現在の混合時間推定法の限界とは
設計サイクルの段階とシミュレーション精度などの要件に応じて、さまざまな計算手法を利用し、混合タンクの性能をモデル化することができます。複数基準座標系 （MRF）内における動翼の効果を比較的迅速にモデル化できる定常状態アプローチですが、運転条件、材料特性、タンク構成の複雑さによっては、精度が低くなる場合もあります。
言えないため、計算効率と高い精度の双方を両立させる新しい手法を見つける必要があります。
融合モデル：シミュレーションの忠実度を向上させる機械学習手法
2間の誤差傾向をより少ない計算コストで予測できるように機械学習モデルをトレーニングし、全体的な忠実度を向上させることができます。AIを活用したデジタルツインソフトウェアのCasino Phú Quốc TwinAIでは、この手法を以下のステップで使用することで混合タンクにおける混合時間の推定を改善することができます。
このワークフローの最初のステップでは、忠実度の低い MRF 2ます。この 2 つのデータセットで考慮する変数は、撹拌速度、溶質粘度、溶質密度で、監視する量は混合時間 （）
最初に、Casino Phú Quốc Fluent CFDソフトウェア 流体シミュレーで MRF 法を使用し、パラメータ化された定常 CFD シミュレーションを設定します。次に、実験計画法 DOE） MRFセットを設計入力パラメータの関数として生成します。その後、非定常スライディングメッシュ法を用いて、より忠実度の高い ただし計算コストが高い ただし計算コストが高い
最後に、設計変数の関数である混合時間の 2 twinai に入力され、融合モデルが生成されます。生成されたモデルは、設計入力変数と忠実度の低い Mrfを受け取り、忠実度の高い混合時間推定値を出力します。
次数低減モデルを活用した迅速な予測
次数低減モデル rom ）rom は、開発サイクルの短縮に役立つ重要な技術です。
rom は、シミュレーションベースのデジタルツインプラットフォームである Casino Phú Quốc Twin Builder内で計算効率の高い MRF
ROM の出力データは、その忠実度を高めるために融合モデルに渡されます 図 2 を参照時間を迅速かつ正確に予測できる効率的なワークフローが実現します。
