為了實現設計自動化的目標，我們持續開發JMAG。如今，Ver.24.0在功能獲得了長足的增進。這篇文章將介紹在Ver.24.0中新增及改善的功能特色。
現在，我們將可以在參數最佳化流程中，將控制變數設置為離散數值，從而進行馬達設計優化的結果參數，將可以直接被導入到設計方案中。舉例來說，使用僅支援連續(數值)的參數最佳化流程求得的線圈匝數或許帶有小數數值，當為符實際工況，而進位至整數時，有可能造成結果的線對線電壓超過限制值。而當使用支援離散數值的參數最佳化工具，設計變數能夠被限制為考量了絞線數量或其它因素的離散化數值。這樣結果將更能貼合真實工況，而提升了馬達設計的工作效率。
搭配轉移函數進行振動量計算將可以更快地進行系統層級的振動特性評估工作。具體而言，轉移函數縮短了振動分析的時間，並且能夠以馬達尺寸為控制變數，進行齒輪箱因馬達電磁力誘發的振動快速最小化流程。我們將能夠在早期的設計提案時就將系統層級的振動特性納入考量，避免設計流程中的重複工作。
最佳化演算法支援多重並列執行的的處理時間獲得縮短。具體來說，內部程序的演算法提升了分散式處理程序的工作效率，對1000並列執行程序來說，效率由74%提升到77%。而對2000個並列執行程序而言，則由60%提升到了66%。這提升了計算資源的使用效率，也加速了設計流程。
MPP平行運算支援direct method，即使ICCG method收斂性不足時也能夠縮短分析時間。具體來說，在大規模模型的AC Loss運算程序中，若ICCG method收斂性不足將造成運算時間過長，然而當同時啟用MPP以及direct method，計算時間將不再受ICCG method收斂性的影響，以驗証用的馬達模型而言，計算時間能從77小時縮減到2小時。如此將大幅減化分析流程並且縮短設計週期。
JMAG-RT新增加了密碼管控功能，使得用戶能以更為安全的方式分發RT模型。具體而言，JMAG-RT模型的創作者能夠設立密碼以及可使用期限，驅控器設計者在接收該模型後，則需要輸入正確密碼才能使用。如此能夠避免該模型被應用於非預期目的，或是被非預期的使用者調用，也能讓這個模型能夠更為正確而有效地被使用。
我們衷心期望您能善加利用JMAG，並取得成功。