IOSO (Indirect Optimization on the basis of Self-Organization ) เป็นเทคโนโลยีการหาค่าเหมาะสมที่สุดแบบไม่เชิงเส้นที่ มีหลายเป้าหมาย และหลายมิติ

เทคโนโลยี IOSO ใช้ แนวทางการวิเคราะห์ พื้นผิวตอบสนอง (Response Surface Methodology ) ในแต่ละรอบการทำงานของ IOSO โมเดลพื้นผิวตอบสนองที่สร้างขึ้นภายในสำหรับฟังก์ชันเป้าหมายจะถูกปรับให้เหมาะสมที่สุดภายในขอบเขตการค้นหาปัจจุบัน ขั้นตอนนี้จะตามด้วยการเรียกใช้โมเดลทางคณิตศาสตร์จริงของระบบสำหรับจุดที่เหมาะสมที่สุดที่ได้จากการปรับโมเดลพื้นผิวตอบสนองภายในให้เหมาะสมที่สุด ในระหว่างการทำงานของ IOSO ข้อมูลเกี่ยวกับพฤติกรรมของระบบจะถูกจัดเก็บไว้สำหรับจุดต่างๆ ในบริเวณใกล้เคียงกับค่าสุดขั้ว เพื่อให้โมเดลพื้นผิวตอบสนองมีความแม่นยำมากขึ้นสำหรับพื้นที่การค้นหานี้ ขั้นตอนต่อไปนี้จะดำเนินการภายในขณะดำเนินการจากรอบการทำงานของ IOSO หนึ่งไปยังอีกรอบหนึ่ง:

• การปรับเปลี่ยนแผนการทดลอง;
• การปรับพื้นที่ค้นหาปัจจุบันให้เหมาะสมโดยอัตโนมัติ
• การ เลือก ประเภทฟังก์ชัน (ทั่วโลกหรือช่วงกลาง) สำหรับแบบจำลองพื้นผิวการตอบสนอง
• การปรับแบบจำลองพื้นผิวการตอบสนอง;
• การปรับเปลี่ยนทั้งพารามิเตอร์และโครงสร้างของอัลกอริธึมการปรับให้เหมาะสม และหากจำเป็น ให้เลือกจุดที่มีศักยภาพใหม่ภายในพื้นที่การค้นหา

IOSO มีพื้นฐานมาจากเทคโนโลยีที่ได้รับการพัฒนามากว่า 20 ปีโดยSigma Technologyซึ่งเติบโตมาจากศูนย์เทคโนโลยี IOSO ในปี 2544 โดยมีศาสตราจารย์ Egorov IN เป็นประธานเจ้าหน้าที่บริหารของ Sigma Technology

IOSO คือชื่อของกลุ่ม ซอฟต์แวร์ เพิ่มประสิทธิภาพการออกแบบแบบสหวิทยาการที่ทำงานบน ระบบปฏิบัติการ Microsoft WindowsรวมถึงUnix / Linuxซึ่งพัฒนาโดยSigma Technology ซอฟต์แวร์นี้ใช้เพื่อปรับปรุงประสิทธิภาพของระบบและกระบวนการทางเทคโนโลยีที่ซับซ้อน และเพื่อพัฒนาวัสดุใหม่โดยการค้นหาพารามิเตอร์ที่เหมาะสมที่สุด IOSO สามารถบูรณาการเข้ากับ เครื่องมือ วิศวกรรมช่วยคอมพิวเตอร์ (CAE) เกือบทุกชนิดได้อย่างง่ายดาย

กลุ่มซอฟต์แวร์ IOSO ประกอบด้วย:

• IOSO NM: การเพิ่มประสิทธิภาพแบบหลายเป้าหมาย;
• IOSO PM: การเพิ่มประสิทธิภาพแบบหลายเป้าหมายแบบขนาน;
• IOSO LM: การเพิ่มประสิทธิภาพแบบหลายระดับหลายวัตถุประสงค์ พร้อมการเปลี่ยนแปลงแบบปรับได้ของความแม่นยำของแบบจำลองวัตถุ (แบบจำลองความแม่นยำต่ำ กลาง และสูง)
• IOSO RM: ซอฟต์แวร์เพิ่มประสิทธิภาพการออกแบบที่แข็งแกร่งและซอฟต์แวร์ควบคุมที่เหมาะสมที่สุดที่แข็งแกร่ง

IOSO NM ใช้เพื่อเพิ่มหรือลดคุณลักษณะของระบบหรือวัตถุ ซึ่งอาจรวมถึงประสิทธิภาพ ต้นทุน หรือภาระที่เกิดขึ้นกับวัตถุนั้น การค้นหาค่าที่เหมาะสมที่สุดสำหรับคุณลักษณะของวัตถุหรือระบบจะดำเนินการโดยการเปลี่ยนแปลงการออกแบบ รูปทรงเรขาคณิต หรือพารามิเตอร์อื่นๆ ของวัตถุให้เหมาะสมที่สุด

บ่อยครั้งจำเป็นต้องเลือกหรือประสานพารามิเตอร์การจัดการสำหรับระบบในขณะที่ระบบกำลังทำงานอยู่ เพื่อให้ได้ผลลัพธ์ที่ต้องการในระหว่างการทำงานของระบบ หรือเพื่อลดผลกระทบของปัจจัยบางอย่างที่มีต่อระบบ

เมื่อกระบวนการออกแบบเกี่ยวข้องกับการใช้แบบจำลองทางคณิตศาสตร์ของวัตถุในชีวิตจริง ไม่ว่าจะเป็นเชิงพาณิชย์หรือขององค์กร ปัญหาที่เกิดขึ้นคือการประสานผลการทดลองและผลการคำนวณจากแบบจำลอง แบบจำลองทุกแบบล้วนมีปัจจัยหรือค่าคงที่ที่ไม่ทราบค่าอยู่ การค้นหาค่าที่เหมาะสมที่สุดของปัจจัยเหล่านั้นจะช่วยให้สามารถประสานผลการทดลองและผลการคำนวณจากแบบจำลองได้

การนำผลลัพธ์การหาค่าเหมาะสมที่สุดเชิงตัวเลขไปประยุกต์ใช้ในทางปฏิบัติเป็นเรื่องยาก เนื่องจากระบบทางเทคนิคที่ซับซ้อนใดๆ ก็ตามล้วนเป็นระบบสุ่ม และลักษณะของระบบนี้มีลักษณะเป็นความน่าจะเป็น เราขอเน้นย้ำว่า ในการพูดถึงคุณสมบัติสุ่มของระบบทางเทคนิคภายในกรอบของงานการหาค่าเหมาะสมที่สุดนั้น เราหมายความว่าพารามิเตอร์ที่สำคัญของระบบใดๆ ก็ตามมีการกระจายตัวแบบสุ่ม โดยปกติแล้วจะเกิดขึ้นในระหว่างขั้นตอนการผลิต แม้ว่าเทคโนโลยีจะทันสมัยแล้วก็ตาม การเบี่ยงเบนแบบสุ่มของพารามิเตอร์ของระบบนำไปสู่การเปลี่ยนแปลงแบบสุ่มในประสิทธิภาพของระบบ

ค่าประสิทธิภาพสูงสุดที่ได้จากการแก้ปัญหาด้วยวิธีแบบดั้งเดิม (แบบกำหนด) นั้น เป็นเพียงค่าสูงสุดที่สามารถเข้าถึงได้ และสามารถพิจารณาได้ว่าเป็นค่าที่เหมาะสมที่สุดตามหลักการทั่วไปจากมุมมองของการนำไปใช้ในทางปฏิบัติ ดังนั้น เราจึงสามารถพิจารณาเกณฑ์การเพิ่มประสิทธิภาพได้สองประเภท ประเภทหนึ่งคือประสิทธิภาพในอุดมคติ ซึ่งสามารถบรรลุได้ภายใต้เงื่อนไขของการจำลองพารามิเตอร์ของระบบที่กำลังพิจารณาอย่างแม่นยำที่สุด อีกประเภทหนึ่งคือเกณฑ์การเพิ่มประสิทธิภาพที่มีลักษณะเป็นความน่าจะเป็น ตัวอย่างเช่น ค่าเฉลี่ยทางคณิตศาสตร์ของประสิทธิภาพ ความน่าจะเป็นโดยรวมของการรับประกันข้อจำกัดที่กำหนดไว้ล่วงหน้า ความแปรปรวนของประสิทธิภาพ และอื่นๆ เห็นได้ชัดว่าค่าสูงสุดของเกณฑ์หนึ่งไม่ได้รับประกันว่าจะมีระดับสูงของเกณฑ์อื่นด้วย ยิ่งไปกว่านั้น เกณฑ์เหล่านี้อาจขัดแย้งกัน ดังนั้น ในกรณีนี้ เราจึงมีปัญหา การเพิ่มประสิทธิภาพแบบหลายเป้าหมาย

แนวคิด IOSO ของการเพิ่มประสิทธิภาพการออกแบบที่แข็งแกร่งและการควบคุมที่เหมาะสมที่สุดที่แข็งแกร่ง ช่วยให้สามารถกำหนดวิธีการแก้ปัญหาที่เหมาะสมที่สุดในทางปฏิบัติ ซึ่งสามารถนำไปใช้ได้ด้วยความน่าจะเป็นสูงสำหรับระดับเทคโนโลยีที่กำหนดของโรงงานผลิต วิธีการเชิงความน่าจะเป็นสมัยใหม่หลายวิธีใช้การประมาณค่าเกณฑ์ประสิทธิภาพเชิงความน่าจะเป็นเฉพาะในขั้นตอนการวิเคราะห์เพื่อหาคำตอบที่แน่นอน หรือใช้การประเมินเกณฑ์เชิงความน่าจะเป็นที่ง่ายขึ้นอย่างมากในระหว่างกระบวนการเพิ่มประสิทธิภาพ คุณลักษณะที่โดดเด่นของวิธีการของเราคือ ในระหว่างการเพิ่มประสิทธิภาพการออกแบบที่แข็งแกร่ง เราแก้ปัญหาการเพิ่มประสิทธิภาพโดยใช้สูตรสุ่มโดยตรง ซึ่งการประมาณค่าเกณฑ์เชิงความน่าจะเป็นจะสำเร็จในแต่ละรอบการทำงาน กระบวนการนี้สร้างคำตอบที่เหมาะสมที่สุดที่แข็งแกร่งได้อย่างน่าเชื่อถือ ประสิทธิภาพสูงของการเพิ่มประสิทธิภาพการออกแบบที่แข็งแกร่งเกิดจากความสามารถของอัลกอริธึม IOSO ในการแก้ ปัญหา การเพิ่มประสิทธิภาพเชิงสุ่มที่มีระดับสัญญาณรบกวนสูง

• เว็บไซต์เทคโนโลยี IOSO

ตัวอย่างการใช้งาน

• การเพิ่มประสิทธิภาพชิ้นส่วนเครื่องยนต์กังหันแก๊สโดยใช้วิธีการจำลองเชิงตัวเลข (pdf, 1500Kb)
• Sam146 การเพิ่มประสิทธิภาพคุณลักษณะความเครียดของพัดลมโดย IOSO (pdf, 120Kb)
• การเพิ่มประสิทธิภาพเทอร์โมอิลาสติกแบบขนานของช่องระบายความร้อนแบบคดเคี้ยว 3 มิติในใบพัดกังหัน (pdf, 260Kb)
• การปรับปรุงประสิทธิภาพของจานกังหันโดยมีเป้าหมายเพื่อลดมวลและความเค้น (ไฟล์ PDF, 680 KB)
• การสอบเทียบระบบควบคุมไมโครโปรเซสเซอร์ (ไฟล์ PDF, 480 KB)
• การเพิ่มประสิทธิภาพความเข้มข้นของธาตุผสมในเหล็กกล้า (ไฟล์ PDF, 370 KB)
• การประยุกต์ใช้ IOSO NM และ ABAQUS ในงานโครงสร้างทางวิศวกรรมโยธาของโรงไฟฟ้านิวเคลียร์ (pdf, 550Kb)