Trzy tygodnie spotkań i ustaleń założeń projektowych, miesiąc przygotowywania geometrii, dwa miesiące ustawiania hiperzaawansowanego case’a, aby zapewnić stabilność i żeby liczył się za każdym razem. Dobra! To teraz jeszcze tylko kolejne pół roku żeby przeliczyć 232 przypadki, bo tyle wyszło z analizy wrażliwości w DoE i mamy optymalny produkt. Proste. No nie do końca…
Każdy kto kiedykolwiek podejmował temat optymalizacji wie, jak duży nakład pracy i jak długi czas obliczeń jest konieczny, aby wypełnić wielowymiarową przestrzeń projektową do przeszukania w celu znalezienia optimum. Zazwyczaj koszty wymaganego hardware’u i czasu są skuteczną blokadą do dalszych działań przez co inżynierowie często poprzestają na sprawdzeniu kilku wariantów i wyborze tego który jest wystarczająco dobry. Pozostawiając niestety optimum nigdy nieodkrytym.
Można też łatwo sobie wyobrazić sytuację, w której firma wykonuje wiele powtarzalnych symulacji, które niestety są na tyle złożone, że na każdy wynik trzeba poczekać kilka dni lub dłużej a budowa racjonalnego modelu zredukowanego jest zbyt kosztowna.
Na te i inne wyzwania odpowiada ANSYS wraz z głęboką implementacją algorytmów sztucznej inteligencji i uczenia maszynowego w codziennej praktyce inżynieryjnej, stając się liderem także w zakresie wykorzystania AI w symulacjach.
ANSYS SimAI
Główną platformą, która pozwoli na całkowite zredefiniowanie podejścia do procesu projektowego na jego kluczowych etapach jest SimAI. Jest to niezależna od fizyki i typu solvera platforma bazująca na zautomatyzowanych obliczeniach w chmurze i sieciach neuronowych, która w ekstremalnie szybki i przystępny dla użytkownika sposób pozwoli rozwinąć potencjał każdego produktu i procesu. Niezależnie od tego czy przypadek bazuje na obliczeniach wytrzymałościowych, przepływowych, elektromagnetycznych, optycznych czy też na symulacjach sprzęgających wiele fizyk możliwym jest nauczenie modelu reakcji na zmianę dowolnych parametrów. No właśnie, nie parametrów, bo SimAI nie wymaga od użytkownika parametryzacji modelu, ucząc się wszystkich zależności, a raz nauczony model jest w stanie wygenerować odpowiedź układu nawet tysiąckrotnie szybciej w stosunku do kolejnej potrzebnej do wykonania symulacji. SimAI może bazować na dowolnych wynikach symulacji 3D lub innych modeli matematycznych, także spoza portfolio firmy ANSYS.
Sztuczna inteligencja w symulacjach – jak to właściwie działa?
Użytkownik uploaduje wcześniej przygotowanego case’a poprzez czytelny interface użytkownika w przeglądarce internetowej. SimAI wewnętrznie ocenia stopień złożoności przypadku, ilość zmiennych wejściowych oraz wyjściowych, a następnie na podstawie wbudowanych algorytmów definiuje ilość wymaganych przeliczeń przypadku, który zapewni odpowiedni stopień dokładności pokrycia wyników predykcyjnych z modelu AI. Wszystkie obliczenia w SimAI odbywają się równolegle w chmurze bazującej na dobrze już znanym AWS, dzięki czemu nawet już po 48 godzinach użytkownik może dostać model zwrotny, na podstawie którego można sprawdzić wiele scenariuszy lub przeprowadzić optymalizacje. Schemat pracy w SimAI został przedstawiony na Rys. 1. Nauczony model może być przekazany w uproszczonej postaci dla końcowych użytkowników, którzy bez specjalistycznej wiedzy zyskują dostęp do pewnych wyników, które mają zawsze pod ręką. Demokratyzacja korzyści wynikających z zaawansowanych symulacji numerycznych jeszcze nigdy nie była tak realną i łatwo dostępną koncepcją.
Przykłady i realne korzyści wykorzystania sztucznej inteligencji w symulacjach
Do tej pory zbudowano wiele modeli predykcyjnych obejmujących wiele reprezentatywnych przykładów w szerokim spektrum zastosowań. Zazwyczaj do wyuczenia modeli potrzebnych jest od 30 do 100 próbek treningowych, jednak, oczywiście ilość przypadków zależy od skomplikowania modelu i poziomu dokładności odpowiedzi układu, na którym zależy użytkownikowi. W dalszej części artykułu przedstawiono praktyczne przykłady wykorzystania SimAI.
Optymalizacja grubości blach elementów konstrukcyjnych w pojazdach na podstawie crashtestów w LS-Dynie (Rys. 2), została przeprowadzona na modelu wyuczonym na zaledwie 50 symulacjach. Wynik predykcyjny jest w stanie oddać wyniki w mniej niż minutę z zachowaniem błędu poniżej 0,5%.
Znana z Mechanicala lub Discovery metodyka optymalizacji topologicznej, szczerzej znana jako Generative Design również może zostać przeniesiona do SimAI. Bazując na 250 próbkach treningowych SimAI jest w stanie w kilka sekund wygenerować optymalną geometrię komponentu po zmianie warunków symulacji. Jak widać na Rys. 3, stopień pokrycia optymalnej topologii przekracza 95% zarówno w wyliczonych wartościach naprężeń zredukowanych jak i odkształceń, przy prawie dwukrotnym przyśpieszeniu całego procesu obejmującego przeliczenie 250 próbek treningowych.
Symulacje przepływowe mogą być szczególnie wymagające w perspektywie wymaganych mocy obliczeniowych i racjonalnego czasu obliczeń. Zagadnienia zmienne w czasie takie jak symulacje pracy maszyn wirnikowych lub procesów nagrzewania i chłodzenia zazwyczaj wymagają długiego czasu oczekiwania na wyniki, nawet na bardzo mocnych stacjach roboczych. W tym zakresie SimAI jest w stanie przynieść nieosiągalne w żaden inny sposób korzyści a nawet umożliwić procesy optymalizacyjne, które wcześniej były niezasadne z uwagi na zbyt wysokie koszty i czas potrzebny do osiągnięcia satysfakcjonującego wyniku.
Symulacje aerodynamiki pełnego pojazdu wymagają ogromnych siatek numerycznych a nawet niewielka zmiana np. kształt klamki lub lusterka może mieć znaczny wpływ na wartość oporu aerodynamicznego. Walka o jak najmniejsze współczynniki oporu stała się kluczowym etapem projektowania pojazdów, zwłaszcza w perspektywie zasięgu samochodów elektrycznych. Model widoczny na Rysunku 4. został nauczony na podstawie 50 przypadków i przyśpieszył uzyskanie wyników po zmianie ponad stukrotnie, przy zachowaniu błędu wartości oporu aerodynamicznego poniżej 0,5% i praktycznie idealnym pokryciem charakteru przepływu.
Na Rys. 5 można zobaczyć bardzo złożony model wymiennika ciepła zawierającego setki rur w różnych konfiguracjach. SimAI pozwala na przeprowadzenie wielowariantowej analizy lub optymalizację układu rur zapewniając wyniki przypadku z całkowicie nowym układu rur w 20 sekund z zachowaniem różnicy błędu poniżej 0,2%. Podobny wzrost wydajności można przytoczyć na przykładzie symulacji procesu mieszania (Rys. 6), w którym osiągnięcie stanu pseudoustalonego zostało zredukowane z 12 godzin na 64 rdzeniach do zalednie 30 sekund.
Oprócz analiz MES i CFD również Maxwell oraz HFFS mogą służyć do uczenia modeli predykcyjnych. Przykład symulacji pracy silnika napędowego w Maxwellu (Rys. 7) oraz układu anten GSM (Rys. 7) wykazują kilkudziesieciokrotne przyśpieszenie czasu obliczeń z zachowaniem dokładności wyników.
Czy korzystanie z ANSYS SimAI jest bezpieczne?
Zapewne pierwszymi wątpliwościami, które nasuwają się po zrozumieniu koncepcji schematu pracy w SimAI będzie bezpieczeństwo platformy i potencjalne zagrożenia związane z kontaminacją procesu optymalizacji cudzymi modelami lub oddawanie przewagi konkurencji. Z racji, że SimAI bazuje na rozwiązaniach chmurowych Amazon Web Services (AWS), ciężko znaleźć jest bezpieczniejsze miejsce na obliczenia chmurowe. AWS spełnia wszystkie najbardziej restrykcyjne certyfikaty bezpieczeństwa danych i zaufały im nawet największe technologiczne korporacje w najbardziej wrażliwych branżach. Sam proces uczenia modelu w SimAI jest całkowicie autonomiczny więc nasz model jest budowany od zera i nie występuje żadne zagrożenie wpływu innych modeli w systemie w żadnym kierunku. Co prawda, pracownicy wsparcia technicznego ANSYSa mogą, uzyskać dostęp do modeli, jeśli zaistnieje potrzeba wsparcia, jednak wymaga to zgody użytkownika. Już teraz jednak ANSYS pracuje nad całkowicie odciętą przestrzenią roboczą, która kosztem braku wsparcia technicznego, zapewni absolutną izolacje danych użytkownika od osób trzecich. Całkowita izolacja modeli predykcyjnych, mimo oczywistych zalet, nie zawsze może być drogą którą chcą podążać użytkownicy. Dla przypadków bardziej ogólnych, przy których bezpieczeństwo danych nie jest na pierwszym planie, ANSYS rozpatruje wprowadzenie modeli wstępnie nauczonych np. dla aerodynamiki pojazdów. W takim przypadku, model predykcyjny będzie wykorzystywał wcześniej dostarczone dane więc uzyskanie wyniku nie będzie wymagało przeliczenia wielu przypadków treningowych.
ANSYS AI+
Oprócz platformy SimAI, ANSYS skrupulatnie dodał lub zamierza dodawać rozwiązania bazujące na sztucznej inteligencji do poszczególnych solverów oraz w samym OptiSLangu. Dodatkowe funkcjonalności oferowane w ramach ANSYS AI+ będą dostępne jako add-ony dla poszczególnych licencji.
Granta MI AI+ pozwola na przewidywanie parametrów wytrzymałościowych potrzebnych do spełnienia ograniczeń dopuszczalnych naprężeń. Bazujące na sieci neuronowej CFD AI+ wbudowane we Fluencie zapewni możliwość zautomatyzowanego dopasowania współczynników korekcyjnych w modelu turbulencji GEKO tak, aby łatwo dopasować wyniki symulacji do wyników pomiarów. Structures AI+ może przewidywać potrzebne zasoby sprzętowe do danego przypadku a ODTK AI+ pokryje predykcyjne modele do planowania misji kosmicznych.
Rozwinięto także znane z OptiSLanga podejście do zaawansowanych optymalizacji parametrycznych. Oprócz dostępnych do tej pory algorytmów optymalizacyjnych dołożono do OptiSLang AI+ zaawansowane sieci neuronowe służące do przeszukiwania zbudowanych przez użytkownika modeli zredukowanych. Rozszerzone o uczenie maszynowe zostaną algorytmy MOP, OCO oraz AMOP. Wysoka wydajność AI pozwoli na znaczne przyśpieszenie znalezienia optymalnego rozwiązania zwłaszcza w schemacie pracy online, w którym doliczanie kolejnych przypadków z zakresami zmiennych zagęszczane jest w obszarze występowania potencjalnego optimum. Jeśli optymalizacja bazująca na parametrach, która została zbudowana na miarę dostępnych możliwości sprzętowych i czasu, nie da wystarczająco satysfakcjonującego wyniku, może zostać bezpośrednio przetransferowana do SimAI.
AnsysGPT
Kolejnym obszarem, w którym AI będzie stanowiło istotne wsparcie w pracy nad symulacjami jest AnsysGPT, który stanowi zautomatyzowane wsparcie techniczne dla osób zajmujących się symulacją. ChatGPT na stałe zadomowił się w świadomości ludzi a także stanowi nieocenioną pomoc np. w pracy programistów lub copywriterów. Ucząc się zapytań użytkowników oraz korzystając z bezkresu informacji dostępnych w internecie, pozwala niesamowicie szybko dostać odpowiedz na zadane pytanie lub wręcz wykonać część prac w zautomatyzowany sposób. Jako, że wszelakie czaty i komunikatory stały się standardowym sposobem komunikacji interpersonalnej to naturalnym wydaje się także kontakt w sposób pisemny z botem. Każdy użytkownik ANSYSa wie jak wartościowy jest suport techniczny podczas codziennej pracy. Często nie warto samemu próbować wywarzać otwartych drzwi i dużo łatwiej jest zwrócić się np. do MESco po wsparcie. Znacznie usprawnia to i przyśpiesza proces dojścia do rozwiązania wyzwań stawianych przed analitykami. Oprócz bezpośredniego kontaktu telefonicznego lub mailowego z dedykowanymi do pomocy osobami po stronie Chanel Partnerów, ANSYS udostępnia ogromną bazę dokumentacji technicznej, wskazówek dla użytkowników, tutoriali oraz ogólnodostępnych kursów. Dostępne są też oficjalne dedykowane tematyczne fora, gdzie odpowiadają bezpośrednio pracownicy ANSYSa, co stanowi bardzo wartościową bazę wiedzy. Bazę, która jest niejako zapisem historii problemów, z którymi borykali się już inni użytkownicy i które mogą być tożsame z tym co można napotkać w trakcie procesowania swoich symulacji. Niestety suport MESco nie jest dostępny 24 godziny na dobę, a ogrom dostępnych materiałów często wymaga dużych nakładów pracy, aby znaleźć odpowiednie rozwiązanie.
W takich sytuacjach dla użytkowników dostępny będzie AnsysGPT, który jest botem przeszukującym wszystkie dostępne materiały, w tym rozwiązane już suporty. Użytkownik w kilkanaście sekund jest w stanie otrzymać odpowiednie wsparcie wraz z odnośnikami do dokumentacji z której bot korzystał podczas udzielania odpowiedzi. Jak widać na Rys. 8 bardzo prosta forma czatu zachęca do wykorzystania jego potencjału a może nawet kiedyś, po latach zbierania całej wiedzy ludzkości o symulacjach odpowie na pytanie „czemu się nie zbiega?” Należy pamiętać jednak, że AnsysGPT niestety nie będzie w stanie w pełni zaangażować we wsparcie techniczne na poziomie „ludzkim” i nie spędzi dziesiątek godzin na szukaniu błędu w modelu, a na koniec udzieli także wsparcia emocjonalnego. Tutaj dalej wsparcie MESco pozostanie niezastąpione 😊
Podsumowanie
ANSYS AI to bez wątpienia rewolucja w myśleniu o symulacjach oraz optymalizacji. Narzędzia te zdemokratyzują symulacje dla szerokiego spektrum użytkowników oraz pozwolą na łatwe i przystępne doskonalenie produktów i procesów technologicznych bez dużych inwestycji w zaplecze sprzętowe. Jeśli widzą Państwo możliwość i potencjalne korzyści implementacji SimAI+, ANSYS AI+ lub AnsysGPT w codziennej praktyce projektowej to gorąco zachęcamy do kontaktu.
„Zrobione” teraz jest lepsze niż „perfekcyjne” jutro.
Slogan ten stał się wiodącą ideą w wielu firmach i organizacjach, niejako zabijając dążenie do idealnych rozwiązań na rzecz skuteczności działań. Jednak w momencie, kiedy można łatwo i skutecznie sięgnąć po perfekcje teraz – nie ma na co czekać.
„Zrobione” jutro już nie wystarczy.
Autor: Łukasz Marzec, MESco sp. z o.o.