Co oznacza 1000-krotnie szybsza symulacja dla cyfrowych bliźniaków

Około dekady temu naukowcy z MIT odkryli technikę, która przyspiesza modelowanie fizyczne o 1000 razy. Przekształcili to w nową firmę o nazwie Akselos, która pomaga przedsiębiorstwom łączyć technologię w różnego rodzaju bliźniaki cyfrowe wykorzystywane do usprawnienia żeglugi, rafinacji i wytwarzania energii wiatrowej.

Cyfrowy bliźniak to wirtualna reprezentacja obiektu lub systemu, która obejmuje cały cykl życia, jest aktualizowana na podstawie danych w czasie rzeczywistym i wykorzystuje symulację, uczenie maszynowe i wnioskowanie, aby pomóc w podejmowaniu decyzji. Połączone czujniki na fizycznym zasobie zbierają dane, które można zmapować na model wirtualny.

Specyficzna innowacja poprawia wydajność algorytmów analizy elementów skończonych (FEA), które stanowią podstawę większości typów symulacji fizycznych. Doświadczenia Akselos w ciągu ostatniej dekady mogą pomóc kadrze kierowniczej zbadać implikacje milion razy ulepszenia w symulacji fizyki, którą Nvidia demonstruje dzięki ulepszeniom sprzętu, skalowalności i nowym algorytmom.

VentureBeat spotkał się z dyrektorem generalnym Akselos, Thomasem Leurentem, aby wyjaśnić, co te szersze ulepszenia mogą oznaczać dla całej branży. Na wysokim poziomie szybsza symulacja ułatwia porównywanie kompromisów projektowych, prowadząc do bardziej wydajnych produktów, obniżonych kosztów, zwiększonej wydajności i lepszych algorytmów sztucznej inteligencji. Praktyczne korzyści obejmowały zmniejszenie masy wież wiatrowych o jedną trzecią i poprawę bezpieczeństwa statków naftowych.

Rola symulacji w transformacji cyfrowej

Cyfrowe bliźniaki bardziej przypominają wzorzec projektowy niż technologię. Przedsiębiorstwa składają różne elementy w rozwiązanie, podobnie jak w przypadku budowania potoku danych. Różni dostawcy oprogramowania PLM, budowlanego i branżowi tworzą portfolio obsługujące szerszy zakres możliwości cyfrowych bliźniaków, w tym symulację fizyczną. Szybszy silnik symulacyjny umożliwia firmom odkrywanie nowych sposobów przenikania symulacji w ramach koncepcji, projektowania, zaopatrzenia, faz projektowania lepszych produktów i napędzania transformacji cyfrowej.

Akselos to najlepsza w swojej klasie platforma symulacyjna zaprojektowana w celu poprawy analizy elementów skończonych, kluczowego elementu wielu rodzajów stymulacji fizycznej. Około dziesięć lat temu Akselos odkrył, jak przyspieszyć podstawowe algorytmy około 1000 razy. Wszyscy pozostali dostawcy PLC i CAD badają sposoby zrobienia czegoś podobnego.

Ale jak dokładnie 1000-krotne przyspieszenie symulacji przekłada się na wartość biznesową, skoro symulacja jest tylko częścią większego procesu biznesowego i technicznego? Inne firmy prawdopodobnie skorzystają z doświadczeń Akselos, budując swoją infrastrukturę symulacyjną przy użyciu kombinacji szybszego sprzętu, lepszych algorytmów lub obu. Procesory graficzne są już 1000 razy szybsze niż w momencie rozpoczęcia tych badań, a w połączeniu z nawet marginalnymi ulepszeniami algorytmów firmy będą szukać sposobów na kreatywne „marnowanie” cykli symulacji, aby zobaczyć zyski w inny sposób.

Klienci Akselos odkryli kilka sposobów na przełożenie szybszych symulacji na wartość biznesową. Na przykład firma Shell Oil odkryła szybszy proces projektowania specjalistycznego tankowca o wartości wielu miliardów dolarów, który jednocześnie zmniejszył liczbę słabych punktów. Inni klienci zredukowali materiał w turbinie wiatrowej o 30%.

Inne firmy prawdopodobnie odnotują podobne korzyści, gdy ponownie zastanowią się, w jaki sposób można zastosować szybszą symulację do przekazywania prac inżynieryjnych i wdrożeniowych dla innych obiektów fizycznych, takich jak fabryki, samochody, urządzenia medyczne i nie tylko.

VentureBeat: Jakie jest Twoje ogólne zdanie na temat niektórych sposobów, w jakie ulepszenia technik modelowania i symulacji mogą poprawić wykorzystanie cyfrowych bliźniaków?

Tomasz Leurent: Cyfrowe bliźniaki aktywów przemysłowych mogą odnieść korzyści tylko dzięki narzędziom do symulacji inżynierii mechanicznej, które zostały użyte do ich zaprojektowania — a wszystkie one opierają się na analizie elementów skończonych (FEA). Najbardziej rygorystyczne standardy operacyjne również opierają się na FEA w celu obsługi krytycznych zasobów, takich jak rafinerie, statki, platformy wiertnicze itp. Jednak MES jest zbyt wolny, aby można go było stosować w przypadku cyfrowych bliźniaków w fazie operacyjnej. Dlatego potrzebna była aktualizacja raz na pokolenie, aby ulepszyć podstawowe algorytmy, aby umożliwić FEA obsługę przypadków użycia w czasie zbliżonym do rzeczywistego, parametrycznych i umożliwiających łączność.

VentureBeat: O co chodzi z analizą elementów skończonych o zredukowanej podstawie — w czym jest o wiele szybsza niż tradycyjne techniki modelowania?

Leurent: MES jest w rzeczywistości bardzo starym i nieefektywnym algorytmem. Wykorzystuje siatki (np. miliony trójkątów lub czworościanów) do zdefiniowania geometrii części. W porządku. Problem polega na tym, że MES przypisuje stopnie swobody każdemu węzłowi w siatce, a to właściwie kompletna przesada. FEA kończy się rozwiązywaniem problemów w przestrzeniach o milionach wymiarów, co jest bardzo kosztowne i nie może być wykonane w czasie rzeczywistym.

RB-FEA, pionierska technologia firmy Akselos, rozumie to i szuka czego prof AT Patera w MIT nazywa „rozmaitością poniżej”. To podprzestrzeń, znacznie mniejsza niż pierwotna przestrzeń FEA, ale wciąż wystarczająco duża, aby zagwarantować, że problem będzie się zachowywał w tej podprzestrzeni.

Nazywamy to przestrzenią RB, dla zredukowanej podstawy (nawet ta podprzestrzeń RB jest przesadą, ale jest 1,000 razy mniejsza niż pierwotna przestrzeń MES). Rozwiązujemy problem w podprzestrzeni RB, która jest 1,000 razy bardziej wydajna, a następnie mamy całą matematykę do rzutowania z powrotem do przestrzeni FEA, do której inżynierowie są przyzwyczajeni i która jest uznawana przez normy. Dla inżynierów jest to naprawdę przejrzyste — po prostu obliczenia RB-FEA przebiegają z prędkością błyskawicy, podczas gdy w przypadku MES były one powolne. W praktyce wszystko to oznacza, że ​​FEA nadaje się do przeprowadzania symulacji na poziomie części mechanicznych, ale napotyka na przeszkodę. RB-FEA może przeprowadzać symulacje z pełną dokładnością na poziomie systemu i aż do poziomu części mechanicznej, bez potrzeby stosowania modeli podrzędnych. To znacznie ulepszony przepływ pracy.

VentureBeat: Gdzie dostawcy symulacji odnotowują w 2021 roku największe wykorzystanie nowych technologii symulacji dla cyfrowych bliźniaków, konkretnie w jakich branżach i jakich rodzajach produktów i dlaczego?

Leurent: Dwie branże, które generują największą siłę przyciągania, to morska energetyka wiatrowa oraz ropa i gaz. Odnotowuje się ogromny wzrost morskiej energii wiatrowej, a ponad 95% mocy musi jeszcze zostać zbudowane, aby spełnić cele IEA 2050 dotyczące zerowej emisji netto. Istnieje znaczne zapotrzebowanie na technologię, która może zmniejszyć ryzyko zarówno w zakresie projektowania, jak i eksploatacji morskich konstrukcji wiatrowych. Zaawansowana symulacja inżynieryjna z wykorzystaniem cyfrowych bliźniaków umożliwia programistom i operatorom analizowanie tysięcy scenariuszy „co by było, gdyby” w bezpiecznym środowisku.

W projektowaniu pokazaliśmy, że dzięki zaawansowanej optymalizacji z naszym partnerem Lamprellem możemy zapewnić do 30% oszczędności nakładów inwestycyjnych na fundamencie, a potencjał jest większy. W operacjach jesteśmy jedynym dostawcą technologii, który jest w stanie przeanalizować stan konstrukcji z dokładnością do centymetra kwadratowego. Ten operacyjny cyfrowy bliźniak jest absolutnym przełomem dla operatorów, ponieważ zapewnia praktyczne informacje na temat tego, jak często powinni sprawdzać, które części konstrukcji.

Transformacja energetyczna powoduje, że duże koncerny naftowe i gazowe ponownie oceniają najważniejsze decyzje inwestycyjne i napędzają dążenie do znalezienia sposobów na lepsze wykorzystanie istniejących aktywów. Wymaga to wytyczenia strukturalnych cyfrowych bliźniaków w środowisku operacyjnym. Wysoce szczegółowe modele, które zapewnia zaawansowana symulacja inżynierska, umożliwiają bezpieczny i skuteczny sposób zrozumienia zachowania zasobów/sprzętu oraz wydłużenia jego żywotności.

VentureBeat: W jakich przypadkach użycia zauważyłeś znaczące korzyści w porównaniu z tradycyjnym podejściem do modelowania i symulacji?

Leurent: Skompresowaliśmy to, co kiedyś zajmowało sześć miesięcy podczas analizy pływających tankowców Shell do produkcji i rozładunku (FPSO), do mniej niż 48 godzin, jednocześnie zwiększając dokładność 10-krotnie.

Inne przykłady przypadków użycia obejmują samoocenę uszkodzeń konstrukcyjnych podczas lotu przez drona lub samolot. A potem oczywiście morski wiatr. Ta technologia pomoże znacznie obniżyć koszty morskiej energii wiatrowej. Szczególnie pływający morski wiatr, który po odblokowaniu stanowi jedno z największych źródeł energii odnawialnej na Ziemi.

VentureBeat: Czy możesz pokazać nam, jak tego rodzaju korzyści pojawiają się w praktyce – na przykład, w jaki sposób 1000-krotny wzrost wydajności modelowania przekłada się na praktyczne korzyści, takie jak zmniejszenie ilości materiału w platformie turbiny wiatrowej i jej całkowity koszt?

Leurent: RB-FEA zaowocowało powstaniem jednych z największych (i najbardziej złożonych) aktywów na planecie, takich jak pływający statek produkcyjny, magazynowy i rozładunkowy Bonga firmy Shell, posiadających cyfrowego bliźniaka opartego na fizyce (uwzględniając zmienne, takie jak zmęczenie kadłuba , ładowanie zbiornika, falowanie) i zgodne z normami. To przyniosło nagrodę za najlepszy papier na konferencji Offshore Technology Conference 2021. A linia produktów Akselos wspiera ochronę 7 miliardów dolarów (rocznie) produkcji ekwiwalentu ropy naftowej.

Cyfrowy bliźniak z RB-FEA zmniejsza o 30% koszty inspekcji na FPSO, ale co ważniejsze, szuka we właściwym miejscu ogromnego zasobu i wcześnie wykrywa defekty, aby uniknąć poważnych problemów. W Bonga FPSO korzyść ze zwiększonej dokładności doprowadziła do zredukowania 15,000 230 miejsc zmęczenia najwyższego poziomu do XNUMX prawdziwych punktów zmęczenia w najbardziej krytycznych lokalizacjach. Ma to ogromną wartość dla operatora, ponieważ dysponuje on teraz przydatnymi informacjami, dzięki którym może kierować czynnościami kontrolnymi i konserwacyjnymi tam, gdzie ma to największe znaczenie.

Korzyści z morskiej energii wiatrowej mają taki sam, jeśli nie większy potencjał. Na przykład, jeśli chodzi o projekt, współpracowaliśmy z Lamprellem, aby zmniejszyć ilość stali w fundamentach morskich elektrowni wiatrowych nawet o 30%. Przynosi to nie tylko bezpośrednie korzyści w postaci niższych kosztów materiałów, ale istnieje również bardzo znaczący efekt domina, jeśli weźmie się pod uwagę ilość spawania potrzebną do złożenia fundamentu, a także transportu.

Kiedy zoptymalizowany projekt zostaje wprowadzony w życie w ramach operacji, a co najważniejsze w przypadku farm wiatrowych, efektem jest 1000-krotne przyspieszenie. Oznacza to, że operator może podejmować świadome decyzje dotyczące tego, kiedy przeprowadzić konserwację i jak dostosować okno operacyjne turbiny, aby uniknąć uszkodzenia fundamentu, jeśli następna okazja do konserwacji jest za jakiś czas.

Korzyści są dodatkowo spotęgowane w przypadku pływającej morskiej energii wiatrowej, gdzie fundament i turbina mają bardziej dynamiczne obciążenie. Tego rodzaju zyski będą miały kluczowe znaczenie dla obniżenia uśrednionego kosztu energii (LCOE), skali napędowej w pływającym wietrze. Aby świat mógł spełnić mapę drogową IEA, tego rodzaju zyski są absolutną koniecznością.

VentureBeat: Jak można się spodziewać, że wykorzystanie i możliwości lepszych technik symulacji, takich jak RB-FEA i pokrewne podejścia, będą ewoluować w najbliższej przyszłości, szczególnie w odniesieniu do poprawy przepływów pracy związanych z cyfrowymi bliźniakami?

Leurent: Zrozumienie w czasie rzeczywistym integralności strukturalnej zasobu zmienia zasady gry w:

• Optymalne operacje
• Przedłużenie życia aktywów
• Projektowanie operacyjne (projektowanie zasobów nowej generacji w oparciu o dane wygenerowane z cyfrowego bliźniaka)

Dziś cyfrowe bliźniaki Akselos są wdrażane na całym świecie w aktywach wartych miliardy dolarów. Obejmuje to złożone (i w większości przypadków starzejące się), starsze aktywa naftowe i gazowe z najnowocześniejszymi prototypami demonstracyjnymi w unoszącym się wietrze.

Pracujemy nad tym, aby oprogramowanie działało jeszcze bardziej w czasie rzeczywistym. W niektórych przypadkach nasze cyfrowe bliźniaki oparte na fizyce interpretują nowe dane co sekundę. Ta prędkość umożliwia również łączenie sztucznej inteligencji/uczenia maszynowego z symulacjami opartymi na fizyce, co stanowi rewolucję o ogromnym potencjale. To właśnie przyniosło nam nagrodę AIAA Best Paper Award 2020 za multidyscyplinarną optymalizację projektu. Tutaj RB-FEA zapewnia znacznie bogatszy, tańszy i dokładniejszy zestaw danych.

Zespół pracuje również nad uchwyceniem coraz większej liczby elementów fizycznych (na przykład wielofizycznych i nieliniowych). Pracujemy nad bardzo potężnymi funkcjami RB-FEA w celu uzyskania optymalnego projektu, w tym nad możliwością przeprojektowania całego systemu turbiny wiatrowej w oparciu o ulepszenia materiałów lub nowe pomysły projektowe w ciągu kilku tygodni.

VentureBeat: Jakie są Twoje główne wnioski dla innych firm, które mogą badać sposoby wykorzystania ulepszeń symulacji dzięki ogólnym trendom branżowym? 

Leurent: Prawdopodobnie najważniejszą rzeczą jest pobudzenie wyobraźni tego, co jest możliwe. W coraz bardziej sensorycznym i zrobotyzowanym świecie technologia symulacji staje się coraz potężniejszym narzędziem do generowania przewagi konkurencyjnej. Na przykład moglibyśmy zacząć uruchamiać i optymalizować farmy wiatrowe na zasadzie turbina po turbinie. Dane z dronów inspekcyjnych i czujników na turbinach mogą pomóc w ocenie stanu każdej turbiny i umożliwić operatorom podejmowanie świadomych decyzji dotyczących tego, jak intensywnie powinni pracować z każdą turbiną w zależności od ceny energii (nie ma sensu uruchamiać turbiny z dużą prędkością, jeśli to kosztuje). więcej „konsumpcji życia” niż generowane przez nią dochody).

W sektorze ropy naftowej i gazu ziemnego przeprowadzamy analizy w czasie zbliżonym do rzeczywistego, aby pomóc naszym klientom skrócić czas na ścieżce krytycznej i wydłużyć czas sprawności, a bez technologii symulacyjnej nie byłoby to możliwe.

Ostatecznie, jeśli jesteś właścicielem aktywów, myślę, że kluczowe będzie rozważenie, w jaki sposób można łączyć różne źródła danych i narzędzia technologia symulacji aby uzyskać lepsze wyniki biznesowe. Nie myśleli o tym, ponieważ moc symulacji nie była wystarczająco mocna do użycia w ustawieniach operacyjnych w czasie zbliżonym do rzeczywistego, ale teraz to się radykalnie zmieniło.

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