Hva 1000-X raskere simulering betyr for digitale tvillinger

For omtrent et tiår siden oppdaget MIT-forskere en teknikk som øker hastigheten på fysikkmodellering med 1000X. De spunnet dette ut til et nytt selskap, kalt Akselos, som har hjulpet bedrifter med å flette teknologien inn i ulike typer digitale tvillinger brukes til å forbedre skipsfart, raffinering og vindkraftproduksjon.

En digital tvilling er en virtuell representasjon av et objekt eller system som strekker seg over livssyklusen, oppdateres fra sanntidsdata og bruker simulering, maskinlæring og resonnement for å hjelpe beslutningstaking. Tilkoblede sensorer på den fysiske ressursen samler inn data som kan kartlegges på den virtuelle modellen.

Den spesifikke innovasjonen forbedrer ytelsen til finite element analyse (FEA) algoritmer som underbygger de fleste typer fysikksimuleringer. Akselos erfaring det siste tiåret kan hjelpe ledere med å utforske implikasjonene av dette millioner ganger forbedringer i fysikksimulering som Nvidia nå demonstrerer takket være forbedring i maskinvare, skalerbarhet og nye algoritmer.

VentureBeat tok kontakt med Akselos-sjef Thomas Leurent for å forklare hva disse bredere forbedringene kan bety for bransjen som helhet. På et høyt nivå gjør raskere simulering det lettere å sammenligne designavveininger som fører til mer effektive produkter, reduserte kostnader, forbedret ytelse og bedre AI-algoritmer. Praktiske fordeler har inkludert trimming av en tredjedel av vekten til vindtårn og forbedring av sikkerheten til oljefartøyer.

Simuleringens rolle i digital transformasjon

Digitale tvillinger er mer som et designmønster enn en teknologi. Bedrifter setter sammen de ulike delene til en løsning, akkurat som med å bygge en datapipeline. Ulike PLM, konstruksjonsprogramvare og bransjespesifikke leverandører bygger ut porteføljer for å støtte et bredere spekter av digitale tvillinger, inkludert fysisk simulering. En raskere simuleringsmotor gjør det mulig for bedrifter å utforske nye måter å tilføre simulering på tvers av ideer, design, anskaffelser, fasene det utformer bedre produkter og drive digital transformasjon.

Akselos er en best-of-breed simuleringsplattform designet for å forbedre finite element-analyse, en avgjørende komponent i mange typer fysisk stimulering. Akselos fant ut hvordan kjernealgoritmene kunne øke hastigheten rundt 1000 ganger for omtrent et tiår siden. Alle de andre PLS- og CAD-leverandørene utforsker måter å gjøre noe lignende på.

Men hvordan kan en 1000 gangers hastighetsøkning i simulering omsettes til forretningsverdi, siden simulering bare er en del av en større forretnings- og teknisk prosess? Andre selskaper vil sannsynligvis dra nytte av Akselos sine erfaringer når de bygger ut simuleringsinfrastrukturen ved hjelp av en kombinasjon av raskere maskinvare, bedre algoritmer eller begge deler. GPU-ene er allerede 1000 ganger raskere enn de var da denne forskningen startet, og kombinert med til og med marginale algoritmeforbedringer vil selskaper lete etter måter å kreativt "kaste bort" simuleringssykluser for å se gevinster på andre måter.

Akselos-kunder har oppdaget flere måter å omsette raskere simuleringer til forretningsverdi. For eksempel oppdaget Shell-olje en raskere designprosess for en spesialisert oljetanker på flere milliarder dollar, som reduserte antallet svake punkter på samme tid. Andre kunder reduserte materialet i en vindturbin med 30 %.

Andre selskaper vil sannsynligvis se lignende typer gevinster når de revurderer måten raskere simulering kan brukes på deres ingeniør- og distribusjonsoverleveringer for andre fysiske ting som fabrikker, biler, medisinsk utstyr og mer.

VentureBeat: Hva er ditt generelle syn på noen av måtene forbedringer i modellerings- og simuleringsteknikker kan forbedre bruken av digitale tvillinger på?

Thomas Leurent: Digitale tvillinger for industrielle eiendeler kan bare dra nytte av å bruke simuleringsverktøyene for maskinteknikk som ble brukt til å designe dem i utgangspunktet - og de er alle basert på finite element-analyse (FEA). De strengeste standardene for operasjoner er også avhengige av FEA for å drive kritiske eiendeler som raffinerier, skip, oljerigger osv. Men FEA er for treg til å brukes for digitale tvillinger i driftsfasen. Derfor var det nødvendig med en gang-i-en-generasjons oppgradering for å øke kjernealgoritmene, for å gjøre det mulig for FEA å støtte nesten sanntids, parametriske og tilkoblingsaktiverte brukstilfeller.

VentureBeat: Hva er problemet med redusert basis finite element-analyse – hva er det så mye raskere enn tradisjonelle modelleringsteknikker?

Leurent: FEA er faktisk en veldig gammel og ineffektiv algoritme. Den bruker masker (f.eks. millioner av trekanter eller tetraedre) for å definere geometrien til en del. Det er greit. Problemet er at FEA tildeler frihetsgrader til hver node i nettet, og det er faktisk fullstendig overkill. FEA ender opp med å løse problemer i rom med millioner av dimensjoner, noe som er veldig dyrt og ikke kan gjøres i sanntid.

RB-FEA, Akselos’ banebrytende teknologi, forstår det og ser etter hva Prof AT Patera ved MIT kaller «manifolden under». Det er et underrom, mye mindre enn det originale FEA-rommet, og fortsatt stort nok til å garantere at problemet oppfører seg i det underrommet.

Vi kaller det RB-rommet, for en redusert basis (selv det RB-underrommet er overkill, men det er 1,000 ganger mindre overkill enn det opprinnelige FEA-rommet). Vi løser problemet i RB-underrommet, som er 1,000 ganger mer effektivt, og så har vi all matematikken til å projisere tilbake til FEA-rommet som ingeniører er vant til og som standarder gjenkjenner. For ingeniører som er veldig gjennomsiktig - du får bare RB-FEA-beregninger som kjører lynraskt når de pleide å være trege med FEA. I praksis betyr alt dette at FEA er egnet til å kjøre simuleringer på mekanisk delnivå, men det treffer en vegg utover det. RB-FEA kan kjøre full nøyaktighetssimuleringer på systemnivå og ned til mekanisk delnivå, uten behov for undermodeller. Det er en betydelig forbedret arbeidsflyt.

VentureBeat: Hvor ser simuleringsleverandører det største nye opptaket i 2021 av simuleringsteknologi for digitale tvillinger, spesifikt i hvilke bransjer og hvilke typer produkter, og hvorfor?

Leurent: De to næringene vi ser har sterkest trekk inkluderer havvind og olje og gass. Det er en enorm vekst innen havvind med over 95 % av kapasiteten som ennå ikke er bygget for å oppfylle IEA 2050-målene for netto null. Det er betydelig etterspørsel etter teknologi som kan redusere risikoen for både design og drift av havvindkonstruksjoner. Kraftig ingeniørsimulering ved bruk av digitale tvillinger lar utviklere og operatører analysere tusenvis av «hva-hvis»-scenarier i et trygt miljø.

Innen design har vi vist at vi kan muliggjøre opptil 30 % capex-besparelser på grunnlaget gjennom avansert optimalisering med vår partner Lamprell, og det er mer potensiale. I drift er vi den eneste teknologileverandøren som er i stand til å analysere den strukturelle helsen ned til kvadratcm-nivå. Denne operative digitale tvillingen er et absolutt gjennombrudd for operatører, ettersom den gir praktisk informasjon om hvor ofte de skal inspisere hvilke deler av strukturen.

Energiomstillingen får store olje- og gassstore til å revurdere store investeringsbeslutninger og driver et fremstøt mot å finne måter å få mer ut av eksisterende eiendeler. Det krever å sette ut strukturelle digitale tvillinger i et operativt miljø. De svært detaljerte modellene som avansert ingeniørsimulering gir, muliggjør en sikker og effektiv måte å forstå aktiva-/utstyrsatferd og forlenge levetiden.

VentureBeat: Hva er noen av typene brukstilfeller der du har sett betydelige fordeler sammenlignet med tradisjonelle modellering og simuleringsmetoder?

Leurent: Vi har komprimert det som pleide å være en seks måneders arbeidsflyt for å analysere Shells flytende produksjonslagring og lossing (FPSO) tankbåter, til mindre enn 48 timer, samtidig som vi øker nøyaktigheten med 10 ganger.

Andre eksempler på brukstilfeller inkluderer egenvurdering av strukturelle skader under flyging av en drone eller et fly. Og så selvfølgelig fralandsvind. Denne teknologien vil bidra til å redusere kostnadene for havvind enormt. Spesielt flytende havvind, som utgjør en av de største kildene til fornybar energi på jorden, en gang ulåst.

VentureBeat: Kan du lede oss gjennom hvordan denne typen fordeler viser seg i praksis – for eksempel hvordan oversettes et fremskritt i 1000X modelleringsytelse til praktiske fordeler, som å redusere mengden materiale i en vindturbinplattform og dens totale kostnad?

Leurent: RB-FEA har resultert i at noen av de aller største (og mest komplekse) eiendelene på planeten, som Shells Bonga flytende produksjons-, lagrings- og lossefartøy, har en digital tvilling som er basert på fysikk (som står for variabler som skrogtretthet) , tanklasting, bølger) og kompatibel med standarder. Dette fikk en pris for prisen for beste papir på Offshore Technology Conference 2021. Og Akselos' produktlinje støtter beskyttelsen av 7 milliarder dollar (per år) av oljeekvivalentproduksjon.

En digital tvilling med RB-FEA 30 % reduksjon i inspeksjonskostnadene på en FPSO, men enda viktigere, se på rett sted på en enorm ressurs og oppdage defekter tidlig for å unngå store problemer. På Bonga FPSO har fordelen med økt nøyaktighet ført til at 15,000 230 tretthetssteder i toppklassen er redusert til XNUMX sanne tretthetshotspots på de mest kritiske stedene. Det er av enorm verdi for operatøren, siden de nå har nyttig informasjon for å drive inspeksjons- og vedlikeholdsaktiviteter der det betyr mest.

Fordelene ved havvind har like mye, om ikke mer, potensial. For eksempel på designsiden har vi samarbeidet med Lamprell for å redusere mengden stål i havvindfundamenter med opptil 30 %. Dette har ikke bare direkte fordeler gjennom lavere materialkostnader, men det er også svært betydelige ringvirkninger når du vurderer mengden sveising som trengs for å sette sammen fundamentet samt transport.

Når et optimert design bringes til live innenfor operasjoner, og avgjørende for vindparker, er virkningen en 1000 ganger hastighet. Det betyr at en operatør kan ta informerte beslutninger om når vedlikehold skal utføres, og hvordan man justerer driftsvinduet til turbinen for å unngå fundamentsvikt hvis neste vedlikeholdsmulighet er litt unna.

Fordelene er ytterligere sammensatt for flytende havvind, hvor fundamentet og turbinen har mer dynamisk belastning. Disse typer gevinster vil være avgjørende for å senke den utjevnede energikostnaden (LCOE), drivende skala i den flytende vinden. For at verden skal møte IEAs veikart, er slike gevinster en absolutt nødvendighet.

VentureBeat: Hvordan forventer du at bruken og egenskapene til bedre simuleringsteknikker som RB-FEA og relaterte tilnærminger vil utvikle seg i nær fremtid, spesielt når det gjelder forbedring av digitale tvillingrelaterte arbeidsflyter?

Leurent: Å forstå i sanntid den strukturelle integriteten til en eiendel er en game-changer for:

• Optimal drift
• Livsforlengelse av eiendeler
• Driftsdesign (utforming av neste generasjon av eiendeler basert på dataene generert fra den digitale tvillingen)

I dag er Akselos digitale tvillinger utplassert på eiendeler verdt milliarder av dollar, globalt. Dette krysser komplekse (og i de fleste tilfeller aldrende), eldre olje- og gassressurser til banebrytende demonstratorprototyper i den flytende vinden.

Vi jobber med å gjøre programvaren stadig mer sanntid, i noen tilfeller tolker våre fysikkbaserte digitale tvillinger nye data hvert sekund. Den hastigheten gjør det også mulig å kombinere AI/ML med fysikkbaserte simuleringer, en gamechanger med stort potensial. Det er det som vant oss AIAA-prisen for beste papir 2020 for tverrfaglig designoptimalisering. Her gir RB-FEA et mye rikere, billigere og mer nøyaktig datasett.

Teamet jobber også med å fange mer og mer fysikk (multi-fysikk og ikke-lineær for eksempel). Og vi jobber med svært kraftige funksjoner i RB-FEA for optimal design, inkludert muligheten for å rekonstruere et helt vindturbinsystem basert på materialoppgraderinger eller nye designideer i løpet av uker.

VentureBeat: Hva er dine viktigste takeaways for andre selskaper som kanskje utforsker måter å dra nytte av simuleringsforbedringer takket være bransjetrender generelt? 

Leurent: Sannsynligvis det viktigste er å presse fantasien om hva som er mulig. I en stadig mer sensorisert og robotisert verden blir simuleringsteknologi et stadig kraftigere verktøy for å generere konkurransefortrinn. For eksempel kan vi begynne å drive og optimalisere vindparker på turbin-for-turbin basis. Data fra inspeksjonsdroner og sensorer på turbinene kan bidra til å gjøre helsevurderinger av hver turbin og gjøre det mulig for operatører å ta informerte beslutninger om hvor hardt de skal kjøre hver turbin avhengig av kraftprisen (ingen vits å kjøre en turbin i høy hastighet hvis det koster mer "livsforbruk" enn inntektene det genererer).

Innen nedstrøms olje og gass gjør vi nesten sanntidsanalyser for å hjelpe kundene våre å barbere tid utenfor den kritiske banen og øke oppetiden, og uten simuleringsteknologi ville dette ikke vært mulig.

Til syvende og sist, hvis du er en eiendel, tror jeg det vil være nøkkelen å vurdere hvordan ulike datakilder og verktøy kan kombineres med simuleringsteknologi å skape bedre forretningsresultater. Dette har de ikke tenkt på fordi simuleringskraften ikke var kraftig nok for bruk i nær sanntids driftsinnstillinger, men det har nå endret seg dramatisk.

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