CN110895636A - 用于评估工程组件的稳健性的计算机实施的方法及系统 - Google Patents

Abstract

本公开涉及一种用于评估工程组件的稳健性的计算机实施的方法及系统。一实例方法包括：接收工程组件的多维工程域的工程问题定义，其中该工程问题定义包括对工程组件的多个工程特征的描述。执行最优分层抽样算法，该算法从多维工程域获取多个概率样本。选择高保真模型、降阶模型和用于执行概率样本的响应面的最优组合。使用选择的组合来执行概率样本，以确定多个工程特征的每个工程特征的相应工程响应。基于确定的工程响应，生成工程组件的稳健性记分卡，以量化多个工程特征的每个工程特征的稳健性分数。向用户展示稳健性记分卡。

Description

用于评估工程组件的稳健性的计算机实施的方法及系统

技术领域

本发明主要涉及抽样系统，并且更具体而言，涉及用于经由多维设计空间的最优分层抽样来评估工程产品的稳健性的系统。

背景技术

经常使用安全因素来最小化工程产品失效的可能性。安全因素协助抵御多种变异，以确保稳健的工程产品。使用安全因素经常会受到多个技术问题的限制。例如，安全因素并不是作为先验前提所知晓并且会经常高度依赖于所分析的工程系统的复杂性。如此，使用安全因素会经常导致工程计算过于保守。

导数方法也同样被用于分析工程产品的稳健性(鲁棒性，robustness)。这些导数方法有时涉及评估关键设计点周围的导数或者斜率，并且因此涉及从导数数据得出灵敏度度量。基于该方法，显示出最小灵敏度的响应的设计点被认为是从工程立场来说最稳健的。然而，导数方法主要需要系统做出如下的假设，即获取的工程响应不仅可微分而且还是连续的，这在多数情况下并不正确。对于整个工程域而言，这些类型的导数方法并不有效，因为这些导数方法仅仅只得出稳健性的局部解决方法。

基于蒙特卡洛(MC)的方法也同样被用于分析工程产品的稳健性。该方法主要涉及通过采用MC抽样技术，将变异从输入变量空间传播至响应空间，以量化响应变化。用于稳健性评估的基于MC的抽样受到多个技术问题的限制。例如，基于MC的抽样方法不能随着维度的增加进行良好的扩展。而且，基于MC的抽样方法扩张了大量的计算资源并且缺少处理用于建模和显示变异的非正态响应分布的能力。

术语“蒙特卡洛”、“MC”和“样本随机抽样”在本文中可互换地引用。

发明内容

本发明的实施方式提供用于评估工程组件的稳健性的并行冲突的计算机实施的方法。该计算机实施的方法的非限制性的实例包括通过包括一个或多个处理器的系统，接收工程组件的多维工程域的工程问题定义，其中，该工程问题定义包括对工程组件的多个工程特征的描述。该方法包括通过系统，执行最优分层抽样算法，该算法从多维工程域获取多个概率样本。该方法包括通过系统，选择高保真模型、降阶模型和用于执行获取的概率样本的响应面的组合。该方法包括通过系统，使用选择的组合，执行获取的概率样本，以确定多个工程特征的每个工程特征的相应工程响应。该方法包括通过系统，基于确定的工程响应，生成工程组件的稳健性记分卡，以量化多个工程特征的每个工程特征的稳健性分数。该方法包括通过系统，经由用户设备的图像用户界面，向用户展示稳健性记分卡。

本发明的实施方式提供用于评估工程组件的稳健性的系统。该系统包括被配置为执行一方法的一个或多个处理器。该方法的非限制性实例包括通过该系统，接收工程组件的多维工程域的工程问题定义，其中，该工程问题定义包括对工程组件的多个工程特征的描述。该方法包括通过系统，执行最优分层抽样算法，该算法从多维工程域获取多个概率样本。该方法包括通过系统，选择高保真模型、降阶模型和用于执行获取的概率样本的响应面的组合。该方法包括通过系统，使用选择的组合，执行获取的概率样本，以确定多个工程特征的每个工程特征的相应工程响应。该方法包括通过系统，基于确定的工程响应，生成工程组件的稳健性记分卡，以量化多个工程特征的每个工程特征的稳健性分数。该方法包括通过系统，经由用户设备的图像用户界面，向用户展示稳健性记分卡。

本发明的实施方式提供用于评估工程组件的稳健性的计算机程序产品，该计算机程序产品包括具有在其中实施的程序指令的计算机可读存储介质。该程序指令可由包括一个或多个处理器的系统执行，以使得该系统执行一方法。该方法的非限制性实例包括通过该系统，接收工程组件的多维工程域的工程问题定义，其中，该工程问题定义包括对工程组件的多个工程特征的描述。该方法包括通过系统，执行最优分层抽样算法，该算法从多维工程域获取多个概率样本。该方法包括通过系统，选择高保真模型、降阶模型和用于执行获取的概率样本的响应面的组合。该方法包括通过系统，使用选择的组合，执行获取的概率样本，以确定多个工程特征的每个工程特征的相应工程响应。该方法包括通过系统，基于确定的工程响应，生成工程组件的稳健性记分卡，以量化多个工程特征的每个工程特征的稳健性分数。该方法包括通过系统，经由用户设备的图像用户界面，向用户展示稳健性记分卡。

通过本发明的技术实现额外的技术特征和优势。本发明的实施方式和各方面在本文中详细描述并被认为是要求保护的主题的一部分。为了更好的理解，参见详细的说明书和附图。

附图说明

尤其在权利要求书中并结合说明书指出和清楚地要求保护本文中描述的独有权利的细节。根据下文详细的描述并结合所附的附图，本发明的实施方式的前述的和其它的特征和优势变得明显，在所附的附图中：

图1示出根据本发明的一个或多个实施方式的云计算环境；

图2示出根据本发明的一个或多个实施方式的抽象模型层；

图3示出能够实施本发明的一个或多个实施方式的示例性计算机系统；

图4示出根据本发明的一个或多个实施方式的用于评估工程组件的稳健性的示例性分布式环境；

图5示出描绘了根据本发明的一个或多个实施方式的用于在N维参数空间内进行稳健性评估和稳健性估值的实例方法的流程图；

图6示出描绘了根据本发明的一个或多个实施方式的用于产生稳健性分数和稳健性记分卡的实例方法的流程图；

图7示出根据本发明的一个或多个实施方式的实例图形用户界面的图，其中该图形用户界面展示出工程响应中可变性的可视化展示。

图8示出描绘了根据本发明的一个或多个实施方式的另一个实例方法的流程图。

在本发明中示出的图是说明性的。在不偏离本发明的精神的情况下，可存在许多对图和本文描述的操作的变型。例如，可以不同的顺序实施行动或者可以添加、删减或者修改行动。同样的，术语“耦合的”及其变型描述在两个元件之间具有通信路径，并且没有暗示在元件之间没有干扰的元件或连接的情况下元件之间存在直接连接。所有这些变型都被认为是说明书的一部分。

在所附的附图和公开的实施方式的下述详细描述中，图中描绘的多个元件被提供有两位或三位数字参考标号。除了少数例外，每个参考标号的最左侧的数字对应于在其中元件被第一次描绘的附图。

具体实施方式

在此参考相关附图来描述本发明的多种实施方式。本发明的可选实施方式能够在不脱离本发明的范围的情况下得出。在下面的说明书和附图中，要求保护了元件之间的各种连接和位置关系(例如，之上、之下、相邻等等)。除非明确指出，否则这些连接和/或位置关系可以是直接的或间接的，并且本发明并不意图在此方面进行限制。相应地，多个实体的耦联可以涉及直接或者间接的耦联，并且实体间的位置关系可以是直接或者间接的位置关系。另外，在此描述的多个任务和处理步骤可以被合并到更综合的、具有额外步骤或功能而在此没有详细描述的程序或过程中。

下面的限定和缩写被用于阐述权利要求和说明书。正如在此使用的，术语“包括”、“包含”、“具有”、“含有”，或者他们的任何其他变体都意旨覆盖非闭合范围。例如，包含一系列元素的合成物、混合物、过程、方法、物质或设备都不必被限制为只涉及这些元素，而是能够包含其他没有明确列出的或这些合成物、混合物、过程、方法、物质或设备本身具有的元素。

另外，术语“示例性”在此用于意旨“作为一个例子、示例、或例证”。在此描述为“示例性”的任何实施方式或设计方式都不必被解释为比其他实施方式或设计方式优选或有利的。术语“至少一个”和“一个或多个”可被理解为包含任何大于或等于一的整数个，诸如一、二、三、四等等。术语“多个”可被理解为包含任何大于等于二的整数个，即，二、三、四、五等等。术语“连接”可包含间接“连接”和直接“连接”两者。

术语“大约”、“大致”、“近似”以及它们的变体都意图包含与对特定尺寸基于在提交本申请的时代可用的仪器的测量有关的误差大小。例如，“大约”可以包含所给出值的±8％或5％或2％的范围

为了简洁起见，与制造和使用本发明的各方面相关的传统技术可能在此被或不被详细描述。尤其是，用于实施在此描述的多种技术特征的计算系统和特定计算机程序的多种方面都是已知的。相应地，为了简洁起见，很多传统实施方式细节在此只被简短地提到或在不提供已知的系统和/或过程细节的情况下而被完全省略。

应理解，虽然本公开包含了对云计算的详细说明，但在此引用的教导不被限制为用于云计算环境。更确切地说，本发明的实施方式能够结合任何其他种类的现今已知或之后开发的计算环境来实施。

云计算是一种用于使对可配置计算资源(诸如，网络、网络带宽、服务器、处理功能、存储器、储存、应用、虚拟机和服务)的分享池网络访问便利并满足要求的服务交付模型，这些可配置计算资源能够以最小管理成本或与服务提供者的最少交互被迅速配置并发放。这种云模型可包含至少五个特性，至少三个服务模型，以及至少四个部署模型。

特性如下：

按需的自助服务：云消费者能够按需求自动地单方面配置计算能力、诸如服务器时间和网络储存，而不需要与服务提供者的人为交互。

广泛的网络接入：功能在整个网络上可用并且通过由多种不同的瘦或胖客户端平台(诸如，移动电话、笔记本电脑和掌上电脑)推广使用的标准机制来访问。

资源池化：提供者的计算资源被池化，以根据消费者需求动态分配和重分配的不同的物理和虚拟资源来提供给使用多租户模型的多个消费者。位置独立性的意义在于消费者通常不具备对所提供的资源的准确位置的控制和认知，但可能在较高粗略度上指出位置(诸如，国家、州或数据中心)。

敏捷的弹性：功能能够被快速并弹性地配置，在一些情况中自动的迅速扩大或者快速发放以迅速缩小。对于消费者，可用于配置的功能通常近似无限，并能够在任何时间以任何数量被购买。

可度量的服务：云系统通过在适合服务类型(诸如，储存、处理、带宽以及活跃用户计数)的一定抽象程度上权衡计次功能自动地控制并优化资源使用。资源使用可被监视、控制并报告，以提供对于使用的服务的提供者和消费者两者的透明度。

服务模型如下：

软件即服务：提供给消费者的功能是去使用在云基础设施上运行的提供者的应用。应用能够从多个客户端设备通过瘦客户端接口来访问，例如网页浏览器(诸如，基于网页的电子邮件)。用户不管理或者控制底层云基础设施，这包括网络、服务器、操作系统、储存或甚至独立应用功能，可能的例外是受限制的用户定义应用配置设置。

平台即服务：提供给消费者的能力是去部署在消费者创建的云基础设施或使用受提供者支持的编程语言和工具来创建的要求的应用上。消费者不管理或者控制底层云基础设施，这包括网络、服务器、操作系统或储存，但是其具有对于所部署的应用和托管环境配置的可能应用的控制。

基础设置即服务：提供给消费者的功能是对处理、储存、网络和消费者能够部署和运行任意软件的其它基础计算资源进行配置，其可包含操作系统和应用。消费者不管理或控制底层云基础设施，但具有对操作系统、储存、部署的应用的控制以及对选择网络元件(诸如，主机防火墙)的可能受限的控制。

部署模型如下：

私有云：云基础设施只为组织操作。其可被组织或第三方管理，并且可能存在于场内或场外。

社区云：云基础设施被多个组织共享并且支持共享关注点(诸如，任务、安全要求、政策和符合性考虑)的特定社区。其可被组织或第三方管理，并且可能存在于现场或场外。

公用云：云基础设施被提供给公众或大型工业组并且被售卖云服务的组织拥有。

混合云：云基础设施是两个或多个云(私有、社区或公用)的组合，这些云保持为独立实体但被实现数据和应用可移植性的标准化的或专有的技术(诸如，用于云之间的负载平衡的云爆发)连接在一起。

云计算环境是以对无状态性、低耦联、模块化和语义互通性的关注为导向的服务。在云计算的核心位置是包含互联的节点网络的基础设施。

现在参照图1，示出了说明性的云计算环境50。如所示，云计算环境50包含一个或多个云计算节点10，云消费者使用的本地计算设备(诸如，个人电子助手(PDA)，或移动电话54A、桌面计算机54B、笔记本电脑54C，和/或汽车计算机系统54N)可与云计算节点通信。节点10可彼此通信。它们可在一个或多个网络中(诸如，之前所描述的私有、社区、公用或混合云，或它们的组合)被物理地或虚拟地分组(未示出)。这允许云计算环境50提供基础设施、平台和/或软件来作为服务，对于该服务，云消费者不需要在本地计算设备上维持资源。应理解，图1中所示的计算设备54A-N的类型仅意指为说明性的并且计算节点10和云计算环境50能够与任何种类的计算机化设备在任何种类的网络和/或网络可寻址连接(诸如，利用网页浏览器)上进行通信。

现在参考图2，示出了有云计算环境50(图1)所提供的一组功能性抽象层。应先理解，在图2中示出的组件、层和功能仅意指说明性的并且本发明的实施方式不局限与此。如所示，提供了下面的层和相应的功能：

硬件和软件层60包含硬件和软件组件。硬件组件的实例包含：大型主机61；基于RISC(精简指令集计算机)架构的服务器62；服务器63；刀片服务器64；储存设备65；以及网络和网络组件66。在一些实施方式中，软件组件包含网络应用服务器软件67和数据库软件68。

虚拟化层70提供了一个抽象层，从该抽象层上可提供虚拟实体的如下实例：虚拟服务器71；虚拟储存72；虚拟网络73，包含虚拟私有网络；虚拟应用和操作系统74；以及虚拟客户端75。

在一个实例中，管理层80可提供如下描述的功能。资源配置81提供了对计算资源和用于在云计算环境中执行任务的其他资源的动态采办。计量和定价82提供了随资源在云计算环境中被使用时的费用跟踪，以及为这些资源的消耗而计费并开账单。在一个实例中，这些资源可包含应用软件证书。安全性为云消费者和任务的身份验证，以及为数据和其他资源提供保护。用户端口83为消费者和系统管理员提供了对云计算环境的访问。服务等级管理84提供了云计算资源分配和管理，以使得所要求的服务等级被满足。服务等级协议(SLA)规划和履行85提供了对于云计算资源的预先布置和采办，对于该云计算资源的未来要求是依据SLA来预期的。

工作负载层90提供了功能性的实例，云计算环境可被用于该功能。可由该层提供的工作负载和功能的实例包含：映射和导航91；软件部署和生命周期管理92；虚拟教室教育交付93；数据分析处理94；事务处理95；以及稳健性评估处理96。

现在转到本发明的各方面的概览，本发明的一个或多个实施方式通过提供能够被用于确保工程系统的稳健性以完成在决策中实现自主性的最终目标的系统和方法，解决现有技术中的不足。这是部分地基于执行一种概率方案而实现的，该方案是基于最优分层抽样技术(诸如，最优拉丁超立方)的。使用最优分层抽样方案使得系统能够以高效并改进的方式来探索非均匀空间。尤其地，给出时间和空间域中的一个问题，在本发明的一些实施方式中，系统在所关注的全局设计空间中执行概率抽样，以估计在N维空间(诸如，多维工程设计空间)中的随机变量分布，在该N维空间中通过最优拉丁超立方(OLH)来执行抽样。术语“最优拉丁超立方”、“OLH”以及“最优分层抽样”在此是可互换引用的。

在本发明的一些实施方式中，系统基于由用户设定的偏好和/或先前由系统设定的偏好来执行多保真度方法。作为多保真度方法的一部分，系统选择高保真度的模型、降阶模型和用于执行概率抽样的响应面的最优组合。在本发明的一些实施方式中，系统生成稳健性记分卡，其被用于量化工程概念(诸如，工程组件的特征位置)的稳健性。例如，在本发明的一些实施方式中，应用了自动化的一套用于计算z分数的统计计算。z分数是用于工程概念的稳健性分数的映像。算法将实时地决定工程数据的正态性，并自主地选择对稳健性分数估计的正确评估。

在本发明的一些实施方式中，稳健性记分卡的生成包含分析概率抽样的统计准确性来调查响应数据的正态性。在本发明的一些实施方式中，系统选择适于估计稳健性分数的计算引擎，其中，该选择是基于底层数据是否是正态分布的。在本发明的一些实施方式中，记分卡将包含排名系统，其在工程稳健性方面对每个概念进行评估。在本发明的一些实施方式中，系统通过过程迭代以进行进一步的抽样，直至达到可接受的标准，其中，该标准限定了可接受的失效概率或可接受的方差估计误差。

在本发明的一些实施方式中，通过一个先进的可视化方案将稳健性的可视化展示给用户。这种先进的可视化方案能够被用于在工程决策过程中通过提供关于特定工程产品的工程稳健性的实时信息来辅助用户。

本发明上面所描述的方面通过提供了一种能够解决稳健性评估问题的算法途径，解决现有技术中的不足。该过程在总体上是自主的，并且完全不用人为干预，除了通过面板和/或可视报告的潜在交互。由于该过程是自驱动的，消除了主观性并引入了标准化，因此使得该过程可重复、可重现并且允许数据导向的决策。如上面提到的，算法途径使用OLH来探索多维工程设计空间，其在本发明的一些实施方式中是非均匀空间。这些先进的空间填充抽样技术已被本发明人证实，相比于特定的现有技术具有在计算效率最大的情况下的最小方差估计误差。OLH抽样能够以比现有的MC方法更快的速率得出对方差的合理估计。例如，本发明人已经证实执行MC方法将使用几乎十倍于OLH方法的时间来得出相似的方差估计。

由于对方差的高效估计对于稳健性的准确校准很关键，特别是在由联合概率分布界定的更高维度中，工程用户将能够根据本发明的一个或多个实施方式来准确地量化对高度非线性工程相应的方差估计。既然用于评估稳健性的度量是非线性的并且与方差有关，那么与“实际”估计的偏差可能使得稳健性计算偏离正常的过程。如上面所提到的，工程用户将能够在没有人工馈入的情况下自动地生成稳健性分数，这实现了在工程决策中的自主性。该方法将自动生成并填入稳健性图表，并且提供关键观察的总结。例如，该方法可执行用于导出稳健性度量的可视化分析，并将分析结果通过与用户相关的用户设备的显示屏幕提供给用户。

通过执行本发明的一个或多个实施方式可实现多个有益效果。例如，致力于工程产品的工程师将能够实时地评估工程概念的稳健性，因此提高了R&D和技术工作的整体效率，这能够实现工程自主性。本发明的一个或多个实施方式的执行能够使得工程周期时间减少并且使得产品到市场的部署速度加快。故障的提前检测和根源分析将通过应用稳健性评估而被合理化。根据本发明的一个或多个实施方式，基于所评估的概念的稳健性，工程师将能够更容易检测并识别组件故障和/或产品故障。由本发明的一个或多个实施方式检测的、引起制造偏差的参数能够通过本方法被更好地理解，并进而能够设计机制来主动地避免这些参数，因此实现了不合格部件的减少。

设计合适的抽样算法是准确估计工程中的稳健性的关键。在此，如上面所提到的，使用了一种基于空间填充样本的最优配置的抽样算法(OLH)。利用称为拉丁超立方的技术，正态化的多维设计空间被划分成更小的内容。层的划分是根据在所关注的变量特定的分布类型来决定的。在该过程中从每个子空间挑出一个样本，使得不存在具有相同坐标的其他样本。通过这样的方式，在设计空间探索(DOE)期间提取的信息通过可行的最少量样本被最大化。在本发明的一个或多个实施方式中，对于在特定的关注区域(ROI)附近的评估，压缩拉丁超立方使得在不失去对远离关注区域的设计的概览的情况下可在关注区域附近提取更多的信息。在本发明的一些实施方式中，该压缩的超立方随后被用于结合优化器在关注的工程设计空间上创建可配置样本的最优集合。本发明人已经证实，在寻求使在复杂工程系统上执行的方差估计的效率最大化时，OLH的使用提供了比MC和随机拉丁超立方(RLH)方法更好的结果。术语“随机拉丁超立方”、“RLH”以及“分层随机抽样”在此可互换地引用。

例如，本发明人已经发现通过使用MC来为特定测试实例进行抽样会导致生成具有大量空白区域的样本，其中，使用RLH生成更少的空白区域并且使用OLH不会生成空白区域。空白在OLH中的缺失使得在ROI上的抽样更好，这实现了对灵敏性更准确的估计。下面的表格1和2示出了展示OLH比RLH和MC表现更好的测试实例的证据。表格1展示了50个样本范围的结果，而表格2展示了100个样本范围的结果。

表格1对50个样本范围执行的蒙特卡洛、随机拉丁超立方和最优拉丁超立方的数值抽样覆盖率的研究结果

表格2对100个样本范围执行的蒙特卡洛、随机拉丁超立方和最优拉丁超立方的数值抽样覆盖率的研究结果

下面表格3示出了从对比了在四个抽样范围(即，样本数为50、300、500和1000)的RLH(随机分层抽样技术)、MC(简单随机抽样技术)、以及OLH(最优分层抽样技术)的研究得到的结果。在该研究中，假设条件包含：标准差估计来自10,000次模拟(25.4单位)并且MC抽样是对比的标准基准。

表格3对比蒙特卡洛、随机拉丁超立方和最优拉丁超立方方法的方差估计的研究结果

在表格3中能够看出，最优分层抽样(即，OLH)甚至在较低的抽样范围也以更高度的可预测性提供了更好的方差估计，并且分层随机抽样的500次模拟(即，RLH)提供了与最优分层抽样的50次模拟相同的统计效应。这证明了在估计工程响应的准确方差方面，OLH相比于RLH和MC方法的高效性。

现在转到对本发明的方面的更详细的描述，图3示出了高级别的框图，其展示了基于计算机的系统300的实例，该基于计算机的系统能够被用于实施本发明的一个或多个实施方式。虽然示出了一个示例性的计算机系统300，但计算机系统300包含通信路径326，其将计算机系统300连接到另外的系统并可包含一个或多个广域网(WAN)和/或局域网(LAN)，诸如因特网、内联网和/或无线通信网络。计算机系统300和另外的系统通过通信路径326进行通信(例如，在它们之间进行数据通信)。

计算机系统300包含一个或多个处理器，例如处理器302。处理器302被连接到通信基础设施304上(诸如，通信总线、交叉排或网络)。计算机系统300能够包含显示接口306，其将用于显示的图像、文本以及来自通信基础设施304(或来自未示出的帧缓冲器)的其他数据转发到显示单元308上。计算机系统300还包含一个主存储器310，优选为随机存取存储器(RAM)，并且也可包含辅助存储器312。辅助存储器312可包含例如硬盘驱动器314和/或可移动储存驱动器316，代表例如软盘驱动器、磁带驱动器或光盘驱动器。可移动储存驱动器316以对于本领域技术人员熟知的方式从可移动储存单元318上读取和/或写入可移动储存单元。可移动储存单元318代表例如软盘、CD、磁带或光盘等等，它们被可移动储存驱动器316读取或写入。如应理解的，可移动储存单元318包含具有存储在其上的计算机软件和/或数据的计算机可读介质。

在本发明的一些替代实施方式中，辅助存储器312可包含用于允许计算机程序或其他指令被加载到计算机系统中的其他相似装置。这样的装置可包含：例如可移动储存单元320和接口322。这样的装置的实例可包含程序包和包接口(诸如在视频游戏设备中找到的)、可移动存储器芯片(诸如，EPROM或PROM)和相应的插座以及允许软件和数据从可移动储存单元320被传输到计算机系统300的其它可移动储存单元320和接口322。

计算机系统300还可包含通信接口324。通信接口324允许软件和数据在计算机系统和外部设备之间传输。通信接口324的实例可包含调制解调器、网络接口(例如以太网卡)、通信端口或PCM-CIA槽和卡等等。通过通信接口324传输的软件和数据是信号形式的，该信号可以是例如电子、电磁、光或其它能够被通信接口324接收的信号。这些信号通过通信路径(即信道)326被提供给通信接口324。通信路径326承载信号并可使用电线或线缆、光纤、电话线路、移动电话链路、RF链路和/或其他通信信道来实施。

在本公开中，术语“计算机程序介质”、“计算机可用介质”和“计算机可读介质”用于泛指诸如主存储器310和辅助存储器312、可移动存储驱动器316、以及安装在硬盘驱动器314中的硬盘。计算机程序(还称为计算机控制逻辑)存储在主存储器310、和/或辅助存储器312中。计算机程序还可以经由通信接口324接收。这种计算机程序在运行时能够使计算机系统执行如本文讨论的本公开的特征。具体地，计算机程序在运行时能够使处理器302执行计算机系统的特征。因此，这种计算机程序表示计算机系统的控制器。

现在参考图4，提出示例性分布式环境400用于评估工程组件的稳健性。分布式环境400包括稳健性评估系统404，并且本发明的一些实施方式包括经由网络406互连的一个或多个用户设备402。图4提供仅一个示例性系统的示意图并且并不暗示关于可实现本发明的不同实施方式的其他系统的任何限制。本领域中的技术人员可对所描绘的环境进行各种合适的修改而不背离如权利要求陈述的本发明的范围。例如，在本发明的一些实施方式中，分布式环境400不包括一个或多个用户设备402。

稳健性评估系统404包括抽样组件408、多保真组件410、记分卡组件412、呈现组件414、以及一个或多个数据库416。在本发明的一些实施方式中，抽样组件408、多保真组件410、记分卡组件412、呈现组件414、和/或数据库416经由通信基础设施304和/或通信路径326互连。稳健性评估系统404可具有内部和外部硬件组件，诸如以上关于图3描绘和描述的那些组件。

在本发明的一些实施方式中，稳健性评估系统404构成在并发程序设计环境中运行的多线程计算机系统一部分。通常，在并发程序设计环境中，可在一个或多个处理器(例如，处理器302)中执行一组进程。一个进程涉及并发程序设计的一个单元(例如，一个程序或一个程序的部分)。多个进程可以同时执行程序的同一部分并且每个进程可以进而包括多个线程。进程线程是指进程的子元素或在同一程序内同时执行的指令的流。在并发程序设计中，可以采用使得能够同时进行两个或两个以上的相同类型的事务的多线程处理技术。每个流处理不同的事务消息。

在本发明的一些实施方式中，稳健性评估系统404是独立计算设备、管理服务器、网页服务器、移动计算设备、或其他合适的电子设备和/或能够接收、发送、及处理数据的计算系统。在本发明的一些实施方式中，稳健性评估系统404是利用(诸如云计算环境50(图1)中的)多个计算机的服务器计算系统。在本发明的一些实施方式中，稳健性评估系统404是经由网络406的膝上型计算机、平板计算机、上网本计算机、个人计算机(PC)、台式计算机、个人数字助理(PDA)、智能电话、或能够与用户设备402通信的其他合适的可编程电子设备、以及分布式环境400内的其他计算设备(未示出)。在本发明的一些实施方式中，稳健性评估系统404是利用集群计算机和充当分布式环境400内可访问无缝资源的单个池的组件(例如，数据库服务器计算机、应用服务器计算机等)的计算系统。稳健性评估系统404可具有内部和外部硬件组件，诸如以上关于图3描绘和描述的那些组件。

网络406可以为例如电信网络、局域网(LAN)、广域网(WAN)(诸如互联网)、或这三者的组合，并且可包括有线、无线、或光纤连接。网络406可包括能够接收和发送数据、语音、和/或视频信号(包含包括语音、数据、和视频信息的多媒体信号)的一个或多个有线和/或无线网络。通常，网络406可以是任意合适的可支持分布式环境400内的用户设备402、稳健性评估系统404、和/或其他计算系统(未示出)之间的通信的连接和协议的组合。在本发明的一些实施方式中，分布式环境400被实现为云计算环境(诸如，云计算环境50(图1))的一部分。

用户设备402被配置为允许用户向稳健性评估系统404发送信息和/或从用户设备402接收信息，其进而允许用户访问抽样组件408、多保真组件410、记分卡组件412、呈现组件414、以及数据库416。在本发明的一些实施方式中，用户设备402包括用户界面(UI)，用户界面被配置为向用户呈现量化每个工程概念(例如，特征位置)的稳健性分数和/或通过图表、表格、重点总结等可视化每个概念的工程稳健性的稳健性记分卡。

在本发明的一些实施方式中，用户设备402是膝上型计算机、平板计算机、上网本计算机、个人计算机(PC)、台式计算机、个人数字助理(PDA)、智能电话、物联网使能设备、和/或能够与分布式环境400内的各种组件和设备通信的其他合适的可编程电子设备。在本发明的一些实施方式中，用户设备402是可编程的电子移动设备或能够执行机器可读程序指令并且与分布式环境400内的其他计算设备(未示出)通信的可编程电子移动设备的组合。在本发明的一些实施方式中，用户设备402可包括内部和外部硬件组件，诸如以上关于图3描绘和描述的那些组件。

图5示出了根据本发明的一个或多个实施方式的可由用于进行稳健性评估和在N维参数空间中进行稳健性可视化的稳健性评估系统404执行的示例性方法500。在502中，获得问题定义和/或不确定模型。在504中，获得空间时间域。在506中，(例如，经由抽样组件408)进行抽样算法。在508中，(例如，经由多保真组件410)执行多保真方法，使得(在508a中)选择高保真模型、降阶模型、及响应面的最优组合并且然后(在508b、508c、508d中)执行所选择的组合，以运行计算机模似。例如，在本发明的一些实施方式中，在508a中选择一个或多个高保真模型、一个或多个降阶模型、和/或一个或多个响应面模型。一旦选择模型，在508b、508c、和/或508d中，所选择模型中的每一个执行概率样本的一个或多个部分，以获得一个或多个工程响应。在510中，(例如，经由记分卡组件412)生成稳健性记分卡。在512中，确定所输出的稳健性分数是否满足一个或多个预定标准。如果在512中确定稳健性分数未能满足预定标准，那么重复该过程直到满足标准。一旦发现稳健性分数满足预定标准，在514中，(例如，经由呈现组件414)向用户呈现一个或多个可视化。可以向用户呈现各种合适的可视化，诸如，图表、分析报告、主要特征的概述等等。

在本发明的一些实施方式中，经由z分数的计算来建立稳健性分数，其中z分数定义范围(margin)与变化的比。z分数越高，组件越稳健并且反之亦然。可以通过以下公式计算z分数：

在以上公式中，SL表示诸如规格限度(例如，上限、下限等)的设计要求，μ表示设计标称，以及

表示处理能力。因此，如果针对示例性确定性设计的产品，假设设计标称为300，规格限度为360并且可变性(即，标准偏差)为20，则z分数的结果为等于3，缺陷p(d)的概率等于0.00135。类似地，如果针对示例性稳健设计的产品，假设设计标称为300，规格限度为360并且可变性(即，标准偏差)为5，则z分数的结果为等于6，缺陷p(d)的概率等于9.86e^-10。

图6示出根据本发明的一个或多个实施方式的可由用于生成稳健性分数和稳健性记分卡的稳健性评估系统404执行的示例性方法600。在本发明的一些实施方式中，执行方法600作为图5的步骤510的一部分。参考图6，在602中，从多保真方法中获得工程响应和概率样本。在604中，分析概率样本和/或工程响应的统计准确性和/或调查数据的正态性。在本发明的一些实施方式中，通过进行各种类型的s(诸如，Anderson-Darling)计算数据相比于正态性的偏差。在606中，确定数据是否呈正态分布，这用于实时决定应当使用哪种度量来计算稳健性分数。如果在606中确定数据(例如，工程响应的结果)呈正态分布，则在612中，选择用于计算稳健性分数的度量为z度量并且然后使用z分数(例如，在方法500中，在512中生成稳健性分数)生成稳健性分数。如果在606中确定数据未呈正态分布，那么在608中确定概率样本的输入不确定性是否可以减小。如果在608中确定输入不确定性可以减小，则在602中获得其它的概率样本并且例如基于改变由最优分层抽样算法所利用的抽样范围迭代该过程。如果在608中确定输入不确定性不能减小，那么在610中选择用于计算稳健性分数的度量作为标准失效率定义并且然后使用标准失效率定义生成稳健性分数。在本发明的一些实施方式中，标准失效率定义是没有满足工程标准的样本数量与调查的样本数量总数的比。在本发明的一些实施方式中，跳过和/或不执行步骤608(和/或其他步骤)。例如，在本发明的一些实施方式中，如果在606中确定数据未呈正态分布，则在610中利用标准失效率定义生成稳健性分数而不先执行步骤608。

以下的表4示出根据本发明的一个或多个实施方式的(向用户呈现的)稳健性记分卡的实例，其中稳健性记分卡针对示例性工程情景的每个工程概念(例如，特征位置)量化稳健性分数。

表格4示例稳健性记分卡

	输入参数	平均值	标准偏差
							随机变量	X1	1810000	10000
随机变量	X2	2108000	10000
							随机变量	X3	0.0022	0.0004
随机变量	X4	714	10
							随机变量	X5	729	16.6
特征位置	输出参数	平均值	标准偏差	上规格限度	Z(处理能力)	失效概率
							4.8	Y	799.35	50.42	923	2.45	0.007099
5.1	Y	780.24	17.13	923	8.32	0
							5.308	Y	778.37	13.52	923	10.69	0

如以上可以看出，对于一组给定的输入随机变量和通过数字抽样算法的处理，针对每个概念描述，生成包括估计稳健性分数的记分卡。在表4中阐述的示例性工程情景的背景下，在三个不同的特征位置对稳健性进行评估。能够看出对于在4.8m处的特征位置，工程组件表现出最小稳健性，而在5.308m处的特征位置，工程组件表现出最大稳健性。因此，对于4.8m处的特征位置工程组件的失效概率确定为最高并且在5.308m处的特征位置工程组件的失效概率确定为最低，其中失效概率与所计算的z分数成反比。

图7示出根据本发明的一个或多个实施方式的可呈现的示例性图形用户界面700以呈现一组不同工程概念(例如，特征位置)的工程响应的可变性的直观表示。图形用户界面700显示被评估的每个工程概念(例如，特征位置)的柱形图。在图7中示出的实例中，图形用户界面700包括第一柱形图702、第二柱形图704、及第三柱形图706，其中每个柱形图与特定特征位置相关联。在此，第一柱形图702显示在4.8m处的特征位置的记分卡的输出参数的可变性。第二柱形图704显示在5.1m处的特征位置的记分卡的输出参数的可变性。第三柱形图706显示在5.3m处的特征位置的记分卡的输出参数的可变性。所显示的可视化表示在5.308m的特征位置处工程组件表现出最小量的可变性并且具有平均值附近的均衡分布。可经由图形用户界面700(诸如表示曲线的线形图)呈现其他合适的可视化。

现在将参考图8描述稳健性评估方法404的操作的额外细节，其中图8描绘示出根据本发明的一个或多个实施方式的方法800的流程图。在802中，接收对于工程组件的多维工程域的工程问题定义，其中工程问题定义包括关于工程组件的多个工程特征的描述。在804中，执行从多维工程域获得多个概率样本的最优分层抽样算法。在806中，选择高保真模型、降阶模型和响应面的最优组合，用于执行所获得的概率样本。在808中，使用所选择的组合执行所获得的概率样本，以确定多个工程特征的每个工程特征的相应工程响应。在810中，基于所确定的工程响应生成工程组件的稳健性记分卡，以量化多个工程特征的每个工程特征的稳健性分数。在812中，经由用户设备的图形用户界面向用户呈现稳健性记分卡。

在本发明的一些实施方式中，对组合的选择基于满足预定时间约束。例如，在本发明的一些实施方式中，高保真模型与第一所需时间量相关联，降阶模型与第二所需时间量相关联，并且响应面与第三所需时间量相关联，其中第一时间量高于第二和第三时间量。因此，如果用户仅具有一定量的时间以执行概率样本，则选择最优组合，使得在期望时间量内可获得概率样本。

在本发明的一些实施方式中，最优分层抽样算法的执行包括经由拉丁超立方体抽样，将N维参数空间划分为多个更小的子空间，并且从每个子空间选择样本，以生成拉丁超立方体，使得所选择的样本分别具有不同的坐标。

在本发明的一些实施方式中，最优分层抽样算法的执行还包括压缩关注区域的拉丁超立方体和执行优化器，该优化器基于压缩的拉丁超立方体创建在多维工程域上的一组可配置样本。

在本发明的一些实施方式中，记分卡的生成包括通过计算工程响应的数据相比于正态性的偏差并且选择用于计算稳健性分数的度量来分析概率样本的统计准确性，其中基于数据是否呈正态来选择度量。在本发明的一些实施方式中，所选择的度量是数据呈正态的情况的z分数计算。在本发明的一些实施方式中，所选择的度量是数据呈非正态的情况的标准失效率定义。在本发明的一些实施方式中，标准失效率定义是基于没有满足预定工程标准的样本数量与调查的样本数量总数的比。

在本发明的一些实施方式中，方法800还包括确定稳健性记分卡是否满足预定标准，其中预定标准定义了能接受的失效概率或者方差估计的可接受误差中的至少一者。在本发明的一些实施方式中，在向用户呈现稳健性记分卡之前进行该确定过程。在本发明的一些实施方式中，在确定稳健性记分卡满足预定标准之后，向用户呈现稳健性记分卡。在本发明的一些实施方式中，在确定稳健性记分卡没有满足预定标准之后，改变最优分层抽样算法的配置。在本发明的一些实施方式中，改变最优分层抽样算法，使得通过最优分层抽样算法获得不同数量的样本(例如，不同样本范围)。在本发明的一些实施方式中，通过改变问题定义或变量来改变最优分层抽样算法。在使用以上识别的一个或多个步骤，已改变最佳分层抽样算法之后，执行最优分层抽样算法，以从多维工程域获得第二多个概率样本并且重复以上过程的一个或多个步骤。

本发明可以是任何可能的技术细节整合水平的系统、方法、和/或计算机程序产品。计算机程序产品可包括其上具有使处理器执行本发明各方面的计算机可读程序指令的计算机可读存储介质(或介质)。

计算机可读存储介质可以是可保留和存储指令以供指令执行设备使用的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁性存储设备、光存储器设备、电磁存储器设备、半导体存储器设备、或者前述任何合适的组合。计算机可读存储介质的更具体实例的非穷尽列表包括以下各项：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多用光盘(DVD)、记忆棒、软盘、机械编码设备诸如穿孔卡或凹槽中其上记录有指令的突起结构、以及前述任何合适的组合。如本文中使用的，计算机可读存储介质并非要解释为易失性信号本身，诸如，无线电波或其他自由传播电磁波、通过波导或者其他传输介质(例如，穿过光纤电缆的光脉冲)传播的电磁波、或通过电缆传输的电信号。

本文中描述的计算机可读程序指令可从计算机可读存储介质下载至相应计算/处理设备中或者经由网络(例如，互联网、局域网、广域网和/或无线网络)下载至外部计算外部存储设备。网络可以包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、开关、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令并且转发计算机可读程序指令以用于存储在相应计算/处理设备内的计算机可读存储介质。

用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、与机器有关指令、微码、固件指令、状态设置数据、集成电路的配置数据、或以一个或多个编程语言的任意组合写入的任一源代码或目标代码，包含面向对象编程语言(诸如，Smalltalk、C++等)和过程编程语言(诸如，“C”编程语言或相似的编程语言)。计算机可读程序指令可完全在用户计算机上、部分地在用户计算机上作为独立软件包、部分地在用户计算机上以及部分地在远程计算机上或完全在远程计算机或服务器上执行。在后面一种情况下，远程计算机可通过任何类型的网络(包含局域网(LAN)或广域网(WAN))与用户计算机连接，或者可进行至外部计算机的连接(例如，通过利用互联网服务供应商的互联网)。在一些实施方式中，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)、或可编程序逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息执行计算机可读程序指令以使电子电路个性化从而执行本发明的各方面。

本文中参考方法、装置(系统)和根据本发明的实施方式的计算机程序产品的流程示意图和/或框图描述本发明的各方面。要理解的是，流程图示图和/或框图的每个方框以及在流程图示图和/或框图中的方框的组合可由计算机可读程序指令实现。

这些计算机可读程序指令可提供至通用计算机、专用计算机或其他可编程数据处理装置的处理器以制造机器，使得可经由计算机的处理器或其他可编程数据处理装置执行的指令产生用于实现在流程图和/或框图的一个或多个方框中规定的功能/行为的装置。这些计算机可读程序指令还可以存储在可以特定方式引导计算机、可编程数据处理装置、和/或其他设备起作用的计算机可读存储介质中，使得其中存储有指令的计算机可读存储介质包括包含实现在流程图和/或框图的一个或多个方框中规定的功能/行为的各方面的指令的制品。

计算机可读程序指令还可以装载到计算机、其他可编程数据处理装置、或其他设备上，以使一系列可操作步骤能在计算机、其他可编程装置或其他设备上执行，以产生计算机实现过程，使得在计算机、其他可编程装置、或其他设备上执行的指令实现在流程图和/或框图的一个或多个方框中规定的功能/行为。

附图中的流程图和框图示出了根据本发明的各个实施方式的系统、方法和计算机程序产品的可能的实现方式的架构、功能和操作。就这一点而言，在流程图或方框图中的每个方框可表示指令的模块、区段或部分，其包括用于实现规定的逻辑功能的一个或多个可执行的指令。在一些可替换实现方式中，在方框中注明的功能可不按附图中注明的顺序出现。例如，根据有关功能，实际上可基本同时地执行连续显示的两个方框，或者有时可按照相反的顺序执行这些方框。还要注意的是，方框图和/或流程图示图的每个方框以及在方框图和/或流程图示图中的方框的组合可由基于专用硬件的系统实现，这些系统执行规定的功能或行为或执行专用硬件与计算机指令的组合。

出于描绘的目的，呈现了对本发明的各种实施方式的描述，但是，并不旨在穷尽或限制到所公开的实施方式。在不背离所描述实施方式的范围和精神的情况下，各种修改和变形对本领域普通技术人员来说是显而易见的。本文中选择使用的术语对实施方式的原理、实际应用、或在市场上发现的技术的技术改进进行最佳说明，或者能够使本领域普通技术人员能够理解本文描述的实施方式。

Claims (9)

1.一种用于评估工程组件的稳健性的计算机实施的方法，包括：

通过包括一个或多个处理器的系统，接收所述工程组件的多维工程域的工程问题定义，其中，该工程问题定义包括对所述工程组件的多个工程特征的描述；

通过所述系统，执行最优分层抽样算法，以从所述多维工程域获取多个概率样本；

通过所述系统，选择高保真模型、降阶模型和用于执行获取的所述概率样本的响应面的组合；

通过所述系统，使用选择的所述组合，执行获取的所述概率样本，以确定所述多个工程特征的每个工程特征的相应工程响应；

通过所述系统，基于确定的所述工程响应，生成所述工程组件的稳健性记分卡，其中，所述稳健性记分卡提供所述多个工程特征的每个工程特征的稳健性分数；以及

通过所述系统，经由用户设备的图像用户界面，向用户展示所述稳健性记分卡。

2.根据权利要求1所述的计算机实施的方法，其中，执行所述最优分层抽样算法包括：

经由拉丁超立方体抽样，将N维参数空间分成多个较小的子空间，其中，基于由关注的变量指定的分布类型，将分区分层；以及

从每个子空间选择样本，以生成拉丁超立方体，其中，选择的样本分别具有不同的坐标。

3.根据权利要求2所述的计算机实施的方法，其中执行所述最优分层抽样算法还包括：

压缩关注的区域的所述拉丁超立方体；以及

基于压缩的所述拉丁超立方体，执行优化器，所述优化器创建在所述多维工程域上的一组可配置样本。

4.根据权利要求1所述的计算机实施的方法，其中，生成所述稳健性记分卡包括：

通过计算所述工程响应的数据相比于正态性的偏差，分析所述概率样本的统计准确性；以及

选择用于计算每个稳健性分数的度量，其中基于所述数据是否呈正态来选择所述度量。

5.根据权利要求4所述的计算机实施的方法，其中如果所述数据呈正态，则选择的所述度量是z分数计算，其中如果所述数据呈非正态，则选择的所述度量是标准失效率定义，并且其中所述标准失效率定义是基于没有满足预定工程标准的样本数量与调查的样本数量总数的比。

6.根据权利要求1所述的计算机实施的方法，还包括：

在向所述用户展示所述稳健性记分卡之前，确定所述稳健性记分卡是否满足预定的标准，其中，所述预定的标准定义了失效的可接受概率或者方差估计的可接受误差中的至少一个；以及

在确定所述稳健性记分卡满足所述预定的标准时，向所述用户展示所述稳健性记分卡；或者

在确定所述稳健性记分卡不满足所述预定的标准时，改变所述最优分层抽样算法的配置，并且执行所述最优分层抽样算法，以从所述多维工程域中获取第二多个概率样本。

7.根据权利要求1所述的计算机实施的方法，其中，选择所述组合是基于满足预定的时间约束。

8.一种用于评估工程组件的稳健性的系统，该系统包括一个或多个处理器，所述一个或多个处理器被配置为执行一方法，该方法包括：

通过所述系统，接收所述工程组件的多维工程域的工程问题定义，其中，该工程问题定义包括对所述工程组件的多个工程特征的描述；

通过所述系统，执行最优分层抽样算法，以从所述多维工程域获取多个概率样本；

通过所述系统，选择高保真模型、降阶模型和用于执行获取的所述概率样本的响应面的组合；

通过所述系统，使用选择的所述组合，执行获取的所述概率样本，以确定所述多个工程特征的每个工程特征的相应工程响应；

通过所述系统，基于确定的所述工程响应，生成所述工程组件的稳健性记分卡，其中，所述稳健性记分卡提供所述多个工程特征的每个工程特征的稳健性分数；以

通过所述系统，经由用户设备的图像用户界面，向用户展示所述稳健性记分卡。

9.根据权利要求8所述的系统，其中，执行所述最优分层抽样算法包括：

经由拉丁超立方体抽样，将N维参数空间分成多个较小的子空间，其中，基于由关注的变量指定的分布类型，将分区分层；以及

从每个子空间选择样本，以生成拉丁超立方体，其中，选择的样本分别具有不同的坐标。

Images