DT Seven

Расчетные схемы:

• Визуальное представление вычислительного процесса в виде расчетных схем;
• Объединение различных наборов данных, аналитических и расчетных моделей в единый процесс;
• Возможность интеграции и настройки с различными инструментами и системами;
• Управление потоками данных в расчетных схемах. Возможность реализации сложных разветвленных процессов и циклов;
• Информация, передаваемая между блоками, может быть представлена в различных форматах: числовые значения, текст, файлы или сложные структуры.

Интеграция программного обеспечения:

• Прямая интеграция - готовые блоки для конкретных программных продуктов (SolidWorks, Creo, NX, CATIA, SolidEdge, КОМПАС-3D, T-FLEX CAD, Ansys, CADFlo, Star-CCM+, SimulationX, ANSA, FlowVision, Логос, FMI модели, Excel, SimInTech) с простой настройкой;
• Общая интеграция - интегрирование любого программного обеспечения, поддерживающего интерфейс командной строки;
• Пользовательская интеграция - разрабатываемые пользователем блоки с интерфейсом и автоматически генерируемым деревом параметров;
• Использование пользовательских скриптов на языке Python;
• Модули для научных расчетов: NumPy, pandas, SciPy, SymPy, scikit-learn, NetworkX и statistics;
• Модули для построения графиков и диаграмм: Bokeh и Matplotlib совместно с пакетом cycler.

Удаленный запуск расчетов и высокопроизводительные вычисления:

• DT Agent (отдельный модуль) для запуска на удаленных рабочих станциях под Windows;
• Удаленный запуск на рабочих станциях Linux через SSH-соединение;
• Прямые интерфейсы к системам управления очередями кластеров Slurm, LSF и Torque.

Вывод результатов работы расчетной схемы:

• Вывод результатов в формате текстовых и прочих файлов в пакетном режиме без ручного использования графического интерфейса;
• Исполнение процедур постпроцессинга в пакетном режиме;
• Вывод лога и кодов успешности выполнения.

Планирование эксперимента (DoE):

• Удобный графический интерфейс;
• Более 12 техник планирования эксперимента, включающие широкий набор классических техник, уникальных алгоритмом собственной разработки, в т.ч. адаптивный план с линейными и нелинейными ограничениями;
• Определение наиболее значимых параметров, влияющих на результаты;
• Выявление взаимосвязей между входными и выходными данными;
• Минимизация количества вычислений при сохранении точности анализа.

Оптимизация:

• Одно- и многокритериальная оптимизация;
• Линейные, нелинейные и неявные ограничения;
• Обработка ошибок, пакетная обработка и настройка оптимизации во время выполнения;
• Эффективный метод оптимизации на основе метамоделей (SBO). Позволяет ускорить поиск оптимального решения на основе “тяжелых” моделей.

Оценка неопределенностей:

• Удобный интерфейс для постановки стохастической задачи с обширным списком доступных распределений вероятностей;
• Вычисление вероятности отказа и коэффициента надежности;
• Ручной выбор типов распределения входных параметров;
• Автоматический подбор входных и выходных выборок для заданного типа распределения;
• Создание непараметрических распределений;
• Анализ чувствительности для оценки влияния неопределенностей на поведение изделия.

Анализ данных:

• Полный контроль над данными, полученными из различных источников;
• Визуализация инженерных результатов при помощи полного набора интерактивных и настраиваемых инструментов, включая различные виды таблиц и статистики, корреляций, зависимостей;
• Корреляционный анализ параметров;
• Анализ зависимостей параметров;
• Расчетные точки в параллельных координатах.

SmartSelection для исследования и оптимизации моделей:

• Подсказки для входных параметров: непрерывные, целочисленные, дискретные;
• Различные виды откликов: оценка, минимизация, ограничение и т.д.;
• Поведение откликов: обычный, линейный, квадратичный и т.д.;
• Предустановки: сильно зашумленная задача, ресурсоемкая задача.

Построение и управление моделями:

• Быстрые и точные предиктивные модели с автоматическим выбором алгоритма;
• Оценка качества моделей, сравнение их с исходными данными и между собой для поиска наилучшей модели;
• Исследование поведения многомерных моделей и изучение зависимости входных и выходных параметров;
• Экспортирование модели в код C, формат исполняемых файлов, Matlab/Octave, Excel и FMI;
• Множество проверенных техник предиктивного моделирования для любых типов данных и видов аппроксимации;
• Автоматический выбор техник, основанный на представленных данных и пользовательских требованиях.

Снижение размерности:

• Автоматическое репараметризование объектов меньшим числом параметров;
• Генерирование объектов, похожих на уже заданные.

Экспорт моделей:

• Экспортирование предиктивных моделей в другие форматы для использования в сторонних программных продуктах.

SmartSelection для предиктивного моделирования:

• Подсказки о данных: зависимости, структура и т.д.;
• Желаемые свойства модели: точное соответствие, гладкая модель и т.д.;
• Свойства аппроксимации: качество, лимит времени и т.д.;
• Для лучшего качества аппроксимации различные части модели могут быть построены с использованием разных техник.