머신러닝 모델을 활용한 이용률 예측

이 기능은 IDEA StatiCa 사전 정의 세트에 포함된 선택된 파라메트릭 연결 템플릿에 대해 사용할 수 있습니다. 버전 26.0에서는 예측을 지원하는 템플릿의 수가 제한적이지만, 향후 버전에서 점차 확대될 예정입니다.

지원되는 템플릿의 경우, 예측 이용률이 장면에 직접 표시되어 현재 구성의 예상 내력에 대한 즉각적인 피드백을 제공합니다. 표시된 값은 머신러닝 모델에 의해 생성된 추정값입니다.

예측 방법

예측 이용률은 사전 계산된 대규모 연결 변형 데이터셋으로 학습된 머신러닝 모델을 기반으로 합니다. 지원되는 각 파라메트릭 템플릿에 대해 서로 다른 파라미터 조합을 가진 수만 개의 모델이 자동으로 생성되었습니다.

이 모든 모델은 표준 IDEA StatiCa Connection 해석을 사용하여 완전히 계산되었습니다. 그 결과를 바탕으로, 사전에 명시적으로 계산되지 않은 새로운 파라미터 조합에 대해 템플릿의 이용률을 예측하도록 머신러닝 모델이 학습되었습니다.

이 접근 방식은 파라미터 변경 후마다 전체 계산을 실행할 필요 없이 연결 이용률에 대한 빠른 추정값을 제공합니다.

예측 평가 방법

지원되는 각 파라메트릭 템플릿에 대해, 머신러닝 모델은 학습 중에 적용된 하중 성분과 함께 템플릿의 형상 및 파라미터를 고려합니다.

사용자가 템플릿 파라미터(예: 플레이트 두께, 볼트 크기 또는 단부 거리)를 수정하면 예측 이용률이 즉시 업데이트됩니다. 이를 통해 사용자는 현재 구성이 예상 내력에 더 가까운지 또는 더 먼지를 빠르게 평가할 수 있습니다.

예측 이용률의 사용자 이점

예측 이용률 덕분에 사용자는 전체 계산을 반복적으로 실행하지 않고도 연결 구성을 최적화할 수 있습니다. 예측은 파라미터 변경 중에 즉각적인 피드백을 제공합니다.

사용자가 예측 이용률에 만족하면, 최종 검증은 항상 표준 응력-변형률 계산을 실행하여 수행해야 합니다. 계산된 결과만이 선택한 규정에 따른 실제 설계 규정 검토를 나타냅니다.

이 접근 방식은 모든 중간 설계 변형을 계산으로 검증할 필요가 없어 설계 프로세스를 크게 가속화합니다.

장면에 표시되는 예측

프로젝트에 여러 하중 효과가 정의된 경우, 장면에 표시되는 예측 이용률은 항상 연결이 가장 높은 이용률에 도달하는 하중 효과에 해당합니다. 다른 하중 효과에 대한 예측은 동시에 표시되지 않습니다.

마찬가지로, 단일 연결 모델 내에서 두 개 이상의 파라메트릭 템플릿이 사용되는 경우, 장면에 표시되는 예측 이용률은 결합된 템플릿의 상호작용이 고려되지 않으므로 접합부 전체의 이용률이 아닌 가장 많이 활용된 템플릿을 나타냅니다.

개별 템플릿의 예측 이용률은 각 템플릿을 개별적으로 선택하여 확인할 수 있습니다. 이를 통해 사용자는 표시된 값이 전체 연결 모델의 결합 거동을 나타내지 않는다는 점을 염두에 두면서 각 템플릿의 추정 이용률을 독립적으로 평가할 수 있습니다.

제한 사항

예측 이용률은 연결 설계 중 빠른 추정값을 제공하기 위한 것입니다. 표시된 값을 해석할 때는 머신러닝 모델 학습 중에 사용된 가정과 이로 인한 고유한 제한 사항을 이해하는 것이 중요합니다.

예측 이용률에는 다음과 같은 제한 사항이 적용됩니다:

 1  하중 고려 사항

• 제한된 하중 성분 – 각 템플릿의 학습에는 두 가지 하중 성분(예: Vz 및 My)만 포함되었으며, 앵커링 케이스는 세 가지 성분으로 학습되었습니다. 다른 하중 성분은 예측에 고려되지 않습니다. 이러한 성분이 연결 거동에 결정적인 경우, 예측 이용률은 계산 결과와 크게 다를 수 있습니다.
• 연결 부재만 해당 – 예측은 연결 부재에만 적용된 하중을 고려합니다. 지지 부재에 작용하는 하중은 포함되지 않습니다. 지지 부재에 상당한 하중이 작용하는 경우, 계산 결과는 예측보다 상당히 불리할 수 있습니다.

2  모델링 가정

• 맞대기(CJP) 용접 가정 – 모델은 맞대기(CJP) 용접을 가정하여 학습되었습니다. 따라서 용접 크기는 예측 이용률에 반영되지 않습니다. 용접 내력이 결정적인 경우, 예측은 계산 결과와 크게 다를 수 있습니다. 전강도, 최소 연성 또는 내력 추정을 위한 초과강도를 적용한 용접 자동 설계는 프로젝트 항목 컨텍스트 메뉴에서 사용할 수 있습니다.
• 기본 프로젝트 설정 필요 – 예측 이용률은 프로젝트 설정이 학습 중에 사용된 설정과 일치하는 경우에만 신뢰할 수 있는 결과를 제공합니다. 즉, 특히 안전 계수, 메시 설정, 기본 길이 및 세그먼트 분할에 있어 기본 프로젝트 설정을 사용해야 합니다.

3  가용성

• EN 및 AISC 설계 규정에만 해당됩니다.
• 응력-변형률 해석이 선택된 경우에만 해당됩니다.
• 인터넷 연결이 필요합니다.
  

4  템플릿 수정

• 개발자 탭 및 구조 체계 변경 – 사용자가 개발자 탭에서 템플릿을 수정하거나(예: 파라미터 제거, 파라미터 한계 변경) 다른 지지 부재를 선택하면 예측을 사용할 수 없게 됩니다. 이러한 경우, 알고리즘은 수정된 연결이 원래 학습된 템플릿과 얼마나 다른지 제어할 수 없습니다.
• 형상 변경 – 일부 형상 변경은 아직 예측 이용률에 반영되지 않습니다. 예를 들어, 연결 부재의 각도 또는 축 편심 변경은 고려되지 않으며, 이러한 경우 예측 이용률은 계산 결과와 크게 다를 수 있습니다.
• 추가 작업 – 템플릿에 추가 작업이 추가된 경우(예: 스티프너), 예측 이용률은 계속 표시되지만 해당 작업의 효과는 예측에 포함되지 않습니다.
  

5  다중 템플릿

• 하나의 연결 모델 내에서 여러 템플릿이 사용되는 경우, 각 템플릿의 이용률을 개별적으로 예측할 수 있습니다. 그러나 상호 간의 상호작용은 고려되지 않습니다.

최종 비고

예측 이용률은 항상 추정값으로 이해해야 합니다. 머신러닝 도구는 엔지니어가 수행하는 완전한 구조 계산을 대체할 수 없습니다.

예측은 서로 다른 파라미터 구성의 빠른 비교를 가능하게 함으로써 연결 최적화 중에 상당한 시간 절약을 제공할 수 있습니다.

나열된 제한 사항은 머신러닝 프로세스와 학습 데이터셋이 더욱 확장됨에 따라 점차 줄어들 것입니다. 동시에 예측 기능을 갖춘 지원 파라메트릭 템플릿의 수도 계속 증가할 것입니다.