് ഡിസൈനും സറോഗേറ്റ് മോഡൽ ഔട്ട്‌പുട്ടും സാധൂകരിക്കാനുള്ള കഴിവ്

ഷീറ്റ് സ്റ്റീൽ മുറിച്ച് പ്രോട്ടോടൈപ്പുകൾ നിർമ്മിക്കുന്നതിന് മുമ്പ് ഒരു ആധുനിക വാഹനത്തിൻ്റെ രൂപകൽപ്പന ഇപ്പോൾ കമ്പ്യൂട്ടറിൽ ജനിച്ചിരിക്കുന്നു. ഡിജിറ്റൽ രൂപകല്പനയുടെയും സ്ഥിരീകരണത്തിൻ്റെയും ഈ ലോകത്തിൻ്റെ ഹൃദയഭാഗത്ത് മൂന്ന് ചുരുക്കെഴുത്തുകളുണ്ട്: CAE, CFD, FEA. ഈ യൂണിറ്റിൽ, ഞങ്ങൾ ആദ്യം ഈ മൂന്ന് ആശയങ്ങളും ലളിതമായി വിശദീകരിക്കും, തുടർന്ന് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഈ കനത്ത കണക്കുകൂട്ടലുകളെ എങ്ങനെ ത്വരിതപ്പെടുത്തുന്നുവെന്നും ഏറ്റവും പ്രധാനമായി, ഈ ഫാസ്റ്റ് ഔട്ട്പുട്ടുകൾ എങ്ങനെ സുരക്ഷിതമായി പരിശോധിക്കാമെന്നും ഞങ്ങൾ കാണും.

• CAE (കമ്പ്യൂട്ടർ-എയ്ഡഡ് എഞ്ചിനീയറിംഗ്): ഒരു ഫിസിക്കൽ പ്രോട്ടോടൈപ്പ് ഉണ്ടാക്കാതെ കമ്പ്യൂട്ടറിൽ ഒരു ഡിസൈനിൻ്റെ (ശക്തി, ഒഴുക്ക്, ചൂട്, വൈബ്രേഷൻ) സ്വഭാവം അനുകരിക്കുന്നതിനുള്ള ഒരു കുട പദമാണിത്.
• FEA (ഫിനൈറ്റ് എലമെൻ്റ് അനാലിസിസ്): ഒരു ഭാഗത്തെ ആയിരക്കണക്കിന് ചെറിയ "മൂലകങ്ങൾ" ആയി വിഭജിക്കുകയും അത് എങ്ങനെ വലിച്ചുനീട്ടുകയും വളയുകയും അതിൽ പ്രയോഗിക്കുന്ന ശക്തിയിൽ അത് പൊട്ടിപ്പോകുകയും ചെയ്യും എന്ന് കണക്കാക്കുന്ന ഒരു രീതിയാണിത്. ഉദാഹരണം: ഒരു കുഴിയിൽ പ്രവേശിക്കുമ്പോൾ ഒരു സസ്പെൻഷൻ കൈ പൊട്ടുമോ എന്ന്.
• CFD (കമ്പ്യൂട്ടേഷണൽ ഫ്ലൂയിഡ് ഡൈനാമിക്സ്): വായു അല്ലെങ്കിൽ ദ്രാവക പ്രവാഹം അനുകരിക്കുന്നു. ഉദാഹരണം: വാഹനത്തിന് ചുറ്റുമുള്ള വായു പ്രവാഹം (എയറോഡൈനാമിക് ഡ്രാഗ്), എഞ്ചിൻ തണുപ്പിക്കൽ, കാബിൻ വെൻ്റിലേഷൻ.

എന്തുകൊണ്ടാണ് സിമുലേഷൻ മന്ദഗതിയിലാകുന്നത്, AI എവിടെയാണ് പ്രവർത്തിക്കുന്നത്?

ഉയർന്ന വിശ്വാസ്യതയുള്ള CFD അല്ലെങ്കിൽ FEA സൊല്യൂഷൻ ഒരൊറ്റ ഡിസൈനിനായി കമ്പ്യൂട്ടറുകളുടെ ഒരു ക്ലസ്റ്ററിൽ മണിക്കൂറുകളോ ദിവസങ്ങളോ എടുത്തേക്കാം. ഒരു എഞ്ചിനീയർ 200 വ്യത്യസ്ത ജ്യാമിതികൾ പരീക്ഷിക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, അതിനർത്ഥം മാസങ്ങൾ എന്നാണ്. ഇവിടെയാണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് രണ്ട് ശക്തമായ റോളുകൾ വഹിക്കുന്നത്:

1. സറോഗേറ്റ് മോഡൽ / മെറ്റാമോഡൽ: ഇത് ഒരു ചെറിയ എണ്ണം യഥാർത്ഥ സിമുലേഷനുകളിൽ നിന്ന് പഠിക്കുകയും നിമിഷങ്ങൾക്കുള്ളിൽ പുതിയ ഡിസൈനുകളുടെ ഫലം പ്രവചിക്കുകയും ചെയ്യുന്ന ഒരു മെഷീൻ ലേണിംഗ് മോഡലാണ്. ഇത് യഥാർത്ഥ ലായകത്തെ മാറ്റിസ്ഥാപിക്കുന്നില്ല; അതിൻ്റെ ഒരു ഫാസ്റ്റ് "ഏകദേശം" ആണ്. 200 ഡിസൈനുകൾ ഒരു സറോഗേറ്റ് മോഡൽ ഉപയോഗിച്ച് സ്കാൻ ചെയ്യുന്നു, യഥാർത്ഥ സോൾവർ അല്ല, കൂടാതെ ഏറ്റവും മികച്ച 5 ഡിസൈനുകൾ യഥാർത്ഥ സോൾവറിലേക്ക് അയയ്ക്കുന്നത് ധാരാളം സമയം ലാഭിക്കുന്നു.
2. ജനറേറ്റീവ് ഡിസൈൻ: എഞ്ചിനീയർ (കണക്ഷൻ പോയിൻ്റുകൾ, ചുമക്കേണ്ട ലോഡ്, നിരോധിത പ്രദേശങ്ങൾ, മെറ്റീരിയലുകൾ) നൽകുന്ന നിയന്ത്രണങ്ങൾക്ക് കീഴിൽ കമ്പ്യൂട്ടർ ധാരാളം ബദൽ ജ്യാമിതികൾ നിർമ്മിക്കുന്ന ഒരു രീതിയാണിത്. ഫലം പലപ്പോഴും ഓർഗാനിക്, അസ്ഥി പോലെയുള്ള, ഭാരം കുറഞ്ഞ ഘടനകളാണ്.

നുറുങ്ങ്: "ഇൻ്റർപോളിംഗ്" ചെയ്യുമ്പോൾ സറോഗേറ്റ് മോഡൽ വിശ്വസനീയമാണ് (അത് പഠിച്ച പരിധിക്കുള്ളിൽ പ്രവചിക്കുന്നു); "എക്‌സ്‌ട്രാപോളിംഗ്" (അത് പഠിച്ച പരിധിക്ക് പുറത്ത് പ്രവചിക്കുന്നത്) അപകടകരമാണ്. നിങ്ങളുടെ ഡിസൈൻ സ്ഥലത്തിൻ്റെ പരിധി അറിയുക.

ഘട്ടം ഘട്ടമായി: AI- പവർഡ് സിമുലേഷൻ വർക്ക്ഫ്ലോ

1. പ്രശ്നവും നിയന്ത്രണങ്ങളും വ്യക്തമാക്കുക. നിങ്ങൾ എന്താണ് ഒപ്റ്റിമൈസ് ചെയ്യുന്നത് (ഭാരം? ഡ്രാഗ്? സ്ട്രെസ്?), എന്തൊക്കെ നിയന്ത്രണങ്ങളാണ് പരിഹരിച്ചിരിക്കുന്നത് (മൌണ്ടിംഗ് ഹോൾ ലൊക്കേഷനുകൾ, മൗണ്ടിംഗ് വോളിയം)?
2. ഡിസൈൻ വേരിയബിളുകൾ തിരിച്ചറിയുക. ഉദാഹരണത്തിന്, ഒരു കൂളിംഗ് ചാനലിൻ്റെ 5 പാരാമീറ്ററുകൾ: ഇൻലെറ്റ് ആംഗിൾ, ക്രോസ്-സെക്ഷണൽ ഏരിയ, നീളം, ബെൻഡ് റേഡിയസ്, ഔട്ട്ലെറ്റ് സ്ഥാനം.
3. പരീക്ഷണങ്ങളുടെ രൂപകൽപ്പന നടത്തുക (DOE - പരീക്ഷണങ്ങളുടെ രൂപകൽപ്പന). എല്ലാ കോമ്പിനേഷനുകളുമല്ല, സ്‌പെയ്‌സ് വിവേകത്തോടെ ഉൾക്കൊള്ളുന്ന ഒരു സാമ്പിൾ (ഉദാ. 40 പോയിൻ്റുകൾ) തിരഞ്ഞെടുക്കുക. AI-ക്ക് ഇവിടെ സാമ്പിൾ സ്ട്രാറ്റജി നിർദ്ദേശിക്കാനാകും.
4. യഥാർത്ഥ സോൾവർ ഉപയോഗിച്ച് ഈ 40 പോയിൻ്റുകൾ പ്രവർത്തിപ്പിക്കുക. ഇത് "യാഥാർത്ഥ്യ" ഡാറ്റയാണ്.
5. സറോഗേറ്റ് മോഡലിനെ പരിശീലിപ്പിക്കുകയും റിസർവ് ചെയ്ത ടെസ്റ്റ് പോയിൻ്റുകൾ ഉപയോഗിച്ച് അതിൻ്റെ കൃത്യത അളക്കുകയും ചെയ്യുക.
6. സറോഗേറ്റ് മോഡൽ ഉപയോഗിച്ച് വിപുലമായ സ്ക്രീനിംഗ് നടത്തുകയും മികച്ച സ്ഥാനാർത്ഥികളെ തിരഞ്ഞെടുക്കുക.
7. യഥാർത്ഥ സോൾവർ ഉപയോഗിച്ച് മികച്ച സ്ഥാനാർത്ഥികളെ വീണ്ടും മൂല്യനിർണ്ണയം ചെയ്യുക. ഈ ഘട്ടം ഒഴിവാക്കാനാവില്ല.
8. ഫിസിക്കൽ പ്രോട്ടോടൈപ്പ്/ടെസ്റ്റിംഗ് ഉപയോഗിച്ച് അന്തിമ തീരുമാനം തെളിയിക്കുക.

സിമുലേഷൻ ഔട്ട്പുട്ട് സാധൂകരിക്കുന്നു: ഒത്തുചേരലും നെറ്റ്‌വർക്ക് സ്വാതന്ത്ര്യവും

ഒരു FEA/CFD ഫലം വിശ്വസിക്കുന്നതിന് മുമ്പ് രണ്ട് നിർണായക പരിശോധനകളുണ്ട്:

• ഒത്തുചേരൽ: സോൾവറിൻ്റെ ആവർത്തന കണക്കുകൂട്ടൽ സ്ഥിരമായ മൂല്യത്തിൽ എത്തുന്നു. ഒത്തുചേരാത്ത പരിഹാരം അർത്ഥശൂന്യമാണ്. "ഫലം 250 MPa" എന്ന് AI പറയുമ്പോൾ, ഇത് ഒരു സംയോജിത പരിഹാരത്തിൽ നിന്നാണോ എന്ന് നിങ്ങൾ സ്ഥിരീകരിക്കണം.
• മെഷ് സ്വാതന്ത്ര്യം: നിങ്ങൾ ഭാഗത്തെ വിഭജിക്കുന്ന ഘടകങ്ങൾ (മെഷ്) മുറുക്കുമ്പോൾ ഫലം കാര്യമായി മാറില്ല. മെഷ് വളരെ പരുക്കൻ ആണെങ്കിൽ, ഫലം തെറ്റിദ്ധരിപ്പിക്കുന്നതായിരിക്കാം; ഇത് വളരെ നേർത്തതാണെങ്കിൽ, കണക്കുകൂട്ടൽ അനാവശ്യമായി നീളും. സാധാരണയായി, നെറ്റ്‌വർക്ക് രണ്ടോ മൂന്നോ തവണ ശക്തമാക്കുകയും ഫലം സ്ഥിരത കൈവരിക്കുന്ന ഒരു പോയിൻ്റ് കണ്ടെത്തുകയും ചെയ്യുന്നു.

നിയന്ത്രണം

അവൻ എന്താണ് ചോദിക്കുന്നത്?

ചാടുമ്പോൾ അപകടം

ഒത്തുചേരൽ

പരിഹാരം സ്ഥിരമായ മൂല്യത്തിൽ എത്തിയോ?

ക്രമരഹിതമായ/അർഥരഹിതമായ ഫലം

നെറ്റ്‌വർക്ക് സ്വാതന്ത്ര്യം

നെറ്റ്‌വർക്ക് സാന്ദ്രമാകുമ്പോൾ ഫലം മാറുമോ?

സമ്മർദ്ദം/അമിത വിലയിരുത്തൽ

അതിർത്തി അവസ്ഥ

ലോഡുകൾ/പിന്തുണകൾ യാഥാർത്ഥ്യമാണോ?

തെറ്റായ സാഹചര്യം, സുരക്ഷിതമായ ഡിസൈൻ

മെറ്റീരിയൽ മോഡൽ

ശരിയായ വക്രം/സവിശേഷത നൽകിയിട്ടുണ്ടോ?

തെറ്റായ ശക്തി കണക്കുകൂട്ടൽ

മുന്നറിയിപ്പ്: AI ഒരു സറോഗേറ്റ് മോഡൽ ഔട്ട്‌പുട്ട് ചെയ്യുമ്പോൾ, ആ ഔട്ട്‌പുട്ടിൻ്റെ പിന്നിലെ യഥാർത്ഥ സിമുലേഷനുകൾ ഒത്തുചേരലും നെറ്റ്‌വർക്ക് സ്വാതന്ത്ര്യവും കടന്നിരിക്കണം. "ഗാർബേജ് ഇൻ, ഗാർബേജ് ഔട്ട്": മോശം സിമുലേഷനിൽ പരിശീലനം ലഭിച്ച സറോഗേറ്റ് മോഡൽ മോശം പ്രവചനം ഉണ്ടാക്കുന്നു.

മിനി കേസ് പഠനങ്ങൾ

കേസ് 1 - സസ്പെൻഷൻ കൈയിൽ മിന്നൽ. ഒരു ടീം ജനറേറ്റീവ് ഡിസൈൻ ഉപയോഗിച്ച് ഒരു അലുമിനിയം സസ്പെൻഷൻ ആം പുനർരൂപകൽപ്പന ചെയ്യുന്നു. 60 യഥാർത്ഥ FEA സൊല്യൂഷനുകളിൽ പരിശീലിപ്പിച്ച, സറോഗേറ്റ് മോഡൽ 19% ഭാരം കുറയ്ക്കുന്ന ഒരു ജ്യാമിതി നിർദ്ദേശിക്കുന്നു. യഥാർത്ഥ സോൾവർ ഉപയോഗിച്ച് മികച്ച 3 സ്ഥാനാർത്ഥികളെ ടീം സാധൂകരിക്കുന്നു; ഒരാളുടെ യഥാർത്ഥ പരമാവധി സമ്മർദ്ദം സറോഗേറ്റ് മോഡൽ പ്രവചനത്തേക്കാൾ 12% കൂടുതലാണ് (അത് എക്സ്ട്രാപോളേഷൻ മേഖലയിലായിരുന്നു). ആ സ്ഥാനാർത്ഥിയെ ഒഴിവാക്കി, ശേഷിക്കുന്ന രണ്ടെണ്ണം സ്വീകരിച്ച് ശാരീരിക ക്ഷീണ പരിശോധനയ്ക്ക് അയയ്ക്കുന്നു. ഫലം: വേഗത ലഭിച്ചു, പക്ഷേ അന്തിമ തീരുമാനം എടുത്തത് യഥാർത്ഥ പരിഹാരം + പരിശോധനയിലൂടെയാണ്.

കേസ് 2 - എയറോഡൈനാമിക് മിറർ. സൈഡ് മിറർ സൃഷ്ടിക്കുന്ന കാറ്റിൻ്റെ ശബ്ദം കുറയ്ക്കുന്നതിന് 5-പാരാമീറ്റർ സ്കാൻ നടത്തുന്നു. യഥാർത്ഥ CFD ഉപയോഗിച്ച് ഒരു ഡിസൈൻ 6 മണിക്കൂർ എടുക്കും; 45 യഥാർത്ഥ റണ്ണുകളുള്ള 5,000 വെർച്വൽ ഡിസൈനുകൾ + പ്രോക്സി മോഡലുകൾ സെക്കൻ്റുകൾക്കുള്ളിൽ സ്കാൻ ചെയ്യപ്പെടുന്നു. ഡ്രാഗ് കോഫിഫിഷ്യനിൽ (സിഡി) ഏകദേശം 4 പോയിൻ്റുകളുടെ (ഡ്രാഗ് കൗണ്ട്) മെച്ചപ്പെടുത്തൽ നൽകുന്ന ഒരു കാൻഡിഡേറ്റ് ഉണ്ട്, കാറ്റ് ടണലിൽ പരീക്ഷിച്ചുകൊണ്ടിരിക്കുകയാണ്; പ്രവചനത്തിൻ്റെ 85% ആണ് അളന്ന പുരോഗതി. ഉപസംഹാരം: AI തിരച്ചിൽ ചുരുക്കി, കാറ്റ് തുരങ്കം തെളിയിക്കുന്നു.

കേസ് 3 - തെറ്റായ അതിർത്തി വ്യവസ്ഥ. ഒരു ബോഡി ബ്രാക്കറ്റിൻ്റെ ഒരു എഫ്ഇഎയിൽ, "സ്ട്രെസ് സെക്യൂരിറ്റി, ഫാക്ടർ 2.1" എന്ന് AI പറയുന്നു. സീനിയർ എഞ്ചിനീയർ അതിർത്തി അവസ്ഥയിലേക്ക് നോക്കുന്നു: ലോഡ് ഒരു ദിശയിൽ പ്രയോഗിക്കുന്നു, യഥാർത്ഥ പ്രവർത്തനത്തിൽ വൈബ്രേറ്റിംഗ് ബൈഡയറക്ഷണൽ ലോഡ് ഉണ്ട്. ശരിയായ സാഹചര്യത്തിൽ വീണ്ടും പരിഹരിക്കുമ്പോൾ, സുരക്ഷാ ഘടകം 1.1 ആയി കുറയുന്നു; ഇത് അസ്വീകാര്യമാണ്. ഫലം: "സുരക്ഷിതം" എന്ന് പറയുന്ന AI തെറ്റായ സാഹചര്യം കാരണം വഞ്ചിക്കുകയായിരുന്നു; ഇൻപുട്ട് മൂല്യനിർണ്ണയം ഫലം സംരക്ഷിച്ചു.

പ്രോംപ്റ്റ് ടെംപ്ലേറ്റുകൾ

ടെംപ്ലേറ്റ് 1 - സിമുലേഷൻ സജ്ജീകരണ അവലോകനം:

റോൾ: നിങ്ങളൊരു മുതിർന്ന CAE (ഫിനൈറ്റ് എലമെൻ്റ്) എഞ്ചിനീയറാണ്. ടാസ്‌ക്ക്: ചുവടെയുള്ള എൻ്റെ FEA സജ്ജീകരണം അവലോകനം ചെയ്‌ത് നഷ്‌ടമായ/റിസ്‌ക് പോയിൻ്റുകൾ ലിസ്റ്റുചെയ്യുക. സന്ദർഭം: അലുമിനിയം സസ്പെൻഷൻ ഭുജം, സ്റ്റാറ്റിക് ലോഡ് 6 kN, 2 ബോൾട്ടുകളിൽ നിന്നുള്ള അസംബ്ലി, മെറ്റീരിയൽ യീൽഡ് ശക്തി 240 MPa. പരിമിതി: അഡ്രസ് കൺവെർജൻസ്, മെഷ് ഇൻഡിപെൻഡൻസ്, ബൗണ്ടറി അവസ്ഥ, മെറ്റീരിയൽ മോഡൽ ഹെഡറുകൾ എന്നിവ പ്രത്യേകം. ഔട്ട്‌പുട്ട്: ചെക്ക്‌ലിസ്റ്റ് + ഓരോ ഇനത്തിനും 'ശരി/അപകടം/അപൂർണ്ണം'.

ടെംപ്ലേറ്റ് 2 - പരീക്ഷണങ്ങളുടെ രൂപകൽപ്പന (DOE) നിർദ്ദേശം:

റോൾ: നിങ്ങളൊരു ഒപ്റ്റിമൈസേഷൻ കൺസൾട്ടൻ്റാണ്. ടാസ്‌ക്: 5 ഡിസൈൻ വേരിയബിളുകൾക്കായി കാര്യക്ഷമമായ DOE സാമ്പിൾ നിർദ്ദേശിക്കുക. സന്ദർഭം: വേരിയബിളുകളും അവയുടെ ശ്രേണികളും: [പരിധികൾ അജ്ഞാതമായി എഴുതുക]. ഉദ്ദേശ്യം: ഡ്രാഗ് മിനിമൈസേഷൻ, ബഡ്ജറ്റ് 40 യഥാർത്ഥ റൺസ്. ഔട്ട്‌പുട്ട്: സാമ്പിളിംഗ് രീതി + എത്ര പോയിൻ്റുകൾ + ന്യായീകരണം. എക്സ്ട്രാപോളേഷൻ പകുതി ചേർക്കുക.

ടെംപ്ലേറ്റ് 3 - സറോഗേറ്റ് മോഡൽ ഫലം വ്യാഖ്യാനിക്കുന്നു:

റോൾ: ഡാറ്റ ശാസ്ത്രജ്ഞൻ + CAE എഞ്ചിനീയർ. ടാസ്‌ക്: എൻ്റെ സറോഗേറ്റ് മോഡലിൻ്റെ പ്രവചന പിശക് മെട്രിക്‌സ് വ്യാഖ്യാനിക്കുക. സന്ദർഭം: R2=0.94, കേവല പിശക്=8 MPa എന്നാണ് അർത്ഥമാക്കുന്നത്, ഡിസൈൻ സ്ഥലത്തിൻ്റെ അറ്റത്തുള്ള ഏറ്റവും മോശം പോയിൻ്റ്. നിയന്ത്രണം: അരികുകളിലെ വിശ്വാസ്യതയെക്കുറിച്ച് വ്യക്തമായി പറയുക; ഏതൊക്കെ ഉദ്യോഗാർത്ഥികൾക്കാണ് യഥാർത്ഥ സോൾവർ ഉപയോഗിച്ച് സ്ഥിരീകരണം ആവശ്യമുള്ളതെന്ന് എന്നോട് പറയുക. ഔട്ട്‌പുട്ട്: പരിശോധിച്ചുറപ്പിക്കേണ്ട വ്യാഖ്യാനം + കാൻഡിഡേറ്റ് മാനദണ്ഡം.

ടെംപ്ലേറ്റ് 4 - ജനറേറ്റീവ് ഡിസൈൻ നിയന്ത്രണ നിർവ്വചനം:

റോൾ: നിങ്ങളൊരു ജനറേറ്റീവ് ഡിസൈൻ വിദഗ്ധനാണ്. ടാസ്‌ക്: ഒരു എഞ്ചിൻ ബ്രാക്കറ്റിനായി ഒരു ജനറേറ്റീവ് ഡിസൈൻ പ്രശ്‌ന പ്രസ്താവന തയ്യാറാക്കുക. സന്ദർഭം: 3 പോർട്ടുകൾ നിശ്ചയിച്ചിരിക്കുന്നു, ഒരു നിരോധിത വോളിയം ഉണ്ട്, മിനിമം പിണ്ഡം, മെറ്റീരിയൽ കാസ്റ്റ് അലുമിനിയം, നിർമ്മാണ രീതി കാസ്‌റ്റിംഗ് ആണ്. ഔട്ട്‌പുട്ട്: ലോഡുകൾ | നിയന്ത്രണങ്ങൾ | ലക്ഷ്യം | മാനുഫാക്ചറബിലിറ്റി ഗ്രേഡ് പട്ടിക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ കഷണം ലഘൂകരിക്കുക.

ഫലം അനിശ്ചിതത്വത്തിലാണ്; ഏത് ലോഡ്, ഏത് മെറ്റീരിയൽ, ഏത് നിയന്ത്രണം വ്യക്തമല്ല. AI ഒരു സാധാരണ, ഉപയോഗശൂന്യമായ ഉത്തരം നൽകുന്നു.

ശക്തമായ നിർദ്ദേശം:

റോൾ: നിങ്ങൾ ഒരു CAE എഞ്ചിനീയറാണ്. ടാസ്‌ക്: പിണ്ഡത്തിൻ്റെ (ടോപ്പോളജി, മെറ്റീരിയൽ, വിഭാഗം) ഇനിപ്പറയുന്ന ബ്രാക്കറ്റിനെ ലഘൂകരിക്കുന്നതിന് 3 വ്യത്യസ്ത തന്ത്രങ്ങൾ നിർദ്ദേശിക്കുക. സന്ദർഭം: സ്റ്റീൽ ബ്രാക്കറ്റ്, 3 kN സ്റ്റാറ്റിക് + വൈബ്രേറ്റിംഗ് ലോഡ്, സുരക്ഷാ ഘടകം കുറഞ്ഞത് 1.5 എങ്കിലും നിലനിർത്തണം, കാസ്റ്റിംഗ് ഉൽപ്പാദിപ്പിക്കാവുന്നതായിരിക്കണം. നിയന്ത്രണം: ഓരോ തന്ത്രത്തിനും പ്രതീക്ഷിക്കുന്ന നേട്ടവും അപകടസാധ്യതയും എഴുതുക; ഒരു നിർദ്ദേശവും പരിശോധന കൂടാതെ 'സുരക്ഷിതം' എന്ന് പ്രഖ്യാപിക്കരുത്. ഔട്ട്പുട്ട്: സ്ട്രാറ്റജി | കണക്കാക്കിയ ബഹുജന നേട്ടം | അപകടം | സ്ഥിരീകരണ പരിശോധന.

സാധാരണ തെറ്റുകൾ

• സറോഗേറ്റ് മോഡൽ യഥാർത്ഥ സോൾവറാണെന്ന് തെറ്റിദ്ധരിക്കുന്നു. സറോഗേറ്റ് മോഡൽ പ്രവചിക്കുന്നു; യഥാർത്ഥ പരിഹാരവും ഫിസിക്കൽ ടെസ്റ്റിംഗും അന്തിമ സ്ഥാനാർത്ഥികളെ സ്ഥിരീകരിക്കുന്നു.
• നെറ്റ്‌വർക്ക് സ്വാതന്ത്ര്യം മറികടക്കുന്നു. പരുക്കൻ മെഷിന് സുരക്ഷിതമായി തോന്നുന്ന, എന്നാൽ യഥാർത്ഥത്തിൽ അപകടസാധ്യതയുള്ള ഒരു ഫലം ഉണ്ടാക്കാൻ കഴിയും.
• തെറ്റായ അതിർത്തി അവസ്ഥ. യഥാർത്ഥ ലോഡിംഗ് സാഹചര്യം തെറ്റാണെങ്കിൽ "സുരക്ഷാ ഘടകം" വഞ്ചനയാണ്.
• എക്സ്ട്രാപോളേഷൻ ശ്രദ്ധിക്കുന്നില്ല. ഡിസൈൻ സ്ഥലത്തിന് പുറത്തുള്ള പ്രവചനങ്ങൾ നിശബ്ദമായി തെറ്റായിരിക്കാം.
• ഉൽപ്പാദനക്ഷമത മറക്കുന്നു. മനോഹരമായി കാണപ്പെടുന്ന ഓർഗാനിക് ജ്യാമിതി കാസ്‌റ്റ് ചെയ്യാനോ മെഷീൻ ചെയ്യാനോ കഴിയുന്നില്ലെങ്കിൽ വിലപ്പോവില്ല.

ചുരുക്കത്തിൽ

• CAE, FEA, CFD എന്നിവ ഫിസിക്കൽ പ്രോട്ടോടൈപ്പിന് മുമ്പ് കമ്പ്യൂട്ടറിലെ ഡിസൈൻ പരിശോധിക്കുന്നു; അവ ഭാരമുള്ളതും മന്ദഗതിയിലുള്ളതുമാണ്.
• സറോഗേറ്റ് മോഡലുകളും ജനറേറ്റീവ് ഡിസൈനും AI ഉപയോഗിച്ച് ഈ പ്രക്രിയയെ വളരെയധികം വേഗത്തിലാക്കുന്നു, പക്ഷേ അവ യഥാർത്ഥ സോൾവറിനും ഫിസിക്കൽ ടെസ്റ്റിംഗിനും പകരം വയ്ക്കുന്നില്ല.
• ഓരോ സിമുലേഷൻ ഫലവും ഒത്തുചേരൽ, മെഷ് സ്വാതന്ത്ര്യം, അതിർത്തി അവസ്ഥ, മെറ്റീരിയൽ മോഡൽ എന്നിവയുടെ അടിസ്ഥാനത്തിൽ സാധൂകരിക്കണം.
• സറോഗേറ്റ് മോഡൽ ഇൻ്റർപോളേഷനിൽ വിശ്വസനീയമാണ്, എന്നാൽ എക്സ്ട്രാപോളേഷനിൽ അപകടസാധ്യതയുള്ളതാണ്; മികച്ച സ്ഥാനാർത്ഥികൾ എല്ലായ്പ്പോഴും യഥാർത്ഥ പരിഹാരം ഉപയോഗിച്ച് സ്ഥിരീകരിക്കപ്പെടുന്നു.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു ഭാഗം തിരഞ്ഞെടുക്കുക (ഉദാ. കൺസോൾ ബ്രാക്കറ്റ്). (1) ഒപ്റ്റിമൈസ് ചെയ്യേണ്ട വസ്തുനിഷ്ഠമായ, നിശ്ചിത നിയന്ത്രണങ്ങൾ, ഡിസൈൻ വേരിയബിളുകൾ എന്നിവ എഴുതുക. (2) ടെംപ്ലേറ്റ് 4 ഉപയോഗിച്ച് ഒരു ഡ്രാഫ്റ്റ് ജനറേറ്റീവ് ഡിസൈൻ പ്രശ്‌ന പ്രസ്താവന നിർമ്മിക്കുക. (3) AI ഒരു സറോഗേറ്റ് മോഡൽ വർക്ക്ഫ്ലോ വിവരിച്ച് “ഞാൻ ഒരിക്കലും ഒഴിവാക്കില്ല” എന്ന് ചോദിക്കുകയും മൂന്ന് ആങ്കറുകൾ ഉപയോഗിച്ച് ഉത്തരം വിലയിരുത്തുകയും ചെയ്യുക. (4) ഫലം സ്ഥിരീകരിക്കാൻ നിങ്ങൾ എന്ത് ശാരീരിക പരിശോധന നടത്തുമെന്ന് വ്യക്തമാക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഒപ്റ്റിമൈസേഷൻ ലക്ഷ്യവും നിശ്ചിത നിയന്ത്രണങ്ങളും ഞാൻ വ്യക്തമാക്കി.
• [ ] സറോഗേറ്റ് മോഡലും യഥാർത്ഥ സോൾവറും തമ്മിലുള്ള വ്യത്യാസം ഞാൻ പ്രോംപ്റ്റിൽ പ്രതിഫലിപ്പിച്ചു.
• [ ] ഞാൻ ഒത്തുചേരലും നെറ്റ്‌വർക്ക് സ്വാതന്ത്ര്യ പരിശോധനയും ആസൂത്രണം ചെയ്തു.
• [ ] അതിർത്തി വ്യവസ്ഥകൾ യഥാർത്ഥ ലോഡിംഗ് സാഹചര്യത്തെ പ്രതിഫലിപ്പിക്കുന്നുവെന്ന് ഞാൻ പരിശോധിച്ചു.
• [ ] യഥാർത്ഥ പരിഹാരം + ഫിസിക്കൽ ടെസ്റ്റിംഗ് ഉപയോഗിച്ച് മികച്ച സ്ഥാനാർത്ഥികളെ സ്ഥിരീകരിക്കുന്നതിനുള്ള ഘട്ടം ഞാൻ ചേർത്തു.
• [ ] ഞാൻ ഉൽപ്പാദനക്ഷമതയെ ഒരു മാനദണ്ഡമായി പട്ടികയിൽ ഉൾപ്പെടുത്തി.