Fanebladet “Inputs”

I dette faneblad opretter brugeren de designparametre (inputs), som skal varieres med Monte Carlo metoden. For hvert input beskrives dennes variation med en fordelingsfunktion, eksempelvis en “normalfordeling” eller en “uniform, kontinuert” fordeling. De angivne designparametre kan kobles direkte til forskellige beregningskerner, f.eks. Be18 eller den indbyggede Glas-Gulv-% beregner, GG%. Derved skabes links til de værdier/inputs i beregningskernerne, der skal overskrives under Monte Carlo simuleringerne.

Udover headeren med knapper indeholder fanebladet en tabel med fire adskilte områder

  1. Parameterbeskrivelse: Indholder unikt ID, tilvalg/fravalg og navn
  2. Fordeling: Angiv designparametrenes variationer
  3. Beregningskerne: Opret links imellem parameteren og udvalgte værdier/inputs i de ønskede beregningskerne
  4. Bemærk: Område til meddelelser om fejl under validering

Tabelområde 1: Parameterbeskrivelse

Hvert variabelt input og output, herunder de “afledte” f(inputs) og f(outputs), får et specifikt ID, som repræsenterer denne variabel. ID’et har således et unikt løbenummer, f.eks. #001. Kolonnen “Inkl.” bruges til at angive, hvorvidt den beskrevne variable skal inkluderes i Monte Carlo analysen. Hver variabel skal beskrives med et retvisende navn.

Hint til “Inkl.” kolonnen: Baseret på følsomhedsanalysen kan man fravælge de mindst betydende inputs ved at sætte dem lig 0. På et senere tidspunkt i designfasen kan så vælge at inkludere denne variabel igen. Alternativt kan man gemme hyppige benyttede inputs til senere brug og så blot fravælge dem i den aktuelle analyse.

Tabelområde 2: Fordeling til beskrivelse af variation/usikkerhed

Variationen af hvert variabelt input beskrives med teoretisk fordeling, som kan være enten kontinuert eller diskret. Fordelingen bruges til at beskrive den variation (eller usikkerhed) som det aktuelle input skal repræsentere i Monte Carlo beregningerne. Fordelingen beskrives og vurderes i følgende kolonner:

  • Fordeling
    • Typen af fordeling vælges fra en dropdown-liste.
  • a, b, c og d
    • Fordelingen beskrives med parametrene a, b, c og d (se nedenfor).
  • min, maks
    • Efter at have trykket på “valideringsknappen” (fluebenet i headeren) viser kolonnerne “min” og “maks” henholdsvis minimum- og maksimumværdierne, der kan udtages fra den angivne fordeling. Disse grænser sammenholdes de værdier, som er tilladte i den valgte beregningskerne (Be18 eller GG%). F.eks. skal U-værdier angives som tal imellem 0 og 8 W/m²K.
  • antal
    • Efter at have trykket på “valideringsknappen” oplyses hvor man diskrete værdier, som variablen kan antage. Ved kontinuerte fordelinger vil dette være uendeligt, hvorfor disse ikke kan anvendes til faktoriel sampling.

Uniform, kontinuert

Denne fordeling beskriver en kontinuert variabel, der kan antage en vilkårlig værdi indenfor et afgrænset (min-maks) område med jævn sandsynlighed.

  • a beskriver minimumværdien – i dette tilfælde 0,14 W/m² K
  • b beskriver maksimumværdien – i dette tilfælde 0,20 W/m² K

Diskret

Denne fordeling til at beskrive en variabel, som kan antage specifikke værdier, som ikke nødvendigvis er ligeligt adskilt. Vægtningen er ens for alle værdier, dvs. der er lige så stor sandsynlighed for at sample hver værdi.

  • a beskriver de specifikke værdier, adskilte af semikolon, som variablen kan antage – i dette tilfælde 0,1, 0,2 og 0,25 W/m²

Diskrete i trin

Samme som fordeling “Diskret” blot med den forskel af de diskrete værdi er adskilt med samme afstand eller “spring”.

  • a beskriver minimumværdien – i dette tilfælde 0,14 W/m² K
  • b beskriver maksimumværdien – i dette tilfælde 0,20 W/m² K
  • c beskriver “springet” imellem de diskrete værdier – i dette tilfælde 0,02 W/m² K

I ovenstående tilfælde kan variablen “U-værdi, ydervæg” få værdierne 0,14, 0,15, 0,16, 0,17, 0,18, 0,19 og 0,20 W/m² K.

Normalfordeling (Gauss)

Denne fordeling bruges typisk ved usikkerhedsanalyser og beskriver en variabel, hvis variation/usikkerhed følger en normalfordeling. I dette eksempel angives et opvarmningssætpunkt, som har en middelværdi på 22 °C og en standardafvigelse på 1,5 °C. For at undgå ekstreme prøvetagninger (f.eks. -5 °C og 40 °C) kan man afgrænse/trunkere fordelingen ved at angive minimum- og maksimumværdier.

  • a beskriver middelværdien – i dette tilfælde 22 °C
  • b beskriver standardafvigelsen – i dette tilfælde 1,5 °C
  • c den trunkerede minimumværdi – i dette tilfælde 19 °C
  • d den trunkerede maksimumværdi – i dette tilfælde 26 °C

Trekantsfordeling

Trekantsfordelingen kan bruges, når man gerne “sample” et spænd, hvor sandsynligheden i “enderne” går mod nul (link til wikipedia). Det kunne f.eks. være vinduesprocenten, hvor man helst vil beregne flest kombinationer omkring en specifik værdi, f.eks. referenceværdien (her 50%), men samtidigt medtage værdier helt ned til 40% og op til 60%.

  • a beskriver minimumværdien – i dette tilfælde 40%
  • b beskriver maksimumværdien – i dette tilfælde 60%
  • c beskriver værdien, hvor trekantfordelingen har sit toppunkt (mest sandsynlige værdi) – i dette tilfælde 50%

Tabelområde 3: Link til beregningskerne

I tabelområdet for beregningskerne laves referencer til de værdier i Be18 og GG%, som skal overskrives igennem Monte Carlo beregningerne.

  • Kerne angiver den beregningskerne som variablen skal påvirke/ændre. Hvis man ikke angiver noget her, vil den variable parameter ikke påvirke Monte Carlo beregningerne, medmindre man anvender variablen under f(Inputs). Dette vil f.eks. være tilfældet, hvis man ønsker at ændre i samlet vindue-facade-%, som er en slags “metaparameter”, som ikke figurerer i Be18. Man skal derimod anvende denne “metaparameter” i f(Inputs) fanebladet og omregne variablen til ændringer i vindues- og facadestørrelse.
  • Links bruges til at lave den præcise reference til den eller de værdier, som skal overskrives.