Hvad 1000-X hurtigere simulering betyder for digitale tvillinger

For omkring et årti siden opdagede MIT-forskere en teknik, der fremskynder fysikmodellering med 1000X. De spundet dette ud i et nyt firma, kaldet Akselos, som har hjulpet virksomheder med at flette teknologien ind i forskellige former for digitale tvillinger bruges til at forbedre shipping, raffinering og vindkraftproduktion.

En digital tvilling er en virtuel repræsentation af et objekt eller system, der strækker sig over dets livscyklus, er opdateret fra realtidsdata og bruger simulering, maskinlæring og ræsonnement til at hjælpe med beslutningstagning. Forbundne sensorer på det fysiske aktiv indsamler data, der kan kortlægges på den virtuelle model.

Den specifikke innovation forbedrer ydeevnen af ​​finite element analyse (FEA) algoritmer, som understøtter de fleste typer fysiksimuleringer. Akselos erfaring i løbet af det sidste årti kan hjælpe ledere med at udforske implikationerne af million gange forbedringer i fysiksimulering, som Nvidia nu demonstrerer takket være forbedring af hardware, skalerbarhed og nye algoritmer.

VentureBeat fangede Akselos CEO Thomas Leurent for at forklare, hvad disse bredere forbedringer kan betyde for branchen som helhed. På et højt niveau gør hurtigere simulering det lettere at sammenligne designafvejninger, hvilket fører til mere effektive produkter, reducerede omkostninger, forbedret ydeevne og bedre AI-algoritmer. Praktiske fordele har inkluderet at trimme en tredjedel af vægten af ​​vindtårne ​​og forbedre sikkerheden for oliefartøjer.

Simuleringens rolle i digital transformation

Digitale tvillinger er mere som et designmønster end en teknologi. Virksomheder samler de forskellige dele til en løsning, ligesom med at bygge en datapipeline. Forskellige PLM, byggesoftware og branchespecifikke leverandører bygger porteføljer ud for at understøtte en bredere vifte af digitale tvillinger-funktioner, herunder fysisk simulering. En hurtigere simuleringsmotor gør det muligt for virksomheder at udforske nye måder at tilføre simulering på tværs af idéer, design, indkøb, faser, det designer bedre produkter og drive digital transformation.

Akselos er en best-of-breed simuleringsplatform designet til at forbedre finite element-analyse, en afgørende komponent i mange typer fysisk stimulering. Akselos fandt ud af, hvordan man kunne fremskynde kernealgoritmerne omkring 1000 gange for omkring et årti siden. Alle de andre PLC- og CAD-leverandører udforsker måder at gøre noget lignende på.

Men hvordan omsættes en 1000-dobbelt fremskyndelse i simulering præcist til forretningsværdi, da simulering kun er en del af en større forretningsmæssig og teknisk proces? Andre virksomheder vil sandsynligvis drage fordel af Akselos' erfaringer, når de bygger deres simuleringsinfrastruktur ved hjælp af en kombination af hurtigere hardware, bedre algoritmer eller begge dele. GPU'erne er allerede 1000 gange hurtigere, end de var, da denne forskning startede, og når de kombineres med selv marginale algoritmeforbedringer, vil virksomheder lede efter måder at kreativt "spilde" simuleringscyklusser for at se gevinster på andre måder.

Akselos kunder har opdaget flere måder at omsætte hurtigere simuleringer til forretningsværdi. For eksempel opdagede Shell oil en hurtigere designproces for et specialiseret olietankskib til flere milliarder dollar, hvilket reducerede antallet af svage punkter på samme tid. Andre kunder reducerede materialet i en vindmølle med 30%.

Andre virksomheder vil sandsynligvis se lignende former for gevinster, da de genovervejer den måde, hurtigere simulering kan anvendes på deres ingeniør- og implementeringsoverdragelser til andre fysiske ting såsom fabrikker, biler, medicinsk udstyr og mere.

VentureBeat: Hvad er din overordnede holdning til nogle af de måder, hvorpå forbedringer i modellerings- og simuleringsteknikker kunne forbedre brugen af ​​digitale tvillinger?

Thomas Leurent: Digitale tvillinger til industrielle aktiver kan kun drage fordel af at bruge de maskintekniske simuleringsværktøjer, der blev brugt til at designe dem i første omgang - og de er alle baseret på finite element analyse (FEA). De strengeste standarder for drift er også afhængige af FEA for at drive kritiske aktiver som raffinaderier, skibe, olieplatforme osv. Men FEA er for langsom til at blive brugt til digitale tvillinger i driftsfasen. Derfor var der behov for en gang-i-en-generation-opgradering for at booste kernealgoritmerne for at gøre det muligt for FEA at understøtte næsten realtids-, parametriske og tilslutningsaktiverede use cases.

VentureBeat: Hvad er den store sag med reduceret basis finite element-analyse – hvad er det så meget hurtigere end traditionelle modelleringsteknikker?

Leurent: FEA er faktisk en meget gammel og ineffektiv algoritme. Den bruger masker (f.eks. millioner af trekanter eller tetraedre) til at definere en dels geometri. Det er fint. Problemet er, at FEA tildeler frihedsgrader til hver node i mesh, og det er faktisk fuldstændig overkill. FEA ender med at løse problemer i rum med millioner af dimensioner, hvilket er meget dyrt og ikke kan gøres i realtid.

RB-FEA, Akselos' banebrydende teknologi, forstår det, og den leder efter hvad Prof AT Patera på MIT kalder 'manifolden under'. Det er et underrum, meget mindre end det originale FEA-rum, og stadig meget stort nok til at garantere, at problemet opfører sig i det underrum.

Vi kalder det RB-rummet for en reduceret basis (selv at RB-underrummet er overkill, men det er 1,000 gange mindre overkill end det originale FEA-rum). Vi løser problemet i RB-underrummet, som er 1,000 gange mere effektivt, og så har vi al matematikken til at projicere tilbage i det FEA-rum, som ingeniører er vant til, og som standarder anerkender. For ingeniører er det virkelig gennemsigtigt - du får bare RB-FEA-beregninger kørende med lynets hastighed, da de plejede at være langsomme med FEA. I praksis betyder alt dette, at FEA er velegnet til at køre simuleringer på det mekaniske delniveau, men det rammer en mur ud over det. RB-FEA kan køre fuld nøjagtighedssimuleringer på systemniveau og ned til det mekaniske delniveau uden behov for undermodeller. Det er en markant forbedret arbejdsgang.

VentureBeat: Hvor ser simuleringsudbydere den største nye udbredelse i 2021 af simuleringsteknologi til digitale tvillinger, specifikt i hvilke industrier og hvilke typer produkter, og hvorfor?

Leurent: De to industrier, vi ser, genererer den stærkeste tiltrækning, omfatter havvind og olie og gas. Der er en enorm vækst inden for havvind, med over 95 % af kapaciteten, der endnu ikke er bygget for at opfylde IEA 2050-net-nul-målene. Der er betydelig efterspørgsel efter teknologi, der kan mindske risikoen for både design og drift af havvindkonstruktioner. Kraftig ingeniørsimulering ved hjælp af digitale tvillinger giver udviklere og operatører mulighed for at analysere tusindvis af "hvad-hvis"-scenarier i et sikkert miljø.

Inden for design har vi vist, at vi kan muliggøre op til 30 % capex besparelser på fundamentet gennem avanceret optimering med vores partner Lamprell, og der er mere potentiale. I drift er vi den eneste teknologileverandør, der er i stand til at analysere den strukturelle sundhed ned til kvadratcentimeter-niveau. Denne operationelle digitale tvilling er et absolut gennembrud for operatører, da det giver handlingsdygtig intelligens om, hvor ofte de skal inspicere hvilke dele af strukturen.

Energiomstillingen får store olie- og gasstore til at revurdere større investeringsbeslutninger og driver et skub i retning af at finde måder at få mere ud af eksisterende aktiver. Det kræver, at man sætter strukturelle digitale tvillinger i et operationelt miljø. De meget detaljerede modeller, som avanceret ingeniørsimulering bringer, muliggør en sikker og effektiv måde at forstå aktivets/udstyrets adfærd og forlænge dets levetid.

VentureBeat: Hvad er nogle af de slags use cases, hvor du har set betydelige fordele sammenlignet med traditionelle modellerings- og simuleringstilgange?

Leurent: Vi har komprimeret, hvad der plejede at være en seks måneder lang arbejdsgang til at analysere Shells flydende produktionsopbevarings- og lossetankbåde (FPSO), til mindre end 48 timer, mens vi øgede nøjagtigheden med 10x.

Andre eksempler på use cases omfatter selvevaluering af strukturelle skader under flyvning af en drone eller et fly. Og så selvfølgelig fralandsvind. Denne teknologi vil hjælpe med at reducere omkostningerne ved havvind enormt. Især flydende havvind, som udgør en af ​​de største kilder til vedvarende energi på Jorden, en gang ulåst.

VentureBeat: Kan du guide os gennem, hvordan denne slags fordele viser sig i praksis – for eksempel, hvordan udmønter et fremskridt i 1000X modelleringsydeevne sig til praktiske fordele, såsom at reducere mængden af ​​materiale i en vindmølleplatform og dens samlede omkostninger?

Leurent: RB-FEA har resulteret i, at nogle af de allerstørste (og mest komplekse) aktiver på planeten, såsom Shells flydende Bonga produktions-, opbevarings- og lossefartøj, har en digital tvilling, der er baseret på fysikken (der står for variabler som skrogtræthed) , tankbelastning, bølger) og kompatibel med standarder. Dette gav en pris for prisen for bedste papir ved Offshore Technology Conference 2021. Og Akselos' produktlinje understøtter beskyttelsen af ​​7 mia. USD (pr. år) af olieækvivalentproduktion.

En digital tvilling med RB-FEA 30 % reduktion i inspektionsomkostninger på en FPSO, men endnu vigtigere, se det rigtige sted på et kæmpe aktiv og opdage defekter tidligt for at undgå store problemer. På Bonga FPSO har fordelen ved øget nøjagtighed ført til, at 15,000 top-tier træthedslokationer er blevet reduceret til 230 ægte træthedshotspots på de mest kritiske steder. Det er af enorm værdi for operatøren, da de nu har brugbar information til at drive inspektions- og vedligeholdelsesaktiviteter, hvor det betyder mest.

Fordelene ved havvind har lige meget, hvis ikke mere, potentiale. For eksempel har vi på designsiden arbejdet sammen med Lamprell om at reducere mængden af ​​stål i havvindfundamenter med op til 30 %. Dette har ikke kun direkte fordele gennem lavere materialeomkostninger, men der er også meget betydelige afsmitningseffekter, når man tænker på mængden af ​​svejsning, der er nødvendig for at sætte fundamentet sammen samt transport.

Når et optimeret design bringes til live inden for driften, og altafgørende for vindmølleparker, er virkningen en 1000x hastighed. Det betyder, at en operatør kan træffe informerede beslutninger om, hvornår der skal udføres vedligeholdelse, og hvordan man justerer møllens driftsvindue for at undgå fundamentsfejl, hvis den næste vedligeholdelsesmulighed er lidt tid væk.

Fordelene forstærkes yderligere for flydende havvind, hvor fundamentet og vindmøllen har mere dynamisk belastning. Disse typer gevinster vil være afgørende for at sænke de udjævnede energiomkostninger (LCOE), den drivende skala i den flydende vind. For at verden kan opfylde IEA-køreplanen, er den slags gevinster en absolut nødvendighed.

VentureBeat: Hvordan forventer du, at brugen og mulighederne for bedre simuleringsteknikker som RB-FEA og relaterede tilgange vil udvikle sig i den nærmeste fremtid, især når det drejer sig om at forbedre digitale tvillingerelaterede arbejdsgange?

Leurent: At forstå et aktivs strukturelle integritet i realtid er en game-changer for:

• Optimal drift
• Livsforlængelse af aktiver
• In-operation design (design af næste generation af aktiver baseret på data genereret fra den digitale tvilling)

I dag er Akselos digitale tvillinger indsat på aktiver til en værdi af milliarder af dollars globalt. Dette krydser komplekse (og i de fleste tilfælde aldrende), gamle olie- og gasaktiver til banebrydende demonstratorprototyper i den svævende vind.

Vi arbejder på at gøre softwaren stadig mere i realtid, i nogle tilfælde fortolker vores fysikbaserede digitale tvillinger nye data hvert sekund. Denne hastighed gør det også muligt at kombinere AI/ML med fysikbaserede simuleringer, en game-changer med stort potentiale. Det er det, der vandt os AIAA-prisen for bedste papir 2020 for multidisciplinær designoptimering. Her giver RB-FEA et meget rigere, billigere og mere præcist datasæt.

Holdet arbejder også på at fange mere og mere fysik (multi-fysik og ikke-lineær for eksempel). Og vi arbejder på meget kraftfulde funktioner i RB-FEA for optimalt design, herunder muligheden for at omkonstruere et helt vindmøllesystem baseret på materialeopgraderinger eller nye designideer inden for få uger.

VentureBeat: Hvad er dine vigtigste takeaways for andre virksomheder, der måske udforsker måder at drage fordel af simuleringsforbedringer takket være industritrends generelt? 

Leurent: Det nok vigtigste er at presse fantasien til, hvad der er muligt. I en stadig mere sensoriseret og robotiseret verden bliver simuleringsteknologi et stadig mere kraftfuldt værktøj til at skabe konkurrencefordele. For eksempel kunne vi begynde at drive og optimere vindmølleparker på turbine-by-turbine basis. Data fra inspektionsdroner og sensorer på møllerne kan hjælpe med at lave sundhedsvurderinger af hver mølle og gøre det muligt for operatører at træffe informerede beslutninger om, hvor hårdt de skal køre hver mølle afhængigt af strømprisen (ingen mening at køre en mølle ved høj hastighed, hvis det koster mere 'livsforbrug' end den indtægt, det genererer).

Inden for downstream olie og gas laver vi næsten realtidsanalyser for at hjælpe vores kunder med at barbere tid væk fra den kritiske vej og øge oppetiden, og uden simuleringsteknologi ville dette ikke være muligt.

I sidste ende, hvis du er en aktivejer, tror jeg, det vil være nøglen at overveje, hvordan forskellige datakilder og værktøjer kan kombineres med simuleringsteknologi at skabe bedre forretningsresultater. Dette har de ikke haft i tankerne, fordi simuleringskraften ikke var kraftig nok til brug i næsten real-time driftsindstillinger, men det har nu ændret sig dramatisk.

Kilde: https://venturebeat.com/2022/01/05/what-1000-x-faster-simulation-means-for-digital-twins/