Optimización y estimación de costes / emisiones de CO₂ para RFEM 6

• Tecnología de inteligencia artificial (IA): Optimización por enjambre de partículas (PSO)
• Optimización de la estructura según el peso mínimo o la deformación
• Uso de cualquier número de parámetros de optimización
• Especificación de rangos de variables
• Optimización de secciones y series de materiales
• Tipos de definición de parámetros
• Optimización | Ascendente u Optimización | Descendente
• Aplicación de modelos paramétricos y bloques
• Parametrización de bloques basada en código JavaScript
• Optimización teniendo en cuenta los resultados del cálculo
• Representación tabular de las mejores mutaciones del modelo
• Visualización en tiempo real de las mutaciones del modelo en el proceso de optimización
• Estimación del coste del modelo especificando precios unitarios
• Determinación del potencial de calentamiento global GWP al realizar el modelo mediante la estimación del equivalente de CO₂
• Especificación de unidades basadas en peso, volumen y área (precio y CO₂e)

Hay dos métodos que puede usar para el proceso de optimización, con los cuales puede encontrar valores de parámetros óptimos según un criterio de peso o deformación.

El método más eficiente con el menor tiempo de cálculo es la optimización por enjambre de partículas (PSO) casi natural. ¿Has oído o leído sobre esto? Esta tecnología de inteligencia artificial (IA) tiene una fuerte analogía con el comportamiento de las bandadas de aves que buscan un lugar de descanso. En tales enjambres, puede encontrar muchas personas (véase la solución de optimización, por ejemplo, el peso) a las que les gusta permanecer en un grupo y seguir el movimiento del grupo. Supongamos' que cada miembro individual del enjambre tiene la necesidad de descansar en un lugar de descanso óptimo (véase la mejor solución, por ejemplo, el peso más bajo). Esta necesidad aumenta a medida que se acerca el lugar de descanso. Por lo tanto, el comportamiento del enjambre también está influenciado por las propiedades del espacio (véase el diagrama de resultados).

¿Por qué la excursión a la biología? Muy simple: el proceso de PSO en RFEM o RSTAB procede de manera similar. La ejecución de cálculo comienza con un resultado de optimización de una asignación aleatoria de los parámetros a optimizar. Determina repetidamente nuevos resultados de optimización con valores de parámetros variados, que se basan en la experiencia de las mutaciones del modelo realizadas previamente. El proceso continúa hasta que se alcanza el número especificado de posibles mutaciones del modelo.

Como alternativa a este método, el programa también le ofrece un método de procesamiento por lotes. Este método intenta comprobar todas las posibles mutaciones del modelo especificando aleatoriamente los valores para los parámetros de optimización hasta que se alcanza un número predeterminado de posibles mutaciones del modelo.

Después de calcular una mutación del modelo, ambas variantes también comprueban los resultados de cálculo activados respectivos de los complementos. Además, guardan la variante con el resultado de optimización correspondiente y la asignación de valores de los parámetros de optimización si la utilización es < 1.

Puede determinar los costes totales estimados y la emisión a partir de las sumas respectivas de los materiales individuales. Las sumas de los materiales se componen de las sumas parciales basadas en el peso, en el volumen y en el área de los elementos de barra, superficie y sólido.