Deze functionaliteit is beschikbaar voor geselecteerde parametrische verbindingstemplates uit de vooraf gedefinieerde set van IDEA StatiCa. In versie 26.0 ondersteunt slechts een beperkt aantal templates de voorspelling, maar de dekking wordt in toekomstige versies geleidelijk uitgebreid.
Voor ondersteunde templates wordt de voorspelde benuttingsgraad direct in de weergave getoond. Zo krijgt u onmiddellijk feedback over de verwachte capaciteit van de huidige configuratie. De getoonde waarde is een schatting die is gegenereerd door een machine learning-model.
De voorspellingsmethode
De voorspelde benuttingsgraad is gebaseerd op een machine learning-model dat is getraind op een grote dataset van vooraf berekende verbindingsvarianten. Voor elk ondersteund parametrisch template zijn tienduizenden modellen met verschillende parametercombinaties automatisch gegenereerd.
Al deze modellen zijn volledig doorgerekend met de standaardanalyse van IDEA StatiCa Connection. Op basis van de resultaten is een machine learning-model getraind om de benuttingsgraad van het template te voorspellen voor nieuwe parametercombinaties die niet vooraf expliciet zijn berekend.
Deze aanpak geeft een snelle schatting van de benuttingsgraad van de verbinding, zonder dat na elke parameterwijziging een volledige berekening nodig is.
Hoe de voorspelling wordt bepaald
Voor elk ondersteund parametrisch template houdt het machine learning-model rekening met de geometrie en de parameters van het template, evenals met de belastingcomponenten die tijdens de training zijn toegepast.
Wanneer de gebruiker een parameter van het template wijzigt (bijvoorbeeld plaatdikte, boutmaat of randafstanden), wordt de voorspelde benuttingsgraad direct bijgewerkt. Hierdoor kan de gebruiker snel beoordelen of de huidige configuratie dichter bij of verder van de verwachte capaciteit ligt.
De voordelen van de voorspelde benuttingsgraad voor de gebruiker
Dankzij de voorspelde benuttingsgraad kan de gebruiker de configuratie van de verbinding optimaliseren zonder herhaaldelijk de volledige berekening uit te voeren. De voorspelling geeft directe feedback tijdens parameterwijzigingen.
Zodra de gebruiker tevreden is met de voorspelde benuttingsgraad, moet de eindcontrole altijd worden uitgevoerd met de standaard spanning-rekberekening. Alleen het berekende resultaat weerspiegelt de werkelijke toetsing volgens de geselecteerde norm.
Deze aanpak versnelt het ontwerpproces aanzienlijk, omdat het niet langer nodig is om elke tussenliggende ontwerpvariant door berekening te controleren.
Getoonde voorspelling in de weergave
Als in het project meerdere belastingseffecten zijn gedefinieerd, komt de voorspelde benuttingsgraad die in de weergave wordt getoond altijd overeen met het belastingseffect waarbij de verbinding de hoogste benuttingsgraad bereikt. Voorspellingen voor andere belastingseffecten worden niet gelijktijdig getoond.
Wanneer twee of meer parametrische templates in één verbindingsmodel worden gebruikt, weerspiegelt de voorspelde benuttingsgraad in de weergave eveneens het template met de hoogste benuttingsgraad, en niet de benuttingsgraad van de verbinding als geheel. De interactie tussen de gecombineerde templates wordt namelijk niet in rekening gebracht.
De voorspelde benuttingsgraden van afzonderlijke templates kunt u bekijken door elk template afzonderlijk te selecteren. Zo kan de gebruiker de geschatte benuttingsgraad van elk template onafhankelijk beoordelen, met in het achterhoofd dat de getoonde waarde niet het gecombineerde gedrag van het gehele verbindingsmodel weergeeft.
Beperkingen
De voorspelde benuttingsgraad is bedoeld om tijdens het ontwerp van de verbinding een snelle schatting te geven. Bij de interpretatie van de getoonde waarde is het belangrijk de aannames te begrijpen die bij de training van het machine learning-model zijn gebruikt, en de beperkingen die daaruit voortvloeien.
De volgende beperkingen zijn van toepassing op de voorspelde benuttingsgraad:
1 Belastingaspecten
- Beperkte belastingcomponenten – Bij de training van elk template zijn slechts twee of drie belastingcomponenten gebruikt (bijvoorbeeld N, Vz en My). Andere belastingcomponenten worden niet meegenomen in de voorspelling. Als deze componenten bepalend zijn voor het gedrag van de verbinding, kan de voorspelde benuttingsgraad aanzienlijk afwijken van het berekende resultaat.
- Alleen de aangesloten staaf – De voorspelling houdt alleen rekening met belastingen op de aangesloten staaf. Belastingen op de ondersteunende staaf zijn niet inbegrepen. Als de ondersteunende staaf aanzienlijk belast wordt, kan het berekende resultaat aanzienlijk ongunstiger zijn dan de voorspelling.
2 Modelleringsaannames
- Aanname van stompe lassen (CJP) – De modellen zijn getraind met de aanname van stompe lassen (CJP). De lasafmeting is daarom niet terug te zien in de voorspelde benuttingsgraad. Als de lascapaciteit bepalend is, kan de voorspelling aanzienlijk afwijken van het berekende resultaat. Automatisch lasontwerp met overcapaciteit, voor volledige sterkte, minimale ductiliteit of capaciteitsschatting is beschikbaar in het contextmenu van het projectitem.
- Voor bouten van het type stuik (bearing-type) wordt altijd aangenomen dat het afschuifvlak door de schroefdraad loopt.
- Standaard projectinstellingen vereist – De voorspelde benuttingsgraad levert alleen betrouwbare resultaten als de projectinstellingen overeenkomen met die tijdens de training. Dit betekent dat de standaard projectinstellingen moeten worden gebruikt, in het bijzonder voor veiligheidsfactoren, mesh-instellingen, standaardlengten en segmentindeling.
3 Beschikbaarheid
- Alleen voor de EN- en AISC-normen.
- Ankerende templates zijn niet getraind
- Alleen wanneer spanning-rekanalyse is geselecteerd.
- Een internetverbinding is vereist.
4 Wijzigingen aan templates
- Wijzigingen op het tabblad Developer en in het constructieschema – Als de gebruiker het template wijzigt op het tabblad Developer (bijvoorbeeld door parameters te verwijderen of parametergrenzen te wijzigen) of een andere ondersteunende staaf selecteert, is de voorspelling niet meer beschikbaar. In dat geval kan het algoritme niet beoordelen in hoeverre de gewijzigde verbinding afwijkt van het oorspronkelijk getrainde template.
- Geometrische wijzigingen – Sommige wijzigingen worden nog niet weerspiegeld in de voorspelde benuttingsgraad. Wijzigingen in de hoek of in de excentriciteit van de as van de aangesloten staaf worden bijvoorbeeld niet meegenomen, en in dat geval kan de voorspelde benuttingsgraad aanzienlijk afwijken van het berekende resultaat.
- Aanvullende bewerkingen – Als een aanvullende bewerking aan het template wordt toegevoegd (bijvoorbeeld een verstijver), wordt de voorspelde benuttingsgraad nog steeds getoond, maar het effect van die bewerking is niet in de voorspelling opgenomen.
5 Meerdere templates
- Wanneer meerdere templates in één verbindingsmodel worden gebruikt, kan de benuttingsgraad van elk template afzonderlijk worden voorspeld. Hun onderlinge interactie wordt echter niet in rekening gebracht.
De belastingcomponenten die door het template worden gedekt, staan onder de belastingseffecten vermeld, bijvoorbeeld "Template 1 beschouwt alleen Vz en My van staaf B1".
De onder- en bovengrenzen van de trainingsdataset worden in de parameters zelf getoond, met waarden in rood wanneer ze buiten dit bereik vallen. De waarde blijft van toepassing: ze wordt gemarkeerd, niet geblokkeerd.
Slotopmerking
De voorspelde benuttingsgraad moet altijd als een schatting worden opgevat. Machine learning-tools kunnen een volledige constructieve berekening door een ingenieur niet vervangen.
De voorspelling kan bij het optimaliseren van de verbinding aanzienlijke tijdwinst opleveren, doordat verschillende parameterconfiguraties snel kunnen worden vergeleken.
De genoemde beperkingen zullen geleidelijk afnemen naarmate het machine learning-proces en de trainingsdatasets worden uitgebreid. Tegelijkertijd blijft het aantal ondersteunde parametrische templates met voorspellingsfunctionaliteit toenemen.
Uitgebracht in IDEA StatiCa versie 26.0, bijgewerkt in versie 26.1.
