问题
材料卡片在众多“私人”工具中生成
媒介断层
数据处理中存在大量媒介断层，显著增加了出错风险。
电子表格
曲线拟合通常在电子表格程序中完成。
数据脱离系统
数据离开信息系统的受保护环境，借助外部工具进行评估。
解决方案
EDA 中的材料模型（EDA MM）
EDA MM 通过可扩展的 Scientific Python 应用，提供数据处理、数据压缩和数据精简功能。
- 无需额外编程即可集成自定义数学函数，并用于可视化和建模
- 可视化多维数据场，例如流动曲线和 CCT 图
- 在 n 维数据场中存储和调用数据
- 对本构材料模型进行参数化
- 修改、扩展预定义材料模型（如流动曲线或相变模型）并进行参数化
- 将现有脚本和程序整合到基于 Scientific Python 的通用标准环境中
流程
从试验到材料卡片
接收试验数据
在 EDA 中汇集来自实验室的试验数据。
评估
拟合曲线并精简数据 — 透明且有完整记录。
模型参数化
对流动曲线或相变模型等材料模型进行参数化。
生成材料卡片
在受保护的环境中生成 CAE 材料卡片所需的模型。
JMatPro®
EDA for JMatPro®
JMatPro 计算可针对特定化学成分得到物理上自洽的数据集。JMatPro 通常仅由少数员工使用 — EDA 将计算结果分发给所有需要的人员。
JMatPro 数据管理
将结果分发给工程团队，通过网页浏览器访问 JMatPro 数据，并降低数据量与复杂度。
材料对比
借助交互式图表和自定义视图，查找并对比不同计算的结果。
探索性数据分析
评估 10,000 多次 JMatPro 计算，识别合金元素的影响并化解性能之间的权衡。