Kolik důvěry si zaslouží simulace?

Jak spolehlivý je výsledek simulace? Již odchylky u okrajových podmínek, materiálových vlastností nebo provozních parametrů mohou ovlivnit hodnocení návrhu. Analýzy citlivosti pomáhají odhalit klíčové faktory, které mají na výsledek největší vliv.

Dipl.-Ing. (TU) Stefan Merkle, jednatel společnosti Merkle CAE Solutions GmbH.

Výsledek simulace 78 °C při povolené teplotě součástky 80 °C se zdá jasný. Ale je součástka skutečně navržena tak, aby byla bezpečná? Co se stane, když se výkon ztráty, materiálové vlastnosti, objemový tok nebo přenos tepla mění v rámci jejich reálného rozptylu? Čím více virtuální modely určují vývojová rozhodnutí, tím důležitější je otázka, která dosud byla často podceňována: Jak spolehlivý je výsledek opravdu?

Aktuálnost se ukazuje také v normalizaci. V únoru 2026 NASA zveřejnila nový průvodce pro dobré praktiky modelování a simulací s názvem NASA-HDBK-7009B. Také ASME rozšiřuje své pravidla týkající se Verification, Validation and Uncertainty Quantification (VVUQ). Za tím stojí zásadní změna: Ne rozhoduje co nejpřesnější výsledek simulace, ale jeho prokázaná důvěryhodnost pro zamýšlený případ použití.

Přesné výpočty neznamenají automaticky spolehlivost

„Nejnebezpečnějším výsledkem simulace není nutně nesprávný, ale ten, který vypadá přesně a proto již není zpochybňován,“ říká Dipl.-Ing. (TU) Stefan Merkle, jednatel společnosti Merkle CAE Solutions GmbH. „Zkušenost se také projevuje v rozpoznání, které předpoklady dominují výsledku a kde se může zdánlivě komfortní bezpečnostní rezerva náhle stát kritickou.“

U vícestavových modelů získává tato otázka zvláštní význam. Nejistoty se mohou šířit přes několik fyzikálních disciplín: Odchylka výkonu ztráty například ovlivní teplotní pole, které dále ovlivňuje vlastnosti materiálu a teplotní roztažnost, a nakonec i napětí nebo deformace.

Od 78 °C k spolehlivému rozhodnutí

Pro vývojáře to znamená změnu pohledu. Místo pouhého výpočtu nominální hodnoty se systematicky variují relevantní vstupní parametry. Analýzy parametrů a citlivosti ukazují, zda například proud chladicího média, kontaktní odpor nebo výkon ztráty mají významný vliv na výsledek.

Výrok „78 °C“ se tak mění na technicky mnohem hodnotnější informaci: Za jakých podmínek daný koncept vydrží svůj limit a kdy nikoliv? Z toho mohou přímo vzniknout rozhodnutí: změnit chladicí kanál, upravit výkon čerpadel, zpřísnit tolerance, změnit materiál nebo vědomě povolit stávající design.

Více simulací vyžaduje více inženýrského know-how

Verification ověřuje, zda je matematický model řešen numericky správně. Validation zkoumá, jak dobře popisuje reálné použití. Uncertainty Quantification nakonec hodnotí, jak nejistoty vstupních parametrů a modelu ovlivňují výsledek. Právě toto rozdělení je důležité stále více, když jsou simulace čím dál více doplňovány fyzikálními experimenty.

Platí: Složitější model není automaticky lepší model. Především u spojených vícestavových simulací rozhoduje správná volba okrajových podmínek, modelů materiálů, metod spojení a rozumných zjednodušení o vypovídací hodnotě. Není důležité maximální složitost modelu, ale znalost jeho přesnosti a hranic pro konkrétní vývojové rozhodnutí.

Pro vývojové oddělení plyne z toho pragmatický přístup: Za prvé definovat rozhodnutí, které má simulace podpořit. Za druhé identifikovat relevantní nejistoty a vlivové faktory. Za třetí cíleně ověřit ty parametry, které skutečně dominují výsledku pomocí experimentů. Simulace a fyzické testy nejsou považovány za alternativy, ale za iterativní proces: měřicí data ověřují a vylepšují model; model zase ukazuje, které pokusy přinesou největší poznatky.

Právě tento soulad mezi virtuálním modelem a realitou je klíčový. V praxi společnosti Merkle CAE jsou simulační metody proto cíleně srovnávány s experimentálními daty a dále rozvíjeny. Tak vzniká z výpočetního výsledku spolehlivý základ pro rozhodování.

Protože nakonec záleží jen na jedné věci: „Je můj model validní pro přesně to rozhodnutí, které chci na jeho základě učinit?“