یکی از سخت ترین کارهای شبیه سازی تصادف خودرو با جزئیات کامل، مش زنی آن است. نگاهی به این تصاویر بیاندازید! چقدر کار و دقت پشت آن است خدا می داند👀
بدون این مش های مرتب، تحلیل ها نمی تواند درست و کارآمد باشد. برای همین موضوع و برای این نوع امور، خدمات تخصصی در این زمینه وجود دارد که افرادی فقط کارشان مش زنی است. نه فقط در تحلیل تصادف در تحلیل سایر تجهیزات هم این نوع مسائل وجود دارد.
برای مشاوره مش زنی درست و اصولی، می تونید روی بنوموسی حساب کنید.
#mesh #crash
بدون این مش های مرتب، تحلیل ها نمی تواند درست و کارآمد باشد. برای همین موضوع و برای این نوع امور، خدمات تخصصی در این زمینه وجود دارد که افرادی فقط کارشان مش زنی است. نه فقط در تحلیل تصادف در تحلیل سایر تجهیزات هم این نوع مسائل وجود دارد.
برای مشاوره مش زنی درست و اصولی، می تونید روی بنوموسی حساب کنید.
#mesh #crash
انتخاب بین روش عددی صریح و ضمنی
اگر در سیستم مقداری سفتی وجود داشته باشد، از آنجایی که حل صریح محدودیت اندازه گام زمانی (شرط کورانت-فردریش-لوی CFL) دارد، این محدودیت میتواند به قدری سختگیرانه شود که محاسبات را دشوار کند. در چنین مواردی، ممکن است ترجیح دهید که یک روش عددی ضمنی را به جای صریح انتخاب کنید.
اما چرا؟!
چون حل ضمنی بی قید و شرط پایدار است و هیچ محدودیتی در اندازه گام زمانی ندارد.
در حل ضمنی، میتوان یک گام زمانی بسیار بزرگ انتخاب کرد و راهحل پایدار خواهد بود، اما ممکن است دقت مناسبی نداشته باشد. پس همیشه باید تعادل را حفظ کنید. درست مانند روشهای صریح، خطا متناسب با Δt است، بنابراین گام زمانی بسیار بزرگ خیلی بدرد نمیخورد.
چرا از صریح استفاده میکنیم؟
اصطلاحا میگویند حل ضمنی Universal نیست، به این معنی که برای هر مساله نیاز به توسعه یک حل خاص وجود دارد.
دوم اینکه روشهای عددی ضمنی پیچیدهتر از روشهای صریح هستند. سرگیجه آور🤪
هزینه محاسبات حل ضمنی بالاست چون نیاز به حل یک سیستم بزرگ معادلات دارند.
دستیابی به دقتهای بالا با حل عددی ضمنی چالشبرانگیزتر از روشهای صریح است.
منبع
اگر در سیستم مقداری سفتی وجود داشته باشد، از آنجایی که حل صریح محدودیت اندازه گام زمانی (شرط کورانت-فردریش-لوی CFL) دارد، این محدودیت میتواند به قدری سختگیرانه شود که محاسبات را دشوار کند. در چنین مواردی، ممکن است ترجیح دهید که یک روش عددی ضمنی را به جای صریح انتخاب کنید.
اما چرا؟!
چون حل ضمنی بی قید و شرط پایدار است و هیچ محدودیتی در اندازه گام زمانی ندارد.
در حل ضمنی، میتوان یک گام زمانی بسیار بزرگ انتخاب کرد و راهحل پایدار خواهد بود، اما ممکن است دقت مناسبی نداشته باشد. پس همیشه باید تعادل را حفظ کنید. درست مانند روشهای صریح، خطا متناسب با Δt است، بنابراین گام زمانی بسیار بزرگ خیلی بدرد نمیخورد.
چرا از صریح استفاده میکنیم؟
اصطلاحا میگویند حل ضمنی Universal نیست، به این معنی که برای هر مساله نیاز به توسعه یک حل خاص وجود دارد.
دوم اینکه روشهای عددی ضمنی پیچیدهتر از روشهای صریح هستند. سرگیجه آور🤪
هزینه محاسبات حل ضمنی بالاست چون نیاز به حل یک سیستم بزرگ معادلات دارند.
دستیابی به دقتهای بالا با حل عددی ضمنی چالشبرانگیزتر از روشهای صریح است.
منبع
📌 مهلت رفع تعهد ارزی شرکت های دانش بنیان افزایش یافت
👈 در راستای جهش صادرات دانشبنیان و فناورانه، جزئیات جدید از رفع تعهدات ارزی شرکتها اعلام شد.
🔹طبق اعلام وزارت صمت، با پیگیری مشترک «وزارت صنعت، معدن و تجارت» و «معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری» و با همکاری ویژۀ «کارگروه بازگشت ارز حاصل از صادرات بانک مرکزی (با محوریت ادارۀ رسیدگی به تعهدات صادراتی و وارداتی بانک مرکزی)» و طبق مصوبۀ بیست و یکمین جلسۀ کارگروه فوق، مهلت بازگشت ارز حاصل از صادرات برای شرکتهای صادرکنندۀ ذیل اولین بستۀ کدتعرفه های دانش بنیان و فناوریهای راهبردی (ارسالی مشترک توسط وزارت صنعت، معدن و تجارت و معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری) به 8، 12 و 15 ماه افزایش یافت.
🔺همچنین درصد معافیت رفع تعهد ارزی شرکتهای فوق، به میزان 20 درصد تعیین شد. شرکتهای صادرکنندۀ صنایع پیشرفته، فناور و دانش بنیان میتوانند از طریق ارتباط با دفتر فناوری و نوآوری وزارت صمت و دفتر سیاستگذاری و آینده نگاری معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری، نسبت به ارائۀ هرگونۀ بازخورد آتی در مورد اجرای هر چه بهتر ابزار حمایتی فوق اقدام کنند.
تسنیم
👈 در راستای جهش صادرات دانشبنیان و فناورانه، جزئیات جدید از رفع تعهدات ارزی شرکتها اعلام شد.
🔹طبق اعلام وزارت صمت، با پیگیری مشترک «وزارت صنعت، معدن و تجارت» و «معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری» و با همکاری ویژۀ «کارگروه بازگشت ارز حاصل از صادرات بانک مرکزی (با محوریت ادارۀ رسیدگی به تعهدات صادراتی و وارداتی بانک مرکزی)» و طبق مصوبۀ بیست و یکمین جلسۀ کارگروه فوق، مهلت بازگشت ارز حاصل از صادرات برای شرکتهای صادرکنندۀ ذیل اولین بستۀ کدتعرفه های دانش بنیان و فناوریهای راهبردی (ارسالی مشترک توسط وزارت صنعت، معدن و تجارت و معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری) به 8، 12 و 15 ماه افزایش یافت.
🔺همچنین درصد معافیت رفع تعهد ارزی شرکتهای فوق، به میزان 20 درصد تعیین شد. شرکتهای صادرکنندۀ صنایع پیشرفته، فناور و دانش بنیان میتوانند از طریق ارتباط با دفتر فناوری و نوآوری وزارت صمت و دفتر سیاستگذاری و آینده نگاری معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری، نسبت به ارائۀ هرگونۀ بازخورد آتی در مورد اجرای هر چه بهتر ابزار حمایتی فوق اقدام کنند.
تسنیم
تست تصادف خودروها
مدل جدید vs قدیم
ویدیو بسیارجالب بود. بهتر شده؟!
https://www.youtube.com/watch?v=uoShPiK6878
#crash #auto
مدل جدید vs قدیم
ویدیو بسیارجالب بود. بهتر شده؟!
https://www.youtube.com/watch?v=uoShPiK6878
#crash #auto
YouTube
NEW CAR VS OLD CAR CRASH TEST
#newcar #oldcars #carcrashtest #iihs #euroncap
What would happen if an old car crashed with a new car?
New Car VS Old Car Crash Test (IIHS Crash Test) Compilation Video.
Disclaimer: All footages in this video are for entertainment purposes only*
Checkout…
What would happen if an old car crashed with a new car?
New Car VS Old Car Crash Test (IIHS Crash Test) Compilation Video.
Disclaimer: All footages in this video are for entertainment purposes only*
Checkout…
چهار اتفاق مهم که شاهد آن خواهیم بود:
طراحی تولیدی یا Generative Design:
ابزارهای مبتنی بر هوش مصنوعی مانند Bernini اتودسک قرار است فرآیندهای طراحی را متحول کنند و به بهینهسازی خودکار قطعات و مجموعهها کمک کنند.
شبیهسازی پیشرفته:
مدلهای هوش مصنوعی فاصله بین محیطهای واقعی و شبیهسازی شده را کاهش میدهند و کاوش سریعتر، عمیقتر و قابلاعتمادتری از فضاهای طراحی ارائه خواهند داد.
طراحی برای تولید یا Design for Manufacturing (DFM):
با گسترش تولید افزایشی، پلتفرمهای جدید DFM به طور حیاتی اهمیت پیدا خواهند کرد و اطمینان حاصل میکنند که طراحیها از ابتدا قابل تولید هستند.
کنترل کیفیت خودکار:
توانایی هوش مصنوعی در خلاصهسازی دادهها و ارائه زمینه باعث میشود که کنترل کیفیت بیشتری بهطور خودکار انجام شود و مشکلات را در مراحل اولیه طراحی شناسایی کند.
نرمافزار طراحی فیزیکی فقط یک ابزار نیست؛ بلکه یک جزء حیاتی در صنایع خودروسازی و هوافضا است. پتانسیل نوآوری در این حوزه بسیار زیاد است و این فناوری رو به جلو است.
منبع
#simulation
طراحی تولیدی یا Generative Design:
ابزارهای مبتنی بر هوش مصنوعی مانند Bernini اتودسک قرار است فرآیندهای طراحی را متحول کنند و به بهینهسازی خودکار قطعات و مجموعهها کمک کنند.
شبیهسازی پیشرفته:
مدلهای هوش مصنوعی فاصله بین محیطهای واقعی و شبیهسازی شده را کاهش میدهند و کاوش سریعتر، عمیقتر و قابلاعتمادتری از فضاهای طراحی ارائه خواهند داد.
طراحی برای تولید یا Design for Manufacturing (DFM):
با گسترش تولید افزایشی، پلتفرمهای جدید DFM به طور حیاتی اهمیت پیدا خواهند کرد و اطمینان حاصل میکنند که طراحیها از ابتدا قابل تولید هستند.
کنترل کیفیت خودکار:
توانایی هوش مصنوعی در خلاصهسازی دادهها و ارائه زمینه باعث میشود که کنترل کیفیت بیشتری بهطور خودکار انجام شود و مشکلات را در مراحل اولیه طراحی شناسایی کند.
نرمافزار طراحی فیزیکی فقط یک ابزار نیست؛ بلکه یک جزء حیاتی در صنایع خودروسازی و هوافضا است. پتانسیل نوآوری در این حوزه بسیار زیاد است و این فناوری رو به جلو است.
منبع
#simulation