Grundlagen: Zielstellung: Unterschied zwischen den Versionen
Aus OptiYummy
Zur Navigation springenZur Suche springen
KKeine Bearbeitungszusammenfassung |
KKeine Bearbeitungszusammenfassung |
||
| Zeile 5: | Zeile 5: | ||
In den Grundlagen-Abschnitten wird gezeigt, wie ausgehend von einer Aufgabenstellung der Problemlösungsprozess aufbereitet werden sollte, um die numerische Optimierung für die automatisierte Lösungssuche nutzen zu können: | In den Grundlagen-Abschnitten wird gezeigt, wie ausgehend von einer Aufgabenstellung der Problemlösungsprozess aufbereitet werden sollte, um die numerische Optimierung für die automatisierte Lösungssuche nutzen zu können: | ||
* Ausgangspunkt ist der verallgemeinerte [[Grundlagen:_Entwurfsprozess|'''Entwurfsprozess''']]. Dieser wird aus der Sicht des Konstrukteurs dargestellt, gilt aber letztendlich für alle schöpferisch gestaltenden Prozesse. | * Ausgangspunkt ist der verallgemeinerte [[Grundlagen:_Entwurfsprozess|'''Entwurfsprozess''']]. Dieser wird hier aus der Sicht des Konstrukteurs dargestellt, gilt aber letztendlich für alle schöpferisch gestaltenden Prozesse. | ||
* Im Mittelpunkt des dabei erforderlichen Erkenntnisprozesses stehen Modelle. [[Grundlagen:_Simulation|'''Simulation''']] innerhalb systematisch geplanter Experimente bildet die Grundlage, um schrittweise zur modellbasierten, automatisierten Lösungssuche zu gelangen. | * Im Mittelpunkt des dabei erforderlichen Erkenntnisprozesses stehen Modelle. [[Grundlagen:_Simulation|'''Simulation''']] innerhalb systematisch geplanter Experimente bildet die Grundlage, um schrittweise zur modellbasierten, automatisierten Lösungssuche zu gelangen. | ||
* Ein aktueller Brennpunkt bei der numerischen Simulation ist die Berücksichtigung der [[Grundlagen:_Probabilistik|'''Probabilistik''']]. Klassische numerische Modelle rechnen nur mit exakten Zahlen (Nennwerte), aber in der Realität streuen praktisch alle Kenngrößen mit individuellen Verteilungsfunktionen. Moderne numerische Verfahren der statistischen Versuchsplanung ermöglichen die Berücksichtigung dieser Streuungen auch bei der Benutzung "klassischer" Modelle. | * Ein aktueller Brennpunkt bei der numerischen Simulation ist die Berücksichtigung der [[Grundlagen:_Probabilistik|'''Probabilistik''']]. Klassische numerische Modelle rechnen nur mit exakten Zahlen (Nennwerte), aber in der Realität streuen praktisch alle Kenngrößen mit individuellen Verteilungsfunktionen. Moderne numerische Verfahren der statistischen Versuchsplanung ermöglichen die Berücksichtigung dieser Streuungen auch bei der Benutzung "klassischer" Modelle. | ||
* Als Höhepunkt kann numerische [[Grundlagen:_Optimierung|'''Optimierung''']] bei geeigneter Konfiguration das zielgerichtete Experimentieren mit Modellen automatisieren. In Hinblick auf das Finden optimaler Lösungen existieren für Entwurfsprobleme unterschiedlichste Zielstellungen. Diese reichen von der idealisierten Nennwert-Optimierung (ohne Streuungen!), über die Ausschuss-Minimierung bis zur Robust-Optimierung. Ein Schwerpunkt ist dabei auch die gleichzeitige Berücksichtigung mehrerer Gütekriterien, welche in der Praxis immer zu Kompromisslösungen führt. | * Als Höhepunkt kann numerische [[Grundlagen:_Optimierung|'''Optimierung''']] bei geeigneter Konfiguration das zielgerichtete Experimentieren mit Modellen automatisieren. In Hinblick auf das Finden optimaler Lösungen existieren für Entwurfsprobleme unterschiedlichste Zielstellungen. Diese reichen von der idealisierten Nennwert-Optimierung (ohne Streuungen!), über die Ausschuss-Minimierung bis zur Robust-Optimierung. Ein Schwerpunkt ist dabei auch die gleichzeitige Berücksichtigung mehrerer Gütekriterien, welche in der Praxis immer zu Kompromisslösungen führt. | ||
Version vom 2. Oktober 2008, 09:02 Uhr
Beim heutigen Stand der Informationsverarbeitung bedarf es noch eines beträchtlichen Aufwandes, um für technisch-wissenschaftliche Problemstellungen optimale Lösungen mittels des Computers zu finden.
Nur eine geeignete systematische Herangehensweise bei der Aufbereitung der Probleme für den rechnergestützten Lösungsprozess führt mit befriedigender Wahrscheinlichkeit zu den angestrebten optimalen Ergebnissen.
In den Grundlagen-Abschnitten wird gezeigt, wie ausgehend von einer Aufgabenstellung der Problemlösungsprozess aufbereitet werden sollte, um die numerische Optimierung für die automatisierte Lösungssuche nutzen zu können:
- Ausgangspunkt ist der verallgemeinerte Entwurfsprozess. Dieser wird hier aus der Sicht des Konstrukteurs dargestellt, gilt aber letztendlich für alle schöpferisch gestaltenden Prozesse.
- Im Mittelpunkt des dabei erforderlichen Erkenntnisprozesses stehen Modelle. Simulation innerhalb systematisch geplanter Experimente bildet die Grundlage, um schrittweise zur modellbasierten, automatisierten Lösungssuche zu gelangen.
- Ein aktueller Brennpunkt bei der numerischen Simulation ist die Berücksichtigung der Probabilistik. Klassische numerische Modelle rechnen nur mit exakten Zahlen (Nennwerte), aber in der Realität streuen praktisch alle Kenngrößen mit individuellen Verteilungsfunktionen. Moderne numerische Verfahren der statistischen Versuchsplanung ermöglichen die Berücksichtigung dieser Streuungen auch bei der Benutzung "klassischer" Modelle.
- Als Höhepunkt kann numerische Optimierung bei geeigneter Konfiguration das zielgerichtete Experimentieren mit Modellen automatisieren. In Hinblick auf das Finden optimaler Lösungen existieren für Entwurfsprobleme unterschiedlichste Zielstellungen. Diese reichen von der idealisierten Nennwert-Optimierung (ohne Streuungen!), über die Ausschuss-Minimierung bis zur Robust-Optimierung. Ein Schwerpunkt ist dabei auch die gleichzeitige Berücksichtigung mehrerer Gütekriterien, welche in der Praxis immer zu Kompromisslösungen führt.
