Yearly Archive: 2019

Der thematische Schwerpunkt der zweiten Ausgabe des Magazins „Benchmark“, des internationalen Magazins für Ingenieurdesigner und -analysten von NAFEMS, im Jahr 2019 befasst sich mit der Nutzung der Cloud für Simulationen. NAFEMS ist die internationale Vereinigung für die Gemeinschaft der Ingenieure im Bereich Modellierung, Analyse und Simulation, eine nichtkommerzielle Organisation, die im Jahr 1983 gegründet wurde. Dr.-Ing. Volker Gravemeier, Geschäftsführer der AdCo Engineering^GW GmbH ist aktives Mitglied der „NAFEMS Multiphysics Working Group (NAFEMS MWG)“.

Im einleitenden Artikel zu dieser Hauptthematik mit dem Titel „Die Kosten und Vorteile der Nutzung der Cloud für Simulationen“, lud die verantwortliche Redakteurin Althea de Souza Lee Margetts, Andrew Jones, Wolfgang Gentzsch, Rodney March und John Baxter ein, um Fragen zu den letztendlichen Gesamtkosten für die Ausführung von Simulationen in der Cloud oder in einer HPC-Einrichtung vor Ort zu diskutieren. Das Fazit dieser Diskussion ist, dass wir uns immer noch in den Anfängen des Umstiegs auf die Cloud in Bezug auf technische Simulationen befinden. Außerdem „gibt es zwar definitiv einen Platz für die Wolke, aber sie ist nicht die Antwort für alles und überall“. Wie im Artikel dargelegt wird, gibt es zweifellos Situationen, in denen die Cloud von besonders hohem Nutzen sein kann: z. B. „ist es für ein Unternehmen, das zum ersten Mal im Bereich HPC unterwegs ist oder nur gelegentlich umfangreiche Simulationen in Betracht zieht, sinnvoll, zunächst die Cloud oder ein externes Modell zu verwenden. Es kann die Cloud nutzen, um herauszufinden, ob HPC überhaupt hilfreich bzw. notwendig ist. Und irgendwann stellt es möglicherweise fest, dass der Umzug in firmeninterne Einrichtungen kostengünstiger ist. Die Cloud hat es in dem Fall ermöglicht, ‚zunächst zu versuchen und erst dann zu kaufen‘“. In einem weiteren Artikel mit dem Titel „Kopf in den Wolken, Füße am Boden: Meine Erfahrung mit Saas“ beschreibt Althea de Souza ihre Erfahrungen mit SaaS im Bereich Simulation und stellt ihre persönlichen Vor- und Nachteile in diesem Zusammenhang dar.

Ian Symington, Technical Officer von NAFEMS, wandte sich an Mitglieder des NAFEMS Vendor Network, um sich zum Thema Cloud Computing und SaaS für Simulationen zu äußern. Unter anderem wird in diesem Artikel diskutiert, wie große kommerzielle Softwareanbieter ihre Lizenzmodelle für Cloud-Computing-Plattformen adaptieren. Wolfgang Gentzsch, Präsident von UberCloud, stellt zu dieser Thematik Folgendes fest: „Größere unabhängige Softwareanbieter wie ANSYS, Dassault Systèmes und Siemens verfügen in der Regel über eine eigene Cloud-Lösung, die üblicherweise recht proprietär und restriktiv ist. Kunden beschreiben es als ‚Anbieter-Lock-in‘ in verschiedenen Ausprägungen. Dies hat einen guten Grund und geht auf die Anfänge des Cloud-Computing zurück, als diese Softwareanbieter glaubten, dass ihre eigenen Kunden erschwingliche, kurzfristige On-Demand-Lizenzen gegenüber ihren normalerweise recht teuren herkömmlichen jährlichen / unbefristeten Lizenzen bevorzugen würden.“ Es gibt einen weiteren, vermutlich noch schwerwiegenderen Grund, der eine vollständige Adaption be- bzw. verhindert, wie Ian Campbell, CEO von OnScale, anmerkt: „Traditionelle Ingenieursimulationssoftware ist einfach nicht für die hochparallele Architektur der Cloud ausgelegt. ‚Einfache‘ Dinge wie eine Simulation auf mehreren hundert Knoten von Commodity- Cloud-Instanzen ist mit älteren Codes nicht möglich, da diese durch Akquisitionen entstanden sind (z. B. durch zunächst den Kauf eines mechanischen Lösers und dann den Kauf eines separaten elektrischen Lösers und dem anschließenden Zusammenfügen ‚unter der Haube‘ in einer sehr ineffizienten Art und Weise). Dies steht im Gegensatz zu einer organischen Code-Entwicklung mit dem Ziel einer am Ende hochgradig skalierbaren Bereitstellung.“

Die AdCo Engineering^GW GmbH wird in Kürze ihre neue Cloud-Computing-Plattform „AdCo On Demand“ starten und hierüber die Multiphysics-Software AMSE sowie die UQ-Software QUEENS als SaaS anbieten. Dabei wird es selbstverständlich keinerlei „Anbieter-Lock-In“ geben. Darüber hinaus wurden alle Software-Codes organisch mit dem Ziel höchster Skalierbarkeit entwickelt. Somit können Sie als Kunde die Parallelität der Cloud vollständig ausnutzen. Zögern Sie also nicht, vereinbaren Sie Ihre individuelle „Testfahrt“ mit „AdCo On Demand“ – and enjoy the ride!

Die Ansprüche an die prädiktiven Fähigkeiten des modernen Computer Aided Engineering (CAE) nehmen immer weiter zu. Demzufolge müssen Simulationsmodelle nicht nur das jeweilige physikalische System korrekt widergeben, sondern auch die in der Realität auftretenden Variabilitäten und Unsicherheiten mit einbeziehen, um schließlich tatsächlich eine Verschiebung des Produktentwicklungsprozesses in zunehmenden Maße von physischen Experimenten hin zu Computersimulationen zu ermöglichen. Unsicherheitsquantifizierung (UQ) ist dabei der Schlüssel zur Verbesserung der prädiktiven Fähigkeiten heutiger CAE-Abläufe. Darüber hinaus beschleunigt UQ die Design- und Entwicklungsprozesse neuer Produkte, insbesondere in den Frühphasen dieser Prozesse. Am Ende wird damit nicht nur schneller entwickelt, sondern auch kostengünstiger, da die Anzahl potentiell kostenintensiver physischer Experimente reduziert wird. All unseren Kunden sowie allen Besuchern unserer Website, die an UQ und seinem enormen Potential interessiert sind, möchten wir als Einführung in das Warum und Wie von UQ ein „White Paper“ anbieten.

AdCo Engineering^GW bündelt das Know-How aus den Bereichen Statistik, Machine Learning und Ingenieurwesen, um Ihnen mit unserer Software QUEENS innovative Algorithmen für die Quantifizierung von Unsicherheiten anzubieten. Thereby, we enable our clients to harness the full potential that digital product development tools and processes can offer. Weitere Informationen hierzu finden hier.

Die dritte Ausgabe des Magazins „Benchmark“, dem internationalen Magazin für Konstrukteure und Analysten von NAFEMS, trägt 2018 den Titel „Artificial Intelligence & Machine Learning“. NAFEMS ist eine 1983 gegründete gemeinnützige Organisation für Ingenieure im Bereich Modellierung, Analyse und Simulation. Dr.-Ing. Volker Gravemeier und Dr.-Ing. Jonas Biehler von AdCo Engineering^GW sind aktive Mitglieder der NAFEMS Uncertainty Quantification Working Group, deren Themen eng mit künstlicher Intelligenz und Machine Learning verbunden sind.

In seinem Artikel über „The Applicability of Artificial Intelligence in Design and Manufacturing“ argumentiert Phil Cartwright, dass die Fähigkeit, die entlang des Produktlebenszyklus erzeugten Daten zu nutzen und diese Informationen in den Design- und Entwicklungsprozess zurückfließen zu lassen, zu erheblichen Vorteilen führen wird. Im weiteren Verlauf des Artikels wird ein Beispiel für maschinelle Lerntechniken in Kombination mit modernsten Simulationsansätzen gegeben, um Nacharbeit, Ausschuss und Reparatur in einem Spritzgussverfahren für Verbundkunststoffe zu reduzieren. In diesem Zusammenhang führt der maschinelle Lernansatz zu einer verbesserten Abstimmung der Fertigungsprozessparameter und letztlich zu einer Senkung der Fertigungskosten für das produzierende Unternehmen.

Die Kombination von Techniken aus dem Bereich des maschinellen Lernens mit modernsten Simulationsansätzen ist zweifellos ein vielversprechender Weg zur Verbesserung von Effizienz und Geschwindigkeit, der letztendlich zu Kostensenkungen führen wird. Dies gilt aus unserer Sicht nicht nur für die Fertigungsprozesse, sondern auch für den gesamten Produktentwicklungszyklus im Allgemeinen. Aus diesem Grund entwickelt AdCo Engineering^GW neuartige Ansätze, um Informationen aus Simulationsmodellen mit experimentellen Daten durch sogenannte Multi-Fidelity-Ansätze zu kombinieren. Diese Ansätze sind leistungsfähige Werkzeuge, um z.B. mittels Sensitivitätsanalysen diejenigen Produktionsparameter zu identifizieren, die die größte Auswirkung auf die Zuverlässigkeit eines Produkts bzw. einer Komponente davon haben.  Weitere Produkt- oder Systemeigenschaften können ebenfalls bewertet werden, und sowohl Produktions- als auch Konstruktionsparameter können untersucht werden, um die Ergebnisse erheblich zu verbessern.