Preskoči na glavni sadržaj
Uvidi — Tehnologija

Alati ne zamjenjuju
prosudbu

Analiza je neusporedivo brža nego prije 20 godina, a umjetna inteligencija predlaže projektne varijante brže od ljudi. No što izračunati, kako protumačiti rezultate i tko preuzima odgovornost za tu prosudbu i dalje su ljudske odluke. Ova kategorija bavi se upravo tom granicom.

Plohe odziva projektnih varijabli i surogatni modeli za kraće vrijeme CFD provjere
Tehnologija · Istaknuto

Optimizacija CFD analize AI surogatnim modelima: upola kraći ciklus projektne provjere

Potpuni faktorski proračun točan je, ali spor. Surogatni modeli brzi su, ali neprecizni. Prikazujemo kako ih kombinirati da biste došli do zaključaka kojima u praksi možete vjerovati.

ISTAKNUTO2026.07.288 min čitanja

U projektima zgrada i postrojenja broj slučajeva strujne analize brzo raste. Kombinirate li 5 varijanti razmještaja zgrada, 4 stanja otvora i 16 smjerova vjetra, dobivate 320 slučajeva. Uz 4 sata po slučaju, to je jednostavnom računicom 53 dana. Projektni rokovi neće čekati toliko, pa u praksi većina timova proračuna nekoliko odabranih slučajeva, a ostale procjenjuje.

Pitanje je „koje slučajeve odabrati”

Iskusni inženjeri obično dobro biraju. No osnovu tih odabira teško je objasniti trećoj strani, a kada povjerenstvo pita „zašto ste provjerili samo ove uvjete?”, odgovor nije uvjerljiv. Veći je problem što postoje kombinacije koje intuicija propušta. Zone u kojima je svaka varijabla zasebno u redu, ali se svojstva naglo pogoršavaju pri jednoj određenoj kombinaciji, u praksi se često pronalaze.

Uloga surogatnog modela

Surogatni model uči iz malog broja rezultata detaljne analize kako bi aproksimirao rezultate za sve preostale uvjete. Ključno je da se predviđanja surogatnog modela ne koriste kao zaključci. Surogatni model isključivo je karta koja pokazuje gdje treba pomnije pogledati.

Praktičan tijek rada

  • Korak 1 — Početno uzorkovanje · Odaberite 20–40 slučajeva koji ravnomjerno pokrivaju prostor projektnih varijabli i na njima provedite detaljnu CFD analizu. Koristite metode ispunjavanja prostora poput uzorkovanja latinskom hiperkockom, a ne slučajni odabir.
  • Korak 2 — Treniranje surogatnog modela · Iz početnih rezultata izradite plohu odziva i unakrsnom validacijom kvantificirajte pogrešku predviđanja. Ako pogreška premašuje dopuštenu, dodajte uzorke.
  • Korak 3 — Pretraživanje cijele domene · Surogatnim modelom u nekoliko sekundi prođite sve kombinacije i prepoznajte zone rizika i kandidate za optimalne zone.
  • Korak 4 — Ciljana detaljna analiza · Detaljnom CFD analizom ponovno proračunajte samo granice zona rizika i 10–20 kandidata za optimum kako biste ih potvrdili.
  • Korak 5 — Provjera i izvještavanje · Usporedite rezultate detaljne analize s predviđanjima surogatnog modela i u izvješću navedite interval pouzdanosti modela.

Stvarne koristi i ograničenja

U provjeri razmještaja na parceli koju je proveo DINETT broj detaljnih analiza smanjen je na 54 slučaja u odnosu na 320 za potpuni proračun. Razdoblje provjere približno je prepolovljeno, a broj provjerenih uvjeta zapravo se povećao. Usput su otkrivene dvije rizične kombinacije koje intuicija ne bi odabrala.

Ograničenja su ipak jasna. Gdje se fizikalno ponašanje mijenja diskontinuirano — primjerice u uvjetima u kojima naglo dolazi do odvajanja strujanja — predviđanja surogatnog modela mogu znatno odstupati. Zato se područja niske pouzdanosti surogatnog modela uvijek moraju provjeriti detaljnom analizom i zato se ta prosudba ne smije prepustiti automatizaciji.

Ključno načelo
Umjetna inteligencija koristi se za proširenje opsega provjere, a ne za donošenje zaključaka. Konačne odluke moraju se temeljiti na rezultatima detaljne analize i inženjerskoj prosudbi, a izvješća moraju jasno navoditi koji su slučajevi detaljne analize, a koji predviđanja.

Odakle početi

Ovaj pristup nije potreban svakom projektu. Uz manje od 50 slučajeva potpuni je proračun jednostavniji i sigurniji. Pristup se isplati kada postoje tri ili više varijabli, više od 100 kombinacija i tijesan projektni rok.

Uvođenje ovog tijeka rada u organizaciju zahtijeva i skripte za automatizaciju analize te sustav upravljanja rezultatima. DINETT podržava klijente sve do prijenosa postupaka i predložaka kako bi ga mogli provoditi vlastitim internim kapacitetima.


Ovaj se članak temelji na praktičnom iskustvu odjela za inženjerske simulacije tvrtke DINETT. Za konkretnu primjenu ili konzultacije o projektu obratite nam se putem stranice Upit za uslugu.

Članci

Uvidi o tehnologiji

Korelacija CFD analize s mjerenjima u zračnom tunelu i tablica postavki analize
BIJELA KNJIGA2026.05.22

[Bijela knjiga] Praktični vodič za procjenu vjetrovnih uvjeta oko zgrada

Stručni materijal s kontrolnim popisom za povjerenstvo. Dostupno u PDF-u.

Kompromis između dubine snimanja i razlučivosti prema frekvenciji GPR antene
BLOG2025.06.12

Što su GPR snimanja pronašla — a što su propustila

Razumijevanje granica razlučivosti geofizičkih istraživanja i kako ih kombinirati s istražnim bušenjima.

Kako nacrt izrađen umjetnom inteligencijom prolazi provjeru i dovršava se potpisom tehničkog voditelja
BLOG2025.04.17

Tko potpisuje izvješće koje je napisala umjetna inteligencija?

Što više raste automatizacija, to jasnija mora biti odgovornost.

Želite poboljšati
svoj tijek analize?

Opišite nam trenutačni pristup analizi i uska grla, a mi ćemo vam predložiti smjerove poboljšanja. Možemo vam pomoći i u izgradnji internih kapaciteta.