Gå til hovedindhold
Insights — Technology

Værktøjer erstatter ikke
vurdering

Analyser går uendeligt meget hurtigere end for 20 år siden, og AI foreslår designalternativer hurtigere end mennesker. Men hvad der skal beregnes, hvordan resultaterne skal fortolkes, og hvem der tager ansvaret for vurderingen, er stadig menneskelige beslutninger. Denne kategori handler om den grænse.

Responsflader for designvariabler og surrogatmodeller til kortere CFD-gennemgang
Technology · Featured

Optimering af CFD-analyse med AI-surrogatmodeller: Halvér designgennemgangens cyklus

Fuldfaktoriel beregning er præcis, men langsom. Surrogatmodeller er hurtige, men upræcise. Vi beskriver, hvordan de to kombineres for at nå konklusioner, man kan stole på i praksis.

FEATURE2026.07.288 min. læsning

I bygge- og procesanlægsprojekter vokser antallet af strømningsanalyser hurtigt. Kombinerer man 5 alternativer for bygningsplacering, 4 åbningsforhold og 16 vindretninger, får man 320 cases. Med 4 timer pr. case er det 53 dage ved simpel regning. Designtidsplanen venter ikke på det, så i praksis beregner de fleste nogle få udvalgte cases og estimerer resten.

Spørgsmålet er, »hvilke cases man skal vælge«

Erfarne ingeniører vælger som regel godt. Men grundlaget for valget er svært at forklare for tredjemand, og når et bedømmelsesudvalg spørger: »Hvorfor har I kun vurderet disse forhold?«, bliver svaret tyndt. Det større problem er, at der findes kombinationer, som intuitionen overser. Områder, hvor hver variabel for sig er uproblematisk, men hvor ydeevnen forringes kraftigt ved én bestemt kombination, findes i praksis ofte.

Surrogatmodellens rolle

En surrogatmodel lærer af et lille antal detaljerede analyseresultater og tilnærmer resultaterne for alle øvrige forhold. Det afgørende er, at surrogatmodellens prognoser ikke bruges som konklusioner. En surrogatmodel er udelukkende et kort, der viser, hvor man skal se nærmere efter.

Praktisk arbejdsforløb

  • Trin 1 — Indledende sampling · Vælg 20–40 cases, der dækker designvariablernes rum jævnt, og kør detaljeret CFD på dem. Brug rumudfyldende metoder som Latin hypercube sampling, ikke tilfældigt valg.
  • Trin 2 — Træning af surrogatmodel · Opbyg en responsflade ud fra de indledende resultater, og kvantificér prognosefejlen ved krydsvalidering. Overstiger fejlen tolerancen, tilføjes flere samples.
  • Trin 3 — Scanning af hele domænet · Brug surrogatmodellen til at gennemgå alle kombinationer på få sekunder og identificere risikozoner og kandidatzoner for optimum.
  • Trin 4 — Målrettet detaljeret analyse · Genberegn kun risikozonernes grænser og 10–20 optimumskandidater med detaljeret CFD for at bekræfte dem.
  • Trin 5 — Verifikation og rapportering · Sammenhold resultaterne af den detaljerede analyse med surrogatmodellens prognoser, og angiv modellens konfidensinterval i rapporten.

Reelle fordele og begrænsninger

I en gennemgang af en bebyggelsesplan udført af DINETT blev antallet af detaljerede analyser reduceret til 54 cases mod 320 ved fuld beregning. Gennemgangsperioden blev omtrent halveret, og antallet af vurderede forhold steg faktisk. Undervejs blev der fundet to risikokombinationer, som intuitionen ikke ville have udvalgt.

Begrænsningerne er dog tydelige. Hvor den fysiske adfærd ændrer sig diskontinuert — for eksempel under forhold, hvor strømningsafløsning pludselig opstår — kan surrogatmodellens prognoser ramme langt ved siden af. Derfor skal områder med lav pålidelighed i surrogatmodellen altid kontrolleres med detaljeret analyse, og denne vurdering må ikke overlades til automatisering.

Grundprincip
AI bruges til at udvide gennemgangens omfang, ikke til at drage konklusioner. Den endelige afgørelse skal hvile på detaljerede analyseresultater og ingeniørens vurdering, og rapporten skal tydeligt angive, hvilke cases der er detaljerede analyser, og hvilke der er prognoser.

Hvor skal man begynde?

Ikke alle projekter har brug for denne tilgang. Med færre end 50 cases er fuld beregning enklere og sikrere. Tilgangen giver mening, når der er tre eller flere variabler, mere end 100 kombinationer og en stram designtidsplan.

For at forankre dette arbejdsforløb i en organisation kræves der desuden scripts til analyseautomatisering og et system til styring af resultater. DINETT støtter kunderne hele vejen til overdragelse af procedurer og skabeloner, så de kan drive det med egne kompetencer.


Denne artikel bygger på praktisk erfaring fra DINETTs afdeling for ingeniørsimulering. Har du brug for rådgivning om konkret anvendelse eller et projekt, er du velkommen til at kontakte os via Serviceforespørgsel.

Articles

Indsigt i teknologi

Forgrening mellem lineær gennemgang på trin 1 og ikke-lineær analyse på trin 2 i vurderingen af seismisk ydeevne, og præstationspunktet
Technology

Vurdering af seismisk ydeevne niveau 1 vs. niveau 2: hvad skal man vælge, og hvornår

Hvornår en indledende vurdering er nok, og hvornår en detaljeret vurdering er nødvendig. Eksempler på, hvorfor valget af vurderingstrin kan ændre forstærkningsbudgettet flere gange.

BLOG2026.05.096 min.
Kontrol af afvigelser mellem analyse og måling i rækkefølgen: randbetingelser, materialeegenskaber, modellering, måling
Technology

Når analysen ikke stemmer med målingerne: Hvad skal man mistænke først?

Randbetingelser, materialeegenskaber, elementnet, målefejl. En procedure til at udelukke fejlkilder én efter én i korrelationen.

FEATURE2026.04.237 min.
Den digitale tvillings måle- og kalibreringssløjfe og fire ting, der skal defineres, før sensorerne installeres
Technology

Digitale tvillinger: Hvad der skal besluttes, før sensorerne sættes op

Et målesystem, der installeres uden at beslutte, hvad der skal overvåges, samler blot data. Overvågningsdesign, der tager udgangspunkt i formålet.

FEATURE2026.03.196 min.
Konvergensstudie af elementnet med varierende elementstørrelse og konvergenskurver for resultaterne
Technology

Hvad der sker, når man springer konvergensstudiet af elementnettet over

En rapport kan indeholde et flot spændingsplot, men uden et konvergensstudie har værdierne intet grundlag. Den minimale procedure, der skal kontrolleres.

BLOG2026.01.085 min.
Roller som udarbejder, kontrollant og godkender i en analysegruppe, og proceduren fra inputverifikation til udgivelse
Technology

Opbygning af en intern analysegruppe: Procedurer før værktøjer

Selv med software på plads afhænger resultaternes pålidelighed af, hvem der udfører analysen, hvis der ikke er standardprocedurer og verifikation. Rækkefølgen for at opbygge interne kompetencer.

BLOG2025.11.076 min.
Forenklinger og fejl ved konvertering af en BIM-geometrimodel til en analysemodel med knuder og elementer
Technology

Hvorfor BIM-modeller ikke kan bruges direkte som analysemodeller

Geometriinformation er ikke det samme som det, en analysemodel har brug for. Hvad der skal forenkles, og hvad der skal bevares under konverteringen.

BLOG2025.09.305 min.
Korrelation mellem CFD-analyse og vindtunnelmålinger samt tabel over analyseindstillinger
WHITE PAPER2026.05.22

[Hvidbog] Praktisk vejledning i vurdering af bygningers vindmiljø

Materiale til fagfolk, inkl. tjekliste til bedømmelsesforløbet. PDF tilgængelig.

Afvejningen mellem undersøgelsesdybde og opløsning afhængigt af GPR-antennens frekvens
BLOG2025.06.12

Hvad GPR-undersøgelser fandt — og hvad de overså

Forstå opløsningsgrænserne for geofysiske undersøgelser, og hvordan de kombineres med boringer.

Hvordan et AI-genereret udkast gennemgår verifikation og bliver endeligt med den tekniske ansvarliges underskrift
BLOG2025.04.17

Hvem underskriver en rapport skrevet af AI?

Jo mere automatiseringen vokser, desto tydeligere skal ansvaret være placeret.

Vil du forbedre
dit analyseforløb?

Fortæl os om din nuværende analysetilgang og dine flaskehalse, så skitserer vi retninger for forbedring. Vi kan også støtte opbygningen af interne kompetencer.