工程模擬分析技術

為什麼要在工程模擬中使用分析技術？（Why Use Analytics for Engineering Simulation?）

隨著計算能力的提升和模擬及測試變得更加精緻，對於更多真實世界系統進行準確預測已成可能。但隨著設計周期縮短和問題變得更複雜，工程師和數據科學家面臨著從他們的模擬能力中獲取最大價值的挑戰。工程師和數據科學家在工程模擬中面臨四大主要挑戰：如何對模擬結果設置誤差範圍（error bars）、設計空間的抽樣不足或不充分、模擬的高計算成本，以及模擬模型與實體測試的不一致。SmartUQ提供了一種強大且可行的方法來應對這些挑戰。

工程模擬的挑戰（Challenges in Engineering Simulation）

對模擬結果設置誤差範圍（Putting Error Bars on Simulation Results）

• 許多模擬結果本質上是確定性的，只為一種可能情境顯示單一數據點。為了考慮結果的可能變異性，工程師和數據科學家可能執行直接的不確定性傳播（Uncertainty Propagation）來量化不確定性。但對許多模擬模型而言，這種方法在計算上可能要求高且不切實際。

設計空間的抽樣不足或不充分（Insufficient or Inadequate Sampling of a Design Space）

• 這一直是工程模擬的長期問題。如蒙特卡羅抽樣（Monte Carlo sampling）和因子設計（factorial designs）等標準方法在更高維度時不有效或不實際。

模擬模型的高計算成本（High Computational Expense of the Simulation Model）

• 計算成本使得許多複雜、長時間運行的模擬應用的設計探索變得不切實際。對於高維問題，如隨機搜索等傳統設計探索技術成本過高。

模擬模型與實體測試的不一致（Disagreement of Simulation Model with Physical Testing）

• 大多數模擬設計過程的目標是創建一個模仿現實的模型。通過將模擬結果與相同系統的實體測試結果進行比較來實現這一目標。當實體測試未能驗證來自模擬模型的預測時，會發生信心危機。未能這樣做會迫使重新設計或重新測試，這可能既昂貴又耗時。

SmartUQ為工程模擬提供的解決方案（SmartUQ Solutions for Engineering Simulation）

• SmartUQ使用各種分析技術和不確定性量化（UQ, Uncertainty

Quantification）工具來應對這些挑戰，包括設計實驗（DOE, Design of Experiments）、仿真（Emulation）、統計校準（Statistical Calibration）和逆向分析（Inverse Analysis）。

不確定性量化（Uncertainty Quantification）

• SmartUQ的不確定性量化技術能夠對模擬結果設置誤差範圍。通過執行不確定性傳播和敏感性分析（Sensitivity Analysis）等UQ技術，決策者可以獲得更好的信息支持。使用SmartUQ仿真器，可以執行需要大量預測的高級分析。

在量化不確定性下的驗證和驗證（V&V）

• 經常需要不僅驗證模擬模型的確定性解決方案，還要驗證由系統不確定性導致的預測概率分佈，以確保模型準確地衡量系統變異性的影響。模擬模型的驗證在許多應用中至關重要，如航空、國防和醫療器械行業，這些行業中通過使用驗證模型可以避免或大大減少昂貴的實體測試。

總結（Summary）

SmartUQ的分析技術和不確定性量化工具，如設計實驗、仿真、統計校準和逆向分析，在應對模擬中提出的許多挑戰方面可以發揮重要作用。不確定性量化能夠對模擬結果設置誤差範圍，評估模擬模型的成熟度和可信度。現代的DOE減少了探索設計空間所需的模擬運行次數，而仿真允許快速優化和不確定性分析。統計校準方法可以理解模擬模型與實體測試之間的差異，並校準模擬模型以更好地代表實體現實。隨著設計周期的重要性和複雜性增加，SmartUQ軟體填補了模擬模型中的關鍵空白。