Robustheitsbewertungen

optiSLang quantifiziert die Robustheit von Designs durch die Generierung eines Sets möglicher Design-Realisierungen auf der Grundlage streuender Eingangsvariablen. Dabei sichern optimierte Latin Hypercube Samplings und die Quantifizierung der Vorhersagefähigkeit der Ergebnisvariation durch den Coefficient of Prognosis (CoP) die Zuverlässigkeit der Variations- und Korrelationsmaße mit einem Minimum an Designberechnungen.

Best Practice

Definition der Unsicherheiten als wichtigster Input einer Robustheitsbewertung
Vordefinierte Verteilungsfunktionen und eine Eingangskorrelationsmatrix unterstützen die Definition der streuenden Eingangsvariablen
Automatische Generierung optimierter Latin Hypercube Samples für den Scan des Robustheitsraumes mit minimalem Eingangskorrelationsfehler
Identifizierung der wichtigsten Eingangsstreuungen mittels Metamodel of Optimal Prognosis (MOP)/CoP Workflow
Quantifizierung der Robustheit durch das Histogramm der Ergebnisgrößen inklusive Anpassung von Verteilungsfunktionen und Schätzung von Überschreitungswahrscheinlichkeiten

Methoden

Stochastische Eingangsvariablen mit Verteilungstypen und Eingangskorrelationen
Optimiertes Latin Hypercube Sampling
Anpassung von Verteilungsfunktionen im Histogramm der Ergebnisgrößen
Schätzung von Sigma Abständen
Schätzung von Überschreitungswahrscheinlichkeiten

Ergebnisauswertung & Visualisierung

Histogramme zur Darstellung der Ergebnisstreuung
Korrelationsmatrizen, MOP-basierte CoPs für statistische Auswertungen
Verteilungsanpassung, Sigma Werte, Überschreitungswahrscheinlichkeiten
Traffic Light Plot zur Überprüfung der Überschreitung von Grenzwerten kritischer Antwortgrößen