Apa arti simulasi 1000-X lebih cepat untuk kembar digital

Sekitar satu dekade lalu, peneliti MIT menemukan teknik yang mempercepat pemodelan fisika hingga 1000X lipat. Mereka mengembangkannya menjadi sebuah perusahaan baru, bernama Akselos, yang telah membantu perusahaan-perusahaan untuk menggabungkan teknologi ke dalam berbagai jenis produk. kembar digital digunakan untuk meningkatkan pengiriman, pemurnian, dan pembangkit listrik tenaga angin.

Kembaran digital adalah representasi virtual dari suatu objek atau sistem yang mencakup siklus hidupnya, diperbarui dari data waktu nyata, dan menggunakan simulasi, pembelajaran mesin, dan penalaran untuk membantu pengambilan keputusan. Sensor yang terhubung pada aset fisik mengumpulkan data yang dapat dipetakan ke model virtual.

Inovasi spesifik ini meningkatkan kinerja algoritma analisis elemen hingga (FEA) yang mendukung sebagian besar jenis simulasi fisika. Pengalaman Akselo selama dekade terakhir dapat membantu para eksekutif mengeksplorasi implikasi dari hal ini perbaikan jutaan kali lipat dalam simulasi fisika yang kini ditunjukkan Nvidia berkat peningkatan perangkat keras, skalabilitas, dan algoritma baru.

VentureBeat bertemu dengan CEO Akselos Thomas Leurent untuk menjelaskan apa arti peningkatan yang lebih luas ini bagi industri secara keseluruhan. Pada tingkat tinggi, simulasi yang lebih cepat memudahkan untuk membandingkan pengorbanan desain yang menghasilkan produk yang lebih efisien, pengurangan biaya, peningkatan kinerja, dan algoritma AI yang lebih baik. Manfaat praktisnya termasuk memangkas sepertiga berat menara angin dan meningkatkan keselamatan kapal minyak.

Peran simulasi dalam transformasi digital

Kembar digital lebih mirip pola desain daripada teknologi. Perusahaan merakit berbagai bagian menjadi sebuah solusi, seperti halnya membangun saluran data. Berbagai PLM, perangkat lunak konstruksi, dan vendor khusus industri sedang membangun portofolio untuk mendukung kemampuan digital twins yang lebih luas termasuk simulasi fisik. Mesin simulasi yang lebih cepat memungkinkan perusahaan mengeksplorasi cara-cara baru untuk memasukkan simulasi ke dalam ide, desain, pengadaan, fase merancang produk yang lebih baik, dan mendorong transformasi digital.

Akselos adalah platform simulasi terbaik yang dirancang untuk meningkatkan analisis elemen hingga, komponen penting dari banyak jenis stimulasi fisik. Akselos menemukan cara mempercepat algoritma inti sekitar 1000 kali lipat sekitar satu dekade lalu. Semua vendor PLC dan CAD lainnya sedang mencari cara untuk melakukan hal serupa.

Namun bagaimana tepatnya percepatan 1000 kali lipat dalam simulasi diterjemahkan menjadi nilai bisnis, karena simulasi hanyalah salah satu bagian dari proses bisnis dan teknis yang lebih besar? Perusahaan lain kemungkinan besar akan memanfaatkan pengalaman Akselos saat mereka membangun infrastruktur simulasi menggunakan kombinasi perangkat keras yang lebih cepat, algoritme yang lebih baik, atau keduanya. GPU sudah 1000 kali lebih cepat dibandingkan saat penelitian ini dimulai, dan ketika dikombinasikan dengan peningkatan algoritma yang kecil sekalipun, perusahaan akan mencari cara untuk secara kreatif “membuang” siklus simulasi untuk melihat keuntungan dengan cara lain.

Pelanggan Akselos telah menemukan beberapa cara untuk menerjemahkan simulasi yang lebih cepat menjadi nilai bisnis. Misalnya, Shell Oil menemukan proses desain yang lebih cepat untuk kapal tanker minyak khusus bernilai miliaran dolar, yang pada saat yang sama mengurangi jumlah titik lemah. Pelanggan lain mengurangi material dalam turbin angin sebesar 30%.

Perusahaan lain kemungkinan akan memperoleh keuntungan serupa karena mereka memikirkan kembali cara agar simulasi yang lebih cepat dapat diterapkan pada teknik dan penerapan serah terima untuk hal-hal fisik lainnya seperti pabrik, mobil, peralatan medis, dan banyak lagi.

VentureBeat: Apa pendapat Anda secara keseluruhan tentang peningkatan teknik pemodelan dan simulasi yang dapat meningkatkan penggunaan digital twins?

Thomas Leurent: Kembar digital untuk aset industri hanya dapat memperoleh manfaat dari penggunaan alat simulasi teknik mesin yang digunakan untuk merancangnya — dan semuanya didasarkan pada analisis elemen hingga (FEA). Standar operasional yang paling ketat juga mengandalkan FEA untuk mengoperasikan aset penting seperti kilang, kapal, anjungan minyak, dll. Namun FEA terlalu lambat untuk digunakan pada digital twins dalam fase operasional. Oleh karena itu, peningkatan sekali dalam satu generasi diperlukan untuk meningkatkan algoritme inti, agar FEA dapat mendukung kasus penggunaan yang hampir real-time, parametrik, dan mendukung konektivitas.

VentureBeat: Apa pentingnya analisis elemen hingga basis tereduksi – apa yang jauh lebih cepat dibandingkan teknik pemodelan tradisional?

Leurent: FEA sebenarnya adalah algoritma yang sangat tua dan tidak efisien. Ia menggunakan jerat (misalnya, jutaan segitiga atau tetrahedra) untuk menentukan geometri suatu bagian. Tidak apa-apa. Masalahnya adalah FEA memberikan derajat kebebasan pada setiap node dalam mesh, dan hal ini sebenarnya berlebihan. FEA akhirnya menyelesaikan permasalahan di ruang dengan jutaan dimensi, yang sangat mahal dan tidak dapat dilakukan secara real-time.

RB-FEA, teknologi pionir Akselos, memahami hal tersebut dan mencari penyebabnya Prof A.T. Patera di MIT menyebut 'berbagai macam di bawah'. Itu adalah subruang, jauh lebih kecil dari ruang FEA asli, dan masih cukup besar untuk menjamin bahwa masalah terjadi di subruang tersebut.

Kami menyebutnya ruang RB, dengan basis yang lebih rendah (bahkan subruang RB tersebut berlebihan, namun 1,000x lebih sedikit dibandingkan ruang FEA asli). Kami memecahkan masalah di subruang RB, yang 1,000x lebih efisien, dan kemudian kami memiliki semua perhitungan matematika untuk diproyeksikan kembali ke ruang FEA yang biasa digunakan oleh para insinyur dan yang diakui oleh standar. Bagi para insinyur, hal ini sangat transparan — Anda bisa menjalankan komputasi RB-FEA secepat kilat padahal biasanya lambat dengan FEA. Dalam praktiknya, semua ini berarti bahwa FEA cocok untuk menjalankan simulasi pada tingkat bagian mekanis, tetapi FEA menghadapi hambatan lebih dari itu. RB-FEA dapat menjalankan simulasi akurasi penuh pada tingkat sistem dan hingga tingkat bagian mekanis, tanpa memerlukan sub-model. Itu adalah alur kerja yang jauh lebih baik.

VentureBeat: Di mana penyedia simulasi melihat serapan baru terbesar pada tahun 2021 terhadap teknologi simulasi digital twins, khususnya di industri apa dan jenis produk apa, dan mengapa?

Leurent: Dua industri yang kami lihat menghasilkan tarikan terkuat adalah pembangkit listrik tenaga angin lepas pantai serta minyak dan gas. Terdapat pertumbuhan yang sangat besar dalam pembangkit listrik tenaga angin lepas pantai dengan lebih dari 95% kapasitasnya belum dibangun untuk memenuhi target net-zero IEA 2050. Terdapat permintaan yang signifikan terhadap teknologi yang dapat mengurangi risiko baik pada desain maupun pengoperasian struktur pembangkit listrik tenaga angin lepas pantai. Simulasi teknik yang canggih menggunakan digital twins memungkinkan pengembang dan operator menganalisis ribuan skenario 'bagaimana-jika' dalam lingkungan yang aman.

Secara desain, kami telah menunjukkan bahwa kami dapat menghemat belanja modal hingga 30% pada fondasi melalui optimalisasi tingkat lanjut dengan mitra kami Lamprell, dan masih ada potensi yang lebih besar. Dalam operasionalnya, kami adalah satu-satunya penyedia teknologi yang mampu menganalisis kesehatan struktural hingga ke tingkat cm persegi. Kembaran digital operasional ini merupakan terobosan mutlak bagi operator, karena memberikan intelijen yang dapat ditindaklanjuti tentang seberapa sering mereka harus memeriksa bagian mana dari struktur.

Transisi energi membuat perusahaan-perusahaan minyak dan gas mengevaluasi kembali keputusan-keputusan investasi besar mereka dan mendorong mereka untuk mencari cara untuk memaksimalkan aset-aset mereka. Hal ini memerlukan pertaruhan kembar digital struktural dalam lingkungan operasional. Model yang sangat detail yang dihasilkan oleh simulasi teknik tingkat lanjut, memungkinkan cara yang aman dan efisien untuk memahami perilaku aset/peralatan dan memperpanjang umurnya.

VentureBeat: Jenis kasus penggunaan apa saja yang Anda lihat manfaatnya signifikan dibandingkan dengan pendekatan pemodelan dan simulasi tradisional?

Leurent: Kami telah mempersingkat alur kerja enam bulan untuk menganalisis kapal tanker penyimpanan dan pembongkaran produksi terapung (FPSO) milik Shell, menjadi kurang dari 48 jam, sekaligus meningkatkan akurasi sebesar 10x.

Contoh kasus penggunaan lainnya mencakup penilaian mandiri terhadap kerusakan struktural dalam penerbangan oleh drone atau pesawat terbang. Dan tentu saja angin lepas pantai. Teknologi ini akan sangat membantu mengurangi biaya pembangkit listrik tenaga angin lepas pantai. Khususnya energi angin lepas pantai yang merupakan salah satu sumber energi terbarukan terbesar di Bumi, setelah terbuka.

VentureBeat: Bisakah Anda menjelaskan kepada kami bagaimana manfaat semacam ini muncul dalam praktiknya – misalnya, bagaimana kemajuan kinerja pemodelan 1000X diterjemahkan menjadi manfaat praktis, seperti mengurangi jumlah material dalam platform turbin angin dan biaya keseluruhannya?

Leurent: RB-FEA telah menghasilkan beberapa aset terbesar (dan paling kompleks) di planet ini, seperti kapal produksi, penyimpanan, dan bongkar muat terapung milik Shell, Bonga, yang memiliki kembaran digital yang didasarkan pada fisika (dengan mempertimbangkan variabel seperti kelelahan lambung kapal). , pemuatan tangki, gelombang) dan sesuai dengan standar. Hal ini menghasilkan penghargaan kertas terbaik di Offshore Technology Conference 2021. Dan lini produk Akselos mendukung perlindungan produksi setara minyak senilai $7 miliar (per tahun).

Kembaran digital dengan RB-FEA pengurangan biaya inspeksi sebesar 30% pada FPSO, namun yang lebih penting, mencari aset besar di tempat yang tepat dan mendeteksi kerusakan sejak dini untuk menghindari masalah besar. Pada FPSO Bonga, manfaat peningkatan akurasi telah mengurangi 15,000 lokasi kelelahan tingkat atas menjadi 230 titik kelelahan sebenarnya di lokasi paling kritis. Hal ini sangat bermanfaat bagi operator, karena mereka kini memiliki informasi yang dapat ditindaklanjuti untuk mendorong aktivitas inspeksi dan pemeliharaan ke tempat yang paling penting.

Manfaat angin lepas pantai memiliki potensi yang sama, atau bahkan lebih besar. Misalnya, dalam hal desain, kami telah bekerja sama dengan Lamprell untuk mengurangi jumlah baja pada pondasi angin lepas pantai hingga 30%. Hal ini tidak hanya memberikan keuntungan langsung melalui biaya material yang lebih rendah, namun terdapat juga dampak yang sangat signifikan jika Anda mempertimbangkan jumlah pengelasan yang diperlukan untuk menyatukan fondasi serta transportasi.

Ketika desain yang dioptimalkan diwujudkan dalam operasi, dan yang terpenting untuk pembangkit listrik tenaga angin, dampaknya akan meningkat 1000x lipat. Hal ini berarti operator dapat membuat keputusan yang tepat mengenai kapan harus melakukan pemeliharaan, dan bagaimana menyesuaikan jendela pengoperasian turbin untuk menghindari kegagalan pondasi jika peluang pemeliharaan berikutnya masih lama.

Manfaatnya semakin besar untuk angin terapung lepas pantai, dimana pondasi dan turbin mempunyai pembebanan yang lebih dinamis. Keuntungan seperti itu sangat penting untuk menurunkan Levelized Cost of Energy (LCOE), yang merupakan skala pendorong angin terapung. Agar dunia bisa memenuhi peta jalan IEA, kemajuan seperti itu merupakan kebutuhan mutlak.

VentureBeat: Bagaimana menurut Anda penggunaan dan kemampuan teknik simulasi yang lebih baik seperti RB-FEA dan pendekatan terkait akan berkembang dalam waktu dekat, terutama yang berkaitan dengan peningkatan alur kerja terkait digital twin?

Leurent: Memahami integritas struktural suatu aset secara real-time adalah pengubah permainan untuk:

• Operasi yang optimal
• Perpanjangan umur aset
• Desain dalam operasi (merancang aset generasi berikutnya berdasarkan data yang dihasilkan dari kembaran digital)

Saat ini, digital twins Akselos diterapkan pada aset bernilai miliaran dolar, secara global. Hal ini melintasi aset minyak dan gas warisan yang kompleks (dan dalam banyak kasus menua), hingga prototipe demonstran mutakhir di bidang angin terapung.

Kami berupaya menjadikan perangkat lunak ini lebih real-time, dalam beberapa kasus, digital twins kami yang berbasis fisika menafsirkan data baru setiap detik. Kecepatan tersebut juga memungkinkan penggabungan AI/ML dengan simulasi berbasis fisika, sebuah terobosan dengan potensi besar. Hal itulah yang membuat kami memenangkan penghargaan makalah terbaik AIAA tahun 2020 untuk pengoptimalan desain multidisiplin. Di sini RB-FEA memberikan kumpulan data yang lebih kaya, lebih murah, dan lebih akurat.

Tim ini juga berupaya menangkap lebih banyak fisika (misalnya multi-fisika dan nonlinier). Dan kami sedang mengerjakan fitur-fitur RB-FEA yang sangat canggih untuk desain yang optimal, termasuk kemungkinan untuk merekayasa ulang seluruh sistem turbin angin berdasarkan peningkatan material, atau ide desain baru dalam beberapa minggu.

VentureBeat: Apa pendapat utama Anda untuk perusahaan lain yang mungkin mencari cara untuk memanfaatkan peningkatan simulasi berkat tren industri secara umum? 

Leurent: Mungkin satu-satunya hal yang paling penting adalah mendorong imajinasi tentang apa yang mungkin terjadi. Di dunia yang semakin tersensor dan terrobotisasi, teknologi simulasi menjadi alat yang semakin ampuh untuk menghasilkan keunggulan kompetitif. Misalnya, kita dapat mulai menjalankan dan mengoptimalkan pembangkit listrik tenaga angin berdasarkan turbin demi turbin. Data dari drone inspeksi dan sensor pada turbin dapat membantu melakukan penilaian kesehatan setiap turbin dan memungkinkan operator mengambil keputusan berdasarkan informasi mengenai seberapa keras mereka harus menjalankan setiap turbin tergantung pada harga listrik (tidak ada gunanya menjalankan turbin dengan kecepatan tinggi jika memerlukan biaya). lebih banyak 'konsumsi hidup' daripada pendapatan yang dihasilkannya).

Di bidang hilir minyak dan gas, kami melakukan analisis hampir real-time untuk membantu pelanggan kami menghemat waktu di jalur kritis dan meningkatkan waktu kerja, dan tanpa teknologi simulasi, hal ini tidak akan mungkin terjadi.

Pada akhirnya, jika Anda adalah pemilik aset, saya pikir penting untuk mempertimbangkan bagaimana sumber data dan alat yang berbeda dapat digabungkan teknologi simulasi untuk mendorong hasil bisnis yang lebih baik. Hal ini tidak terpikirkan oleh mereka karena daya simulasi tidak cukup kuat untuk digunakan dalam pengaturan operasional hampir real-time, namun hal tersebut kini telah berubah secara dramatis.

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