Structural ribs are widely used to strengthen structures. To lighten the product and increase rigidity, it is important to efficiently place ribs, but in the industry, it is often determined by the empirical judgment of engineers. In this study, we propose an Alternate Multi-Objective Bayesian Optimization framework for structural rib layout optimization. Multi-Objective Bayesian Optimization, an extended framework in Bayesian optimization, is not suitable for dealing with high-dimensional areas due to large computational costs and memory problems depending on the number of training data. The proposed Alternate Multi-Objective Bayesian Optimization framework divides the input parameters into several low-dimensional areas and then optimizes each low-dimensional area alternately. The framework was applied to strengthen the tailgate of the Sport Utility Vehicle (SUV) with structural ribs using simulation data obtained from the Abaqus FEM software. It was confirmed that the optimal structural rib layout parameters simultaneously minimize mass and displacements. It will be useful in the industry because it chooses the optimum design depending on the dataset without human intuition with only a small number of data.
리브는 구조를 강화할 때 폭넓게 사용된다. 제품을 가볍게 하면서 강성을 높이기 위해서는 리브를 효율적으로 배치하는 것이 중요하나 산업계에서는 공학자의 경험적인 판단에 의해 결정되는 경우가 빈번하다. 본 연구에서는 리브 배치 최적화를 위한 교대 다목적 베이지안 최적화 방법을 제안했다. 다목적 베이지안 최적화는 베이지안 최적화에서 출력 차원을 확장한 방법으로 훈련 데이터의 수에 따라 계산비용과 메모리가 큰 문제가 발생해서 고차원 영역을 다루는데 적합하지 않다. 제안한 교대 다목적 베이지안 최적화 방법은 입력 파라미터들을 여러 개의 저차원영역으로 나눈 뒤 각 저차원영역을 번갈아 다목적 베이지안 최적화를 진행한다. 해당 방법은 Abaqus FEM sofrware로부터 얻은 시뮬레이션 데이터를 이용해서 SUV 차량의 tailgate를 리브로 강화하는데 적용해보았다. 최적 리브 배치 파라미터에서 질량과 변위를 동시에 최소화하는 것을 확인했다. 적은 데이터 수만으로도 인간의 직관 없이 데이터에 기반해서 최적 디자인을 선택하기 때문에 산업계에서 유용할 것이다.
