Overview

PIAnO(Process Integration, Automation and Optimization)
Derives the optimum design solution for a product based on a given dataset or real time engineering data from simulations.
This maximizes the value of the product by improving the product quality and performance while reducing the design cost of the development process.

PIAnO started out as a software for process integration and design optimization, and for more than 15 years it has provided customers with a clear value of design optimization. Now faced with a new era of data, PIAnO has taken the next step to engineering data based design optimization.
To push forward, we are developing various decision making tools based on our AI platform, Bruce.

PIAnO can be used for any field in engineering that can provide the appropriate data.
It will continue to grant innovation for not only product and process design but also any where decision making is required for optimal parameters.

Features

PIAnO는 4개의 독립 애플리케이션으로 구성되어 있어서 사용자가 원하는 작업에 최적화된 접근성 및 사용성을 제공하며, 필요에 따라 유기적으로 연동될 수 있어 최상의 시너지 효과를 발휘할 수 있습니다.

가장 일반적인 작업은 Composer에서 Analysis Task를 구성하여 자동화된 시뮬레이션 프로 세스를 구현하고, 여기에 설계 최적화를 위한 다양한 Design Task들을 적용한 뒤, Reviewer에서 결과를 분석하는 것입니다. 단순하고 명료한 작업의 흐름은 사용자의 스트레스와 실수를 줄이고 생산성을 높일 수 있습니다.

외부 S/W들로 구성된 시뮬레이션 프로세스를 통합 및 자동화하기 위해서, 파일과 배치명령을 이용하는 단순하고 유연한 도구를 제공합니다. 입력 및 출력파일에서 원하는 데이터를 지정하기 위한 단계별 사용자 인터페이스를 제공합니다. 이와 별도로 Python, VBScript, JScript, Excel, Matlab 등등의 직접적인 인터페이스도 제공합니다.

고비용 시뮬레이션 데이터를 이용하는 최적화 과정을 위해서, 비용을 최소화하면서 최적 설계안을 탐색할 수 있는 효율적인 기법들을 제공합니다. STDQAO는 민감도 정보를 토대로 생성된 메타모델을 이용하여 근사 최적설계를 반복하는 기법이고, PQRSM은 특수한 실험계획법을 토대로 생성된 메타모델을 이용해 근사최적설계를 반복하는 기법입니다. ePPAO는 다항식을 기반으로한 순차적 근사최적화를 반복하는 기법으로, 시뮬레이션 횟수를 지정할 수 있습니다. FSolver는 최적안 보다도 구속조건을 만족하는 설계안 탐색에 특화되어 있습니다.

불확실성을 고려한 설계 최적화를 수행하기 위해서 필요한, 매우 효율적인 불확실성 평가 기법 (eDR) 및 확률 민감도 해석 (PSA) 기법을 제공합니다. 물론 일반적으로 사용되는 다른 기법 (MCS, LHS, FORM) 들도 제공하며 목적에 맞게 활용될 수 있습니다.

Sampler는 실험계획을 위한 독립 애플리케이션입니다. 전통적인 기법뿐 아니라 공간 충진을 위한 특별한 기법들도 제공합니다. 또한 문제에 맞는 기법을 자동 선택해 주는 도구도 포함되어 있습니다. 직교배열표의 경우, 인자의 개수와 수준에 따라 사용 가능한 후보들을 추천해 줍니다. 중복점을 자동으로 제거, 실험점의 범위를 재조정, 생성된 실험점들을 가시화하는 편리한 기능들도 제공됩니다.

Metamodeler는 메타모델링을 위한 독립 애플리케이션입니다. 전통적으로 사용되어 왔던 다양한 종류의 메타모델 이외에도 최신의 머신러닝 기법들이 포함되어 있습니다. 또한 자사의 인공지능 플랫폼 Bruce를 기반으로 개발된 메타모델 자동선정 도구인 BruceMentor가 데이터에 맞는 최적의 메타모델을 추천할 수 있습니다. 데이터 중에 나타날 수 있는 이상점들을 선별하여 제거하고, 중복점을 처리하는 편의 기능도 탑재되어 있습니다. 생성된 메타모델을 가시화하거나 성능을 지수화하여 평가할 수 있으며, 엑셀시트나 독립실행 가능한 형태로 출력할 수도 있습니다.

Reviewer는 Composer를 통해 구성된 다양한 스터디들의 실행 결과 데이터들을 목적에 맞게 특화된 기능들을 이용하여 분석하는 독립 애플리케이션입니다. 또한 Reviewer는 주어진 데이터들을 이용하여 설계 최적화를 위한 공간 탐색 및 시각화를 수행할 수 있으며, 전역 주요변수 탐색을 위한 인공지능 기반 스마트 스크리닝 도구도 제공합니다.

기대효과

산업체 제품개발의 Q/C/D 향상은 물론 설계 유연성 개선에 폭넓게 활용됩니다.

Quality▲

최적화 기법 적용으로 제품 품질이 향상됩니다.

Cost▼

MDO기술 구현을 통해 원가를 절감할 수 있습니다.

Delivery▼

자동화, 통합화를 통해 제품개발 기간이 단축됩니다.

Flexibility▲

맞춤형 설계안의 제시로 설계 유연성을 개선할 수 있습니다.

적용사례

적용사례 보기