Gå til hovedinnhold
Insights — Technology

Verktøy erstatter ikke
skjønn

Analyser går uforlignelig mye raskere enn for 20 år siden, og AI foreslår designalternativer raskere enn mennesker. Men hva som skal beregnes, hvordan resultatene skal tolkes og hvem som tar ansvaret for vurderingen, er fortsatt menneskelige avgjørelser. Denne kategorien handler om den grensen.

Responsflater for prosjekteringsvariabler og surrogatmodeller for kortere CFD-gjennomgang
Technology · Featured

Optimalisering av CFD-analyse med AI-surrogatmodeller: halvert syklus for prosjekteringsgjennomgang

Fullfaktoriell beregning er nøyaktig, men treg. Surrogatmodeller er raske, men unøyaktige. Vi beskriver hvordan de to kombineres for å nå konklusjoner du kan stole på i praksis.

FEATURE2026.07.288 min lesetid

I bygg- og anleggsprosjekter vokser antallet strømningsanalyser raskt. Kombiner 5 alternative bygningsplasseringer, 4 åpningsforhold og 16 vindretninger, så har du 320 tilfeller. Med 4 timer per tilfelle blir det 53 dager ved enkel regning. Prosjekteringsplanen venter ikke på det, så i praksis beregner de fleste noen få utvalgte tilfeller og anslår resten.

Spørsmålet er «hvilke tilfeller som skal velges»

Erfarne ingeniører velger som regel godt. Men grunnlaget for valgene er vanskelig å forklare for en tredjepart, og når en fagnemnd spør «hvorfor vurderte dere bare disse forholdene?», blir svaret tynt. Det større problemet er at det finnes kombinasjoner som intuisjonen overser. Soner der hver variabel for seg er uproblematisk, men der ytelsen forverres kraftig ved én bestemt kombinasjon, påvises i praksis ofte.

Surrogatmodellens rolle

En surrogatmodell lærer av et lite antall detaljerte analyseresultater for å tilnærme resultatene for alle øvrige forhold. Det viktige er at surrogatmodellens prognoser ikke brukes som konklusjoner. En surrogatmodell er utelukkende et kart som viser hvor man må se nøye etter.

Praktisk arbeidsflyt

  • Trinn 1 – Innledende utvalg · Velg 20–40 tilfeller som dekker designvariablenes rom jevnt, og kjør detaljert CFD på dem. Bruk romfyllende metoder som latinsk hyperkubeutvalg, ikke tilfeldig utvalg.
  • Trinn 2 – Trening av surrogatmodellen · Bygg en responsflate fra de innledende resultatene og kvantifiser prognosefeilen med kryssvalidering. Overskrider feilen toleransen, legges flere utvalg til.
  • Trinn 3 – Skanning av hele domenet · Bruk surrogatmodellen til å gå gjennom alle kombinasjoner på sekunder og identifisere risikosoner og soner med optimumskandidater.
  • Trinn 4 – Målrettet detaljert analyse · Beregn bare grensene for risikosonene og 10–20 optimumskandidater på nytt med detaljert CFD for å bekrefte dem.
  • Trinn 5 – Verifisering og rapportering · Sammenhold resultatene fra detaljert analyse med surrogatmodellens prognoser og oppgi modellens konfidensintervall i rapporten.

Reelle gevinster og begrensninger

I en vurdering av områdeplassering utført av DINETT ble antallet detaljerte analyser redusert til 54 tilfeller mot 320 ved full beregning. Vurderingsperioden ble omtrent halvert, og antallet vurderte forhold økte faktisk. To risikokombinasjoner som intuisjonen ikke ville ha valgt, ble oppdaget underveis.

Begrensningene er likevel tydelige. Der fysiske forhold endrer seg diskontinuerlig – for eksempel ved forhold der strømningsavløsning plutselig oppstår – kan surrogatmodellens prognoser bomme kraftig. Derfor må områder med lav pålitelighet i surrogatmodellen alltid kontrolleres med detaljert analyse, og denne vurderingen må ikke overlates til automatisering.

Hovedprinsipp
AI brukes til å utvide kontrollomfanget, ikke til å trekke konklusjoner. Endelige avgjørelser må bygge på resultater fra detaljert analyse og ingeniørens skjønn, og rapportene må tydelig angi hvilke tilfeller som er detaljerte analyser og hvilke som er prognoser.

Hvor du bør begynne

Ikke alle prosjekter trenger denne tilnærmingen. Med færre enn 50 tilfeller er full beregning enklere og sikrere. Tilnærmingen lønner seg når det er tre eller flere variabler, over 100 kombinasjoner og en stram prosjekteringsplan.

For å forankre arbeidsflyten i en organisasjon kreves også skript for analyseautomatisering og et system for resultatstyring. DINETT støtter kundene helt frem til overføring av prosedyrer og maler, slik at de kan drive det med egen kompetanse.


Denne artikkelen bygger på praktisk erfaring fra DINETTs avdeling for ingeniørsimulering. For konkrete anvendelser eller prosjektrådgivning, kontakt oss via Tjenesteforespørsel.

Articles

Innsikt om teknologi

Forgreningen mellom lineær kontroll i trinn 1 og ikke-lineær analyse i trinn 2 i vurdering av seismisk ytelse, og ytelsespunktet
Technology

Vurdering av seismisk ytelse nivå 1 eller nivå 2: hva skal man velge, og når

Når en foreløpig vurdering er nok, og når en detaljert vurdering kreves. Eksempler på hvorfor valget av vurderingstrinn kan endre forsterkningsbudsjettet flere ganger.

BLOG2026.05.096 min
Kontroll av avvik mellom analyse og måling i rekkefølge: randbetingelser, materialegenskaper, modellering, måling
Technology

Når analysen ikke stemmer med målingene: hva du bør mistenke først

Randbetingelser, materialegenskaper, elementnett, målefeil. En fremgangsmåte for å utelukke feilkilder én etter én i korrelasjonen.

FEATURE2026.04.237 min
Overvåkings- og kalibreringssløyfen i en digital tvilling og fire ting som må defineres før sensorene monteres
Technology

Digitale tvillinger: hva du må bestemme før sensorene monteres

Et overvåkingssystem som installeres uten at det er bestemt hva som skal overvåkes, samler bare data. Overvåking som utformes baklengs fra formålet.

FEATURE2026.03.196 min
Konvergensstudie av elementnett med ulik elementstørrelse og konvergenskurver for resultatene
Technology

Hva som skjer når du hopper over konvergensstudien av elementnettet

En rapport kan inneholde et vakkert spenningsplott, men uten konvergensstudie har verdiene ikke noe grunnlag. Minimumsprosedyren som må kontrolleres.

BLOG2026.01.085 min
Roller for utarbeider, kontrollør og godkjenner i et analyseteam, og fremgangsmåten fra kontroll av inndata til utsendelse
Technology

Å bygge et internt analyseteam: prosess før verktøy

Selv med programvare på plass vil påliteligheten av resultatene variere med hvem som kjører analysen, hvis standardprosedyrer og verifisering mangler. Rekkefølgen for å bygge intern kompetanse.

BLOG2025.11.076 min
Forenklinger og feil ved konvertering av en BIM-geometrimodell til en analysemodell med knutepunkter og elementer
Technology

Hvorfor BIM-modeller ikke kan brukes direkte som analysemodeller

Geometriinformasjon er noe annet enn det en analysemodell trenger. Hva som bør forenkles og hva som bør beholdes ved konverteringen.

BLOG2025.09.305 min
Korrelasjon mellom CFD-analyse og vindtunnelmålinger, og tabell over analyseinnstillinger
WHITE PAPER2026.05.22

[Hvitbok] Praktisk veiledning i vurdering av vindmiljø rundt bygg

Praktisk materiale med sjekkliste for fagnemnder. Tilgjengelig som PDF.

Avveiningen mellom kartleggingsdybde og oppløsning etter GPR-antennens frekvens
BLOG2025.06.12

Hva GPR-kartleggingen fant – og hva den overså

Forstå oppløsningsgrensene for geofysiske undersøkelser og hvordan de kombineres med grunnboringer.

Hvordan et AI-generert utkast går gjennom verifisering og fastsettes med teknisk ansvarliges signatur
BLOG2025.04.17

Hvem signerer en rapport skrevet av AI?

Jo mer automatiseringen øker, desto tydeligere må ansvaret plasseres.

Vil du forbedre
analysearbeidsflyten?

Fortell oss om dagens analysemetode og flaskehalser, så skisserer vi forbedringsmuligheter. Vi kan også bistå med å bygge intern kompetanse.