top of page
ค้นหา

Stock Simulation Enhancing Algorithm

เรากำลังปรับแต่งและพัฒนาความสามารถในการจำลองของ CIMCO Edit และ Machine Simulation อย่างต่อเนื่อง แต่เราไม่เพียงพอใจกับความเร็วเท่านั้น—เรายังมุ่งมั่นที่จะพัฒนาคุณภาพและความแม่นยำของการจำลองวัสดุต่อไป


ทีมวิจัยและพัฒนาการจำลองของเราได้เปิดตัวตัวอย่างการทำงานใหม่เมื่อไม่นานมานี้: อัลกอริทึมการเพิ่มประสิทธิภาพที่ขับเคลื่อนด้วย GPU


อัลกอริทึมนี้จะเพิ่มประสิทธิภาพให้กับกระบวนการที่มีอยู่ของเราด้วยความฉลาดและความเข้าใจลึกซึ้งในโปรไฟล์เครื่องมือและเส้นทางเครื่องมือ ในขณะที่เทคนิคการแปรรูปหลังการประมวลผล “refine edges” ปัจจุบันสามารถจัดการกับสถานการณ์ส่วนใหญ่ได้ แต่ก็ทำงานบนตาข่าย 3D เท่านั้น จำกัดศักยภาพของมัน


คุณสมบัติหลักของอัลกอริทึมใหม่:


  1. สร้างโปรไฟล์เครื่องมือที่แท้จริง ไม่เหมือนอัลกอริทึมปัจจุบันที่ทำให้รูปทรงเครื่องมือเป็นเส้นตรง (ยกเว้น Ball Mill), วิธีการใหม่ของเราจำลองรูปทรงแน่นอนของเครื่องมือ

  2. เปลี่ยนทิศทางเครื่องมือในส่วนของเส้นทางเครื่องมือที่เป็นเส้นตรง อัลกอริทึมที่มีอยู่จะทำให้เส้นทางเครื่องมือแบบ 5 แกนเป็นส่วนเล็กๆ ที่มีทิศทางเครื่องมือคงที่ แต่การกลึงในโลกแห่งความเป็นจริงมักเกี่ยวข้องกับการเปลี่ยนแปลงทิศทางของเครื่องมืออย่างแข็งขัน อัลกอริทึมที่ได้รับการปรับปรุงใหม่ปรับตัวได้อย่างราบรื่นกับทิศทางเครื่องมือที่แตกต่างกัน ทำให้การจำลองมีความแม่นยำมากขึ้น


อัลกอริทึมการเพิ่มประสิทธิภาพสามารถวัดความคลาดเคลื่อนของจุดยอดจากเครื่องจักรกำจัดวัสดุปัจจุบันและฉายภาพลงบนพื้นผิวที่แม่นยำยิ่งขึ้นโดยคำนึงถึงสิ่งที่กล่าวมาข้างต้น


จากผลลัพธ์เบื้องต้น อัลกอริทึมใหม่นี้น่าสนใจ ใช้เวลาเพียงประมาณ 10% ของเวลาจำลองปัจจุบัน ดังนั้นต้นทุนที่เกี่ยวข้องกับการเพิ่มประสิทธิภาพจึงต่ำ


ข้อดีทันทีของการดำเนินการขั้นตอนเหล่านี้คือความสามารถในการตั้งค่าคุณภาพของการจำลองวัสดุเป็นค่าความอดทนสูงสุด แทนที่จะเป็นการตั้งค่าต่ำ-สูงที่ไม่เจาะจงซึ่งเป็นกรณีในปัจจุบัน


แม้ว่าขั้นตอนเหล่านี้จะเป็นสิ่งสำคัญ แต่ก็เป็นเพียงขั้นตอนแรกของการเดินทางที่ยาวนานยิ่งขึ้นสู่อัลกอริทึมการเพิ่มประสิทธิภาพการจำลองวัสดุใหม่ของเราที่จะยกระดับคุณภาพการจำลองของเราให้สูงขึ้น ในขณะที่เรายังคงปรับแต่งและตรวจสอบประสิทธิภาพของมัน เรามั่นใจว่าจะนำการจำลองของเราไปสู่ระดับความแม่นยำและความสมจริงที่ไม่เคยมีมาก่อน


ตัวอย่าง

ตัวอย่างต่อไปนี้แสดงถึงวิธีที่อัลกอริทึมการเพิ่มประสิทธิภาพแก้ไขความผิดพลาดในการเชื่อมโยงโปรไฟล์เครื่องมือ ตัวอย่างนี้มีการ exaggerate เพื่อแสดงความสามารถ การเชื่อมโยงในภาพแรกมักจะไม่เห็นได้ชัดเจนเช่นนี้

ภาพแรกด้านล่างแสดงอัลกอริทึมปัจจุบันที่ใช้โปรไฟล์เชื่อมโยงเพื่อแทนที่ Bull-Nose ภาพที่สองแสดงอัลกอริทึมการเพิ่มประสิทธิภาพใหม่ที่ใช้โปรไฟล์ True-Arc เพื่อแทนที่ Bull-Nose เดียวกัน


True-Arc Bull-Nose. Linearized Bull-Nose.



ดู 1 ครั้ง

Comments


bottom of page