数据分析经典案例（DEFORM）

在工艺开发和实际生产当中，通常都会积累大量的工艺数据，这些数据量庞大且无明显规律，但在工艺人员的大脑中形成了模糊的相互关系，变成了工艺人员的生产经验。如果将这些数据整理出来变为智能的确定性的专家系统，将会为企业带来更多经济价值，成为企业和个人的技术积累。

DEFORM专题4讲3月29日-4月1日

2022年3月29日-4月1日，安世亚太大咖慧推出DEFORM工艺仿真专题培训，内容包含：成形加工工艺DOE/OPT优化及数据分析、挤型工艺仿真及模具寿命分析、金属表面处理工艺、密封及紧固件制造、安装工艺仿真等技术。（报名方式见上图）

DEFORM DOE/OPT试验设计与优化模块是非常成熟并得到广泛应用的设计工具，计算过程中产生的多组模拟结果也等同于现实当中的多次试验，不但能够对输入的所有参数（包括工艺参数和材料参数）在一定范围内自动优化，而且能够对工件和模具的复杂几何结构、摆放位置参数化建模并优化。DOE post后处理界面自动生成了各输入变量对输出变量的影响规律，可视化图形显示。随着DOE技术应用的不断深入，为了能够对大量的模拟结果数据更深层次的分析处理，SFTC公司开发了新的数据分析工具DEFORM Data Analytics。

Data Analytics用户界面

DEFORM Data Analytics为用户提供了一种分析、比较和建模数据的方法。数据可以来自实验和生产，也可以来自DEFORM计算结果的输出。数据可以以简单的方式提供.txt文件和.csv文件。

数据窗口

DEFORM数据分析还可用于对工艺的输入参数进行灵敏度分析，或将有限元计算结果与实验数据进行比较。数据分析是通过绘制曲线图（如直方图和散点图）可视化数据并计算统计数据来执行的。

数据可视化图形

数据建模是DEFORM Data Analytics工具最大的亮点，建模本质上是曲线拟合。提供了线性、二次、三次、高斯和神经网络等等多种方法来数据建模。还可以选择将数据拟合到用户自定义的方程式。

DEFORM数据分析模型可以扩展到有限元计算，通过在后处理中包含DEFORM数据分析的数据模型来实现。当有限元模拟计算成本较高时，用DEFORM数据分析模型可以作替代有限元模型。

应用与验证

如下图所示，一个大型环件的镦粗变形，采用2D轴对称模型，工件使用弹塑性非等温模型，需要训练的数据有节点坐标（初始和最终的R和Z）、摩擦系数（0.1~0.4）、模具速度（450~750 mm/sec）、等效应力、温度、损伤等。

模拟模型

使用深度神经网络法训练数据后，输入不同的摩擦系数和模具速度，可直接得到节点坐标（初始和最终的R和Z）、等效应力、温度、损伤等结果。

随机选取三组案例，预测结果与模拟结果对比如下：

案例1：–摩擦系数：0.2872 -模具速度：728.926毫米/秒

案例2：–摩擦系数：0.101 -模具速度：517.882毫米/秒

案例3：–摩擦系数：0.371 -模具速度：508.555毫米/秒

案例1 网格对比

红色网格模拟结果内径=871.871mm，外径=2312.19mm，蓝色网格预测结果内径=876.143mm，外径=2313.27mm。

案例1 状态变量对比

案例2 网格对比

红色网格模拟结果内径=1055.25mm，外径=2380.17mm，蓝色网格预测结果内径=1046.71mm 外径=2383.33mm。

案例2 状态变量对比

案例3 网格对比

红色网格模拟结果内径=804.085mm，外径=2284.76mm，蓝色网格预测结果内径=801.938mm 外径=2292.17mm。

案例3 状态变量对比

预测与模拟结果对比信息统计

针对圆环压缩问题训练了深度神经网络，预测误差在0.4%以内。

深度神经网络在许多应用中显示出良好的潜力，目前已成熟应用在钢的流动应力预测中（DEFORM v13.0）。DEFORM软件钢材材料库中具有巨大量的数据，当输入新的化学成分时，软件能够自动拟合出当前材料的应力应变曲线。借助Data Analytics分析工具还可预测其它材料参数（如弹性模量、JMAK方程）、摩擦系数、磨损系数等等。Data Analytics分析工具能够将大量试验数据和模拟数据充分利用，发挥巨大的经济价值。

2022年3月29日-4月1日，安世亚太大咖慧推出DEFORM工艺仿真专题培训，内容包含：成形加工工艺DOE/OPT优化及数据分析、挤型工艺仿真及模具寿命分析、金属表面处理工艺、密封及紧固件制造、安装工艺仿真等技术。专题课每天1讲，每讲包括课程讲解和现场答疑两个部分，欢迎感兴趣的用户报名听课。

报名方式