AWE中实现6sigma的DOE优化

leiting1891

该优化方式也叫做DFSS，即设计结构的尺寸、重量、体积、或者材料参数在符合概率统计分布的情况下，仍然可以保持在某一安全水平上。例如我们设计结构的某一厚度为200毫米，在制造过程中，如果认为200的尺寸符合正态分布（AWE中叫gaussian分布？），如果我们通过抽样确定该尺寸的制造标准差（standard deviation）,那么我们可以得出设计应力值的安全系数应该取多大就可以使生产出的产品满足3sigma、4sigma或者6sigma的标准。如果是6sigma的水平的话，按照我们设计的安全系数（某一个安全系数值），在该制造工艺情况下（制造工艺决定standard deviation——标准差），生产出的产品合格率为99.9996%，次品率为百万分之3。当然我们也知道安全系数取得越大，6sigma的水平越高，但是安全系数的增加必然也会导致结构重量、尺寸的增加。而且在6sigma优化中，当我们设定废品率小于百万分之3时，软件仍认定为6sigma水平，而不再提高设计安全系数。下面以一个例子来说明。
:):):):):):):)

leiting1891

结构几何模型，设定优化尺寸。

leiting1891

AWE中扫略网格功能得到很大的扩展，带倒角的结构也可以不用任何几何处理而生成较好的扫略网格。当然他们的界面轮廓形式没有改变。然后进行第一次计算，得到一个确定的安全系数。计算结果应力值为41.25，以250MPa的屈服应力计算，按等效应力评估，该安全系数为6.061。如果生产中抽样得出铸造工艺关于200mm的宽度这个尺寸的标准差为1mm，那么是否取该尺寸进行生产就可以生产出满足工作中要求该结构的安全系数为6标准呢？这时候按照这一尺寸进行生产会有多大的废品率？如果不行，我们又应该选取多大的尺寸进行生产呢？这就需要使用概率优化进行探讨。AWE主要使用6sigma方法进行分析。

leiting1891

计算结果应力分布图。

leiting1891

确定标准差和分布类型

leiting1891

计算结果的响应分布，输入参数对安全系数的影响。

leiting1891

在DOE优化中，选取的抽样点由计算机控制，这种抽样方式是兼顾了计算量和计算精度的结果。图中显示了自动抽样点

leiting1891

6sigma优化结果。这是计算机1000次随机抽样后，通过抽样得出的分布函数柱图表示形式和积累函数的表现形式。
列表可以更详细的提取需要的参数及数值。
如果达到6sigma水平，按照该给定的分布类型（确定的标准差为1mm及平均值），就需要以200为平均值使检验的尺寸偏差扩大200±5.97左右。如果确定结构尺寸误差为1mm的检验标准，就会有16%的废品率（宽度小于199的都不合格）。

[ 本帖最后由 leiting1891 于 2008-9-12 12:01 编辑 ]

leiting1891

也可以通过饼图，得出对安全系数影响最大的是那个参数，然后对该参数进行较为严格的尺寸控制。同时也可以的出计算机抽样后得出的拟和结果。比如最小安全系数为5.4，此时宽度值小于197。

leiting1891

全系原创，申请点分数。当然里面有谬误的地方欢迎大家指正，也可以探讨。

[ 本帖最后由 leiting1891 于 2008-9-12 12:55 编辑 ]

姜虎东

鼓励原创,如上传模型考虑加精华

leiting1891

好的！！传一个模型上来，其实该模型可以根据第一张图建立。

yuivan

LZ真好，赞一个

姜虎东

已加精华，希望楼主以后能多多分享自己的经验

degr

1.
少见之文章，奖励一下

samantha1982

厉害啊!楼主

lisong18

谢谢楼主，学习了

wanghuan

学习中，谢谢

niuniuboy

好东西，虽然有些看不太懂，但支持楼主大大！

kongchunyuan

不错，有意思