JP2006185046A - 計算方法及び計算装置 - Google Patents

Abstract

【課題】計算時間を短縮することができる計算方法及び計算装置を提供すること。
【解決手段】ＣＡＥ解析を実験計画法により実行する計算方法において、実験単位を複数に分割した計算ノードに割り付けることにより、該ＣＡＥ解析の複数の計算ノードをクラスター化する。この場合、２個以上の単位で計算ノードを構成する複数のＣＰＵをクラスター化する。又、ＣＡＥ解析を実験計画法により実行する計算装置において、実験単位を複数に分割した計算ノードを記憶する複数のハードディスク記憶装置と、該ハードディスク記憶装置に障害が生じた際に、ＯＳ、クラスター化プログラム、計算プログラム、計算入力条件、計算結果情報の各情報の複製を、計算ノード内の異なるハードディスク記憶装置に記憶し、別なハードディスク記憶装置に複製する機能とを有する。
【選択図】図１

Description

ＣＡＥ（Computer Aided
Engineering）解析を行う際の計算時間の短縮化方法と計算装置に関する。

ＣＡＥ解析により例えば工業製品において、複数の設計因子の中から高い性能が得られる因子の組合せや因子の価を求める最適化解析を行う場合、実験計画法に要因／単因子実験（Full and Fractional Factorial Design）を行えば精度の良い最適解が得られるが実験回数が膨大となり解析時間が掛かる。これに対し、特許文献１等には、実験計画法に直交表を用い実験回数を減らすことによる実験計画全体に掛かる析時間の短縮が提案されている。

又、一般にＣＡＥ解析等のコンピュータの計算時間自体を高速化する手法としてはＭＰＰやＳＭＰ等の並列化計算処理が知られている。

特開２００２−３２２９３８号公報

実験計画法を実施するに当たって直交表を用いることは実験回数を減らすことができ、実験回数を減らすことによる実験計画実施時間短縮の効果は得られる。

しかしながら、最適解の精度向上を追求するとなると因子や水準の数は増し、実験計画は大規模化する。

直交表を用いる場合でも、例えば、因子が８個で３水準ならＬ８１の直交表となり、実験回数は８１回となる。発明者らのＣＡＥ解析は１解析時間が約１０〜２０ｈであり、１実験単位、即ち１ＣＡＥ解析時間が１０ｈなら１０ｈ＊８１回＝８１０ｈ≒３４日という規模になる。これに対し、発明者らが業務上実用的な解析時間と考えるのは５日間程度であり、約１／７以上に計算時間を短縮化したいというのが発明者らの課題となる。

発明者らが行う解析の多くは市販のＣＡＥ用プログラムであり、いわゆるスパコン等特殊なＯＳ環境で動作するプログラムは少なく汎用性のある計算装置の環境でのみ稼動するのが一般的である。

すると、計算装置の計算時間を短縮するなら計算ノードをクラスター化し、ＭＰＰやＳＭＰの並列計算処理化が或る程度有効であるが、これらの手法だけでは様々な分野のＣＡＥ解析で様々な問題を解くことを想定すると求める短縮効果が得られないというのがより具体的な課題となる。

一般に解の精度がシングルＣＰＵと等価で精度が保証されるとされるＳＭＰは並列化するＣＰＵ数の１．２乗程度に計算時間が短縮化されるが、短縮化の効果の出る並列化ＣＰＵ数には飽和限界があるとされ、一般に８ＣＰＵ程度で飽和すると認識されている。この場合の短縮化度は１．２の８乗で約１／４程度しか短縮化されない。

一方、ＭＰＰの場合計算処理を複数のメモリー上に分割して各々をＣＰＵで並列計算するので、一般にＣＰＵ数に比例して高速化されるとされるが、これもＳＭＰ同様８ＣＰＵ程度で高速化は飽和するとされるので、理想的に計算処理が分割された場合は１／８程度迄高速化され、発明者らの課題は克服されるが、使用者が手間を掛けないＣＡＥ解析プログラムの自動分割機能を使用し、均等に計算負荷が分割されない場合を考慮すると１／４程度しか短縮化されないというケースも多く必ずしも発明者らの課題を克服できない。

本発明は上記問題に鑑みてなされたもので、その目的とする処は、計算時間を短縮することができる計算方法及び計算装置を提供することにある。

上記目的を達成するため、請求項１記載発明は、ＣＡＥ解析を実験計画法により実行する計算方法において、実験単位を複数に分割した計算ノードに割り付けることにより、該ＣＡＥ解析の複数の計算ノードをクラスター化することを特徴とする。

請求項２記載の発明は、請求項１記載の発明において、２個以上の単位で計算ノードを構成する複数のＣＰＵをクラスター化することを特徴とする。

請求項３記載の発明は、ＣＡＥ解析を実験計画法により実行する計算装置において、実験単位を複数に分割した計算ノードを記憶する複数のハードディスク記憶装置と、該ハードディスク記憶装置に障害が生じた際に、ＯＳ、クラスター化プログラム、計算プログラム、計算入力条件、計算結果情報の各情報の複製を、計算ノード内の異なるハードディスク記憶装置に記憶し、別なハードディスク記憶装置に複製する機能とを有していることを特徴とする。

本発明の計算方法を用いれば、例えば８１回の実験単位を１０個の計算ノードに割付ければ１番目から９番目の計算ノードは８回分の実験単位を解析し、１０番目の計算ノードは９回分の実験単位を解析し、実験計画全体を見るとシリーズに８１回の実験単位を解析したのに比し、９／８１＝１／９に解析時間が短縮され発明者らが課題として掲げた１／７以上の計算時間短縮効果が得られる。分割割付け数を増し、８１個の計算ノードで解析を行えば、最大１／８１まで計算時間は短縮される。

即ち、実験計画に直交表を用いる、用いないに関わらず、どのような実験計画法を用いても最大の場合、実験回数分の１の計算時間短縮効果が得られる。

更に、計算ノードがクラスター化され、更にＭＰＩ(Message
Passing Interface) 通信手段を具備させれば、各実験単位の解析時間そのものをＭＰＰにより短縮する、或は複数のＣＰＵを計算ノード内に配置すればＳＭＰにより各実験単位の解析時間を短縮することができるので、実験計画内の実験単位数分の１の解析時間短縮効果にＭＰＰ（Massively Parallel Processor）若しくははＳＭＰ（Shared Memory Process ）による実験単位での解析時間短縮効果が４倍から期待値の最大として８倍は相乗される効果が得られる。

又、本発明では、装置内に異常が発生した場合の自己修復機能による計算続行効果と損失時間の最小化効果が得られる計算装置システム機能を実現している。

具体的には、計算ノードのハードディスクに障害が起きた場合は、ＲＡＩＤＯ１若しくはＲＡＩＤＯ５により解析データが複製された別なハードディスク記憶措置を用いて計算を続行する機能を有する。

更に、計算ノード内のＣＰＵ、メモリー、マザーボード等に計算継続不能な障害が生じた場合）スペアの計算ノードにディスクイメージを配布し、該当するＣＡＥ解析計算の中断時間を最小限に留め計算を継続実行する。この処置を施した場合、前述の８１回の実験計画を例として効果を示すと、１〜９番目の計算ノードに障害が生じた場合、ＣＡＥ解析がスペア計算ノード上でリ・ラン若しくはリ・スタートが機能することにより、最大損失時間は１実験回数分の解析時間内、例えば１０ｈ以内となり、１〜９番目の計算ノードは８回分の実験単位を解析するのに対し、１０番目の計算ノードは９回の実験単位を解析するので、１〜９番目の計算ノードの障害である限り、実験計画全体の計算時間は遅延しないという作用効果が得られるのが第１の利点である。

本発明の第２の利点は、最適化手法として、実験計画法を用い、更に、実験計画法の結果を受け応答曲面近似を行い、応答等曲面上で最適解を探索すれば、離散値である実験計画結果の中から最適な因子の組合せを抽出するのに比し、より精度の高い最適解を応答曲面上から得られるという作用効果が得られる。

更に、最適化解を求める手段として実験計画法を用いる利点の第３は、ＭＰＰやＳＭＰのみを用いた場合のように計算ＣＰＵ数を増しても、並列化による計算時間の短縮効果が飽和するということがなく、且つ、ＭＰＰのようなＣＡＥ解析プログラムと解析問題との相性による短縮効果の不安定さが生じる危険性もなく、実験回数と分割数に端数が生じても確実にほぼ並列分割数に比例して計算時間の短縮効果が得られることが第３の利点である。

実験計画法以外に計算単位を分割化して並列計算による計算時間短縮効果が得られや田口メソッドやモンテカルロ法がある。

第４の利点としては、計算途中に何らかの障害が生じても前述のように、実験単位のリ・ラン若しくはリ・スタートにより計算装置システムが計算装置を自己修復して計算続行可能な作用効果にある。

本発明による第５の利点を以下に説明する。

実験計画法を主体とする以外の他の最適化手法として、例えば数理的手法（ＭＦＤ：許容方向法、ＭＭＦＤ：修正許容方向法、ＳＬＰ：逐次線形計画法、ＳＱＰ：逐次２次計画法（DONLP ）、ＥＰ：外点ペナルティー関数法、ＮＬＰＱＬ：逐次２次計画法（Schittkowski）、ＨＪ：Hooke-Jeevesパターン探索法、ＳＡＭ：逐次近似法等）や探索的手法（ＳＡ：Simulated
Annealing 、GA: Genetic Algorithm ）等が一般に知られた最適化手法である。これらの手法に共通な点は継続繰り返し計算を行う点にある。

継続繰り返し計算により最適解を得るということは、特に数理的手法で見ると、前回の解より、より良い解の探索を繰り返すので、実験計画法のように実験単位に分割して計算するという訳にはいかず、原則１つの解析ＪＯＢの中で最適化計算が行われる。探索的手法のＳＡも継続繰り返し計算を行い原則前の解析結果の継承性が必要とされる。

従って、計算を使用者が最適化計算プログラム上からの操作で意図的に中断させて途中中止させた場合は計算を再開始（リ・ラン）が可能であるが、何らの障害により計算が中断された場合は計算の最初からの開始（リ・スタート）となり、前記のように計算装置内のシステムに異常の監視機能や計算の再開し機能を具備していても計算開始時から中断迄の全過程を再計算するので、計算時間の損失が大きい。これに対し、前述のように、複数の計算ノードｂに複数回の実験単位を割付けた場合は、計算が何らかのエラーにより中断したとしても、損失する計算時間は最大１実験単位に留まるので、計算全体を再開始しなけばならない数理的手法に代表される最適化手法に比し損失時間を短時間に留めることができるという効果が第４の利点である。

又、並列計算可能な本発明による計算装置を大規模化して計算サーバーとして企業内の特定の拠点に設置して、他の遠隔地の拠点からも使用する場合、市販のＣＡＥ解析プログラムを使用すると距離制限の問題が出てくる。複数のコンピュータで計算実行可能なフローティングライセンス形態を採用しているプログラムは多いが、一般に同一拠点内の使用に限定されるプログラムが多い。一部のプログラムは限定が解除される制度を採用しているものもあるが、事業拠点内限定使用ライセンス費用の３０％〜５０％増しのワイドエリア・フローティングライセス費をプロブラム・ベンダーに支払う形態を取るプログラムも多く、他拠点からの使用は経済的負担が増すか、事実上計算サーバー内のＣＡＥ解析プロブラムが使用不能なるケースも有り得る。これを回避する手段として、最適化プログラムに、例えば米エンジニアス・ソフトウェア社製の最適化支援ソフトウェア「ｉＳＩＧＨＴ」（商標）を使用すると、「ｉＳＩＧＨＴ」（商標）は日本国内では距離制限なく使用できるワイドエリア・フローティングライセス形態を採用しているので、該最適化プログラム下でＣＡＥ解析プログラムを稼動させれば、ＣＡＥ解析プログラムについても使用形態として距離制限が解除されたかのようにＬＡＮ或はＷＡＮ経由で遠隔地の拠点からも使用出来る効果が得られるのが第５の利点である。

本発明は数日間に及ぶ大規模解析を想定するので、使用者が使用者ＷＳから解析ＪＯＢを計算サーバーに投入しても、自分が導入したＪＯＢの終了時間を正確に予測するための手段を得ることに困難さが生じるので、代替措置として通知メールを計算サーバーから使用者に送信し、正確な解析終了時刻を使用者に通知し認識させる機能を持たせている。更に、ファイル受取サーバーを社内の各拠点に設けることにより、使用者が解析結果を受け取る際、解析ＪＯＢを投入した使用者ＷＳが稼動していなくても、任意の使用者ＷＳで拠点のファイル受取サーバーを経由して確実に解析結果を閲覧できるという効果と、遠隔地にある計算サーバーとのやり取りによるレスポンスの悪さを解消できるという効果が得られる。計算サーバーの管理者の立場に立てば、計算装置に異常が生じた場合は、異常通知メールによりシステム管理者として必要に応じて計算装置に対してメンテナンスの必要有無の情報を自動的に取得するという効果が得られる。

本発明による計算装置はクラスター化されているので、複数の計算ｎｏｄｏで並列計算が可能な環境を使用者が最適化プログラムを経由して利用する場合、通常はクラスター化されていないシングル計算ノードの使用者ＷＳにて最適化プログラムを稼動させる入力ファイルを作成することを想定すると、クラスター化の知識の不十分な使用者にとっては、クラスター対応の情報を盛り込んだ入力ファイルの作成が困難な事態が生じる。

斯かる状況に配慮し、本発明ではＪＯＢ投入プログラムにより前記使用者ＷＳであるシングル計算ノード機用の入力ファイルでは不足している情報の内、個々の解析固有の情報はＪＯＢ投入プログラムのメニューの選択肢を選ぶ等、簡単な入力手段から使用者がクラスター環境の専門的な知識を持たなくても正確にして十分な情報の入力ファイルを自動生成する効果を持つ。

更に、使用者の入力負荷を低減させるため、入力ファイルの雛型を各ＣＡＥ解析分野や、並列計算の実施形態毎に予め計算装置内に記憶させておき、該雛型の入力ファイル情報とＪＯＢ投入プログラムの指示に従い使用者が入力した情報と、予め使用者が作成した入力ファイルの３者の情報を本発明による計算装置内で自動的に合成し、クラスター化した計算装置内で確実に最適化プログラムを動作させる入力ファイルを自動生成するという効果が得られる。

又、本発明の計算装置の計算ノードは、２個以上のＣＰＵを実装しており、これにより計算負荷の大きなＪＯＢをＣＡＥ解析プログラムより計算ＣＰＵが要求されても、処理能力の余裕が保たれるので、他の常駐するプログラム群であるＯＳやクラスター化プログラムやＭＰＩ通信プログラムと相互に支障を起こさせずに安定した動作が保たれる効果が確保てできる。

図１は本発明の特徴を最も良く表す実験計画の実験単位を複数の計算ノードに割付けた様子を示す。図１ではＬ８１の直交表の実験単位を、７個の計算ノードに割付け、第１計算ノードから第４計算ノードは１２回の実験単位を、第５計算ノードから第７計算ノードは１１回の実験単位を計算することになる。計算時間の短縮率は１２回／８１回≒１／７となる。

各計算ノードは 矢印に示す様縦一列の実験単位だけ計算すれば、７個の計算ノード全体とすればＬ８１の実験回数８１回分を１／７の時間で本発明の計算方法により計算できる。

一方、従来例の計算ノードが１個の場合は直交表を用いれば実験回数は減らせるものの、例えば図７の矢印に示すように縦１列の実験単位を計算した後は、点矢印に示すように次列に移り第２列から第７列までの８１回の実験単位をシリーズに計算するので、８１回分の実験単位の計算時間を要してしまう。

図２は本発明による請求項６〜２２による計算装置のシステム全体を示している。使用者はＬＡＮ又はＷＡＮ経由によりＷｅｂブラウザを介してＪＯＢ投入プログラムを立ち上げる。

・使用者ＩＤのＮｏ入力
・最適化解析を行うかＭＰＰのみ行うかを選択
・使用者の作成した最適化プログラムへの入力ファイル名の指定
・ＣＡＥ解析を行なうファイル名の入力
・対象となるＣＡＥ解析分野の入力
・実験計画法の分割数を選択
・最適化プログラムのライセンスサーバーの選択等の情報を入力し、この使用者の入力行為が完了すると計算装置内のＪＯＢ管理プロフラムが連動して起動される。計算装置内には図２の実施の形態では、計算部には２ＣＰＵの計算ノードと４ＣＰＵの計算ノードと２ＣＰＵ用と４ＣＰＵ用のスペアノードを具備する。

管理サーバーとしては
・クラスター管理サーバー
・２ＣＰＵ用計算管理サーバー、４ＣＰＵ用計算管理サーバー
・データ保管領域の管理サーバー
・ＯＳの作動状態の監視サーバー
・ＣＡＤ、最適化プログラム、ＣＡＥ管理プログラムのディスクイメージを解析分野毎に複数持ち、必要に応じて計算ノードに配信するディスクイメージ管理サーバー
・全体のＪＯＢ、計算ノードからデータ保管領域へのデータ移動等を司るＪＯＢ管理プログラムサーバー
・スペアノードの管理サーバー
・ＪＯＢ投入プログラムを管理するＷｅｂ管理サーバー
・解析の正常終了、異常終了を使用者やシステム管理者に通知するメールサーバー
等を具備し、入力情報はＪＯＢ投入プログラムを経由する情報に限定され、外部から不要な情報が浸入しないよう保護されるシステム構成となっている。外部への出力情報は通知メールと最適解及び最適解となるＣＡＥ解析プログラムの出力ファイルとＣＡＤ形状変更を伴う場合はＣＡＤデータとなる。

本発明の計算装置システムは、自律的に動作し、使用者入力情報がＣＡＥ解析計算上支障を来さない限り、装置内のハードウェアーやソフトウェアーに異常が生じても自己修復して自動運転可能な機能を有するようシステム構成されている。

各計算ノード内蔵のハードディスク記憶装置には、１４６ＧＢ等の物理的容量の制約を実運用上は設けざるを得ない。ここで、ＣＡＥ解析データの解の容量が例えば６０ＧＢである場合を想定すると、１計算ノードで３回以上の実験単位を計算して内蔵ハードディスク記憶装置に記憶する場合は容量超過となってしまう。

斯かる事態に対処するため、本発明による計算装置は計算ノードとは別途に大容量のデータ保管領域を備えており、ここにＪＯＢ管理プログラムの制御により一実験単位の計算終了毎に計算ノードの稼動状況を把握する手段により計算終了を検知し、各計算ノードと解析結果のデータと同じ内容例を一次データ保管領域（例えば、７ＴＢの容量でＲＡＩＤＯ５の複製領域を１ＴＢ備える）にコピーし、両者の内容が同一であることをＪＯＢ管理プログラムが検知する。その後、各計算ノードのハードディスク記憶装置内の解データをＪＯＢ管理プログラムの制御により消去して、計算ノード内蔵ハードディスク記憶装置の記憶容量超過防止措置が自動的に行われる機能を有している。

二次データ保管領域は、例えば１ＴＢの容量であり、一次データ保管領域は、全実験計単位の解を使用者毎のフォルダー内の直下、若しくは、実験単位毎にＪＯＢ管理プログラムにより使用者フォルダー内に自動作成された実験単位別フォルダー内に格納するが、全実験単位のデータを保管するのは、主にＣＡＥ解析を行う上で使用者のＣＡＥ解析プログラムに対する設定不具合等を探索するためで、全実験計画の解析計算終了後は、最適解やＭＰＰの解等の必要最低限の情報のみを使用者が選択して二次データ保管領域に移動する。

一次データ保管領域は計算終了後の解の不具合解内容を分析するために一次的に保管する領域的な役割であるため、容量は大きいがデータの保護としてはＲＡＩＤＯ５に留め、二次データ保管領域は主に再利用の価値あるデータを保管するのでＲＡＩＤＯ１で保護し、更にテープバックアップを取り高い保護レベルを維持すると共に、いたずらに高価なデータ保管装置に設備投資しないという経済的投資効果を有している。

図３は拠点Ａに本発明による計算装置を計算サーバーとして設置し、拠点Ａの使用者の他に、遠隔地の拠点Ｂ及びＣの使用者もＷＡＮ経由で計算装置を利用する形態を示している。拠点Ａの使用者もＪＯＢ投入プログラムやファイル受取サーバー、ＪＯＢ管理プログラムよりの通知メールを受信するため、遠隔地の拠点の使用者と同等な利用形態を採る。

利用方法としては、先ず、イントラネット経由でＷｅｂブラウザにてＪＯＢ投入プログラムを立上げ、前述の様に最適化プログラムを使用するに必要な情報と、ＣＡＥ解析に必要なファイル名、必要に応じてＣＡＤファイル名を使用者ＷＳより入力する。計算を実行させると正常終了、異常終了に関わらず、通知メールは使用者のＯＡ・ＰＣに、最適解と最適解のＣＡＥ解析結果とＣＡＤファイル、若しくは異常終了した際の最終のＣＡＥ解析結果とＣＡＤファイルが各使用者の拠点のファイル受取サーバーに送信される。

ファイル受取の専用サーバーを設けることにより、使用者はファイル受信時に特定の使用者ＷＳを受信用に立ち上げることが不要となり、又、ファイル送信に時間が掛かる場合も、ファイル受取サーバーのみを常時稼動させれば、受信時間は特定する必要はなくなり、夜間や休日を計算サーバーからのデータ送信時間に当てることが本発明のシステム構成により可能となる。

特に、ＣＡＥ解析プログラムの使用者設定上の問題で異常終了した場合、使用者はエラファイルやログファイルを手掛かりとして異常終了の原因を探るので、エラ・ファイルやログ・ファイル等、解に付帯するファイルの漏れのない送信が必要となる。この際、各実験単位の解析結果をフォルダー毎に分けて一次データ保管領域に記憶させ、正常終了した場合の最適解を含むフォルダー、若しくは異常終了時は最終解析結果をフォルダー単位でファイル受取サーバーに送信すれば、付帯するエラ・ファイルやログ・ファイルがＣＡＥ解析ソフト毎に異なっても、付帯ファイルを漏れなく送信できるので、使用者は解析プログラムが異常終了した原因を探索し易くなる。又、使用者にとっては、自分の拠点内にデータが置かれるので、距離制限の制約を受けずＣＡＥ解析プログラムの解析解の内容を閲覧することができる。

＜実施の形態１＞
図４は本発明のクラスター化された計算装置の最小単位の構成図である。各計算ノードは２個のＣＰＵを備え、２個のＣＰＵがメモリーとハードディスク記憶装置を共有しており、ハードディスク記憶装置は計算ノード毎に２台備えられ、ＲＡＩＤ１のミラーリングにより、使用時はハードディスク１をメインに使用すると常にハードィスク２に記憶内容が複製される設定となっている。従って、ハードディスク１に障害が生じたときは、ハードディスク２の記憶内容を利用して解析を続行するように本発明によるＪＯＢ管理プログラムにて、監視と制御を行う。１０個の計算ノードはクラスター化されており、最適化プログラムは１０ノードをまとめて認識することができるので、実験計画法を最適化プログラムとＪＯＢ管理プログラムの制御と監視下で実験単位に計算ノード数に応じて分割して分散割付けし、総計算時間を短縮する。

更に、本発明の計算装置にはＣＡＤとＣＡＥ解析プログラムの両者がインストールされているため、実験単位毎にＣＡＤ形状を変更しながら、ＣＡＥ解析プログラムと連成解析を行う。従って、最適化解析全体を見ると、実験計画法とその結果の応答曲面近似と応答曲面上の最適解探索結果として得られる最適解は数値情報だけに留まらず、最適ＣＡＤ形状として出力されるのが本発明の利点である。

＜実施の形態２＞
図５は３０個の計算ノードから成る本発明による計算装置の計算部を示す。

最適化プロブラムを３ライセンス有し、使用形態としては、全てのＣＡＥ解析プログラムが同一分野であれば３個の計算ＪＯＢを同時に計算実行でき、且つ、各実験計画は１０個の実験単位に分割されるので、計算時間短縮効果も得られる。又、各ＣＡＥ解析分野は異なる分野プログラムをインストールしても良く、例えば、構造解析・機構解析・熱流体解析といった３分野同時の解析も可能である。

更に、各計算ノードにＭＰＩ通信プログラムをインストールし、ＣＡＥ解析プログラムの要求により計算ノード間でＭＰＩ通信を行えば、ＭＰＰが可能となり、実験計画法による時間短縮とは異なり、個々の計算ＪＯＢ時間が短縮化されるという効果も得られる。ＭＰＰの場合は、最適化プログラムを経由せずに原則実行可能であるが、本発明では、ＭＰＰも最適化プログラムを経由させるので、拠点間の距離制限を回避出来るという効果が得られる。

更に、ＪＯＢ投入プログラムを使用することにより、使用者ＩＤ・Ｎｏ等の情報が取得されるので、本発明による計算装置内のデータ記憶領域の使用者毎フォルダーに記憶させるように、本発明によるＪＯＢ管理プログラムが制御を行うので、各使用者は自分の解析データの格納場所を容易に知ることができる。又、他使用者のフォルダーへは書き込み制限をＪＯＢ管理プログラムに設けることにより、他使用者のデータのデータを誤って消去しない等、安全上の対策を効果も得られる。

＜実施の形態３＞
図６は計算ノード内に４つのＣＰＵを配した場合の図で、各計算ノード内で４ＣＰＵのＳＭＰが可能な機器構成環境を示している。４ＣＰＵのＳＭＰの場合、約１．２の４乗（ＣＰＵ数）≒２倍の計算時間短縮効果が得られ、更に本発明である、実験計画の複数ノードへの割付け、この事例では１０計算ノードあるので、１０倍の計算時間短縮効果が得られ、４０ＣＰＵ全体で見ると約２０倍の計算時間圧縮効果が本発明による本実施の形態では得られる。

本発明によらず、単にＳＭＰだけで４０ＣＰＵを使用しても、短縮効果は８ＣＰＵ分の４倍程度で飽和するに留まると一般に認識されるのに対し、本発明の本実施の形態の装置構成を用いればほぼ確実に２０倍となるので、使用するＣＰＵ数に見合った計算時間短縮が達成されるという解析コスト面での装置への費用対投資効果も高まる。

本発明は、コンピュータを用いる計算処理業務に適用可能である。

本発明による実験単位割付けの概念図である。 本発明による計算装置のシステム全体の構成図である。 本発明による計算装置を計算サーバーとして設置し、拠点間での使用形態構成を示す図である。 本発明によりクラスター化された計算装置の最小単位の構成図である。 ３０個の計算ノードから成る本発明による計算装置の計算部を示す図である。 計算ノード内に４つのＣＰＵを配し、各計算ノード内で４ＣＰＵのＳＭＰが可能な環境構成を示す図である。 従来例の図である。

Claims (3)

1. ＣＡＥ解析を実験計画法により実行する計算方法において、
   実験単位を複数に分割した計算ノードに割り付けることにより、該ＣＡＥ解析の複数の計算ノードをクラスター化することを特徴とする計算方法。
2. ２個以上の単位で計算ノードを構成する複数のＣＰＵをクラスター化することを特徴とする請求項１記載の計算方法。
3. ＣＡＥ解析を実験計画法により実行する計算装置において、
   実験単位を複数に分割した計算ノードを記憶する複数のハードディスク記憶装置と、該ハードディスク記憶装置に障害が生じた際に、ＯＳ、クラスター化プログラム、計算プログラム、計算入力条件、計算結果情報の各情報の複製を、計算ノード内の異なるハードディスク記憶装置に記憶し、別なハードディスク記憶装置に複製する機能とを有していることを特徴とする計算装置。

Images