Neueste “Benchmark”-Ausgabe: “The Need for Speed” und – unvermeidlich in diesen Zeiten – “COVID-19”

„Speed“ war der ursprüngliche thematische Schwerpunkt der zweiten Ausgabe des Magazins „Benchmark“, des internationalen Magazins für Ingenieurdesigner und -analysten von NAFEMS, im Jahr 2020. 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)“. Jedoch, wie David Quinn in seinem Editorial ausführt, „ergibt es sich, dass das Leben sich schneller verändert als alles andere“. In diesem Blog-Post werden wir einen näheren Blick auf zwei Artikel dieser Ausgabe werfen.

Peter Langsten und Marc Halpern identifizieren in ihrem Beitrag digitale Strategien zur „Überwindung von COVID-19-Hindernissen“. Sie kommen zu dem Schluss, dass „die COVID-19-Pandemie viele wichtige, lange verzögerte Trends wie die Digitalisierung, den integrierten Fluss von Produktinformationen und Kollaborations-Anwendungen beschleunigen wird. Das Umfeld des Ingenieurwesens nach COVID-19 wird neue Anforderungen stellen… Die neue Realität erhöht die Bedeutung der Simulation und ihr Umfeld ist entscheidend, um Geschwindigkeit, Kapazität, Verfügbarkeit, Leistung und Zuverlässigkeit von Design, Ingenieurwesen, Herstellungsprozessen und Systemen zu steigern. “ Die Autoren fokussieren sich auf ihre Top-10-Initiativen zur Erfüllung der COVID-19-bedingten Anforderungen für Ingenieurwesen und Design. Aus diesen 10 Initiativen stellen sie insbesondere das sog. „Governance“ sowie „unterstützende Technologien“ hinsichtlich Zeit und Kosten als größte Herausforderung bei der Umsetzung heraus. Unter anderem „steigern die erhöhte Volatilität, wirtschaftlicher Druck, Lieferantenwechsel und anspruchsvollere Kunden das Risiko einer nicht ausreichenden Zielgenauigkeit von Design- und Simulationsaktivitäten“. Einer der wichtigsten Schlüssel zur Beherrschung derartiger „erhöhter Volatilität von Entwurfs- und Simulationsaktivitäten“ ist die Unsicherheitsquantifizierung (UQ) – und dies ist auch ein Kernthema des Artikels, der im Folgenden als nächstes näher betrachtet werden soll.

In dem Beitrag mit dem Titel „Das Bedürfnis nach Geschwindigkeit, um Rationalismus und Empirismus in einer datenreichen Welt in Einklang zu bringen“ stellt der Autor Chris Smith fest, dass „es eine zunehmende Anzahl von Situationen gibt, in denen große Datenmengen, die von Sensoren gesammelt werden, aufgrund des Fehlens eines entsprechenden Interpretationssystems nicht effektiv genutzt werden“ und dass „dies die Notwendigkeit für physikalische Systeme antreibt, die die Basis für entsprechende Vorhersagefähigkeiten darstellen“. Der einleitende Teil des Artikels nimmt insbesondere Bezug auf eine Präsentation von Prof. Karen Willcox, die am Oden Institute for Computational Engineering and Sciences an der Universität von Texas in Austin arbeitet, anlässlich der Konferenz „SC19: The International Conference for High Performance Computing, Networking, Storage und Analysis“ im November 2019 im Colorado Convention Center in Denver, CO, USA, hielt. In ihrem Vortrag weist Prof. Willcox darauf hin, dass „große Entscheidungen mehr benötigen als Big Data… sie benötigen auch große Modelle“. Insbesondere „müssen große Entscheidungen die Vorhersagekraft, Interpretierbarkeit und das gebietsspezifische Wissen physikbasierter Modelle berücksichtigen“. Laut Prof. Willcox sind die vier wichtigen Aspekte in diesem Zusammenhang die folgenden:

• Die Dynamik von Anwendungen mit signifikanten Konsequenzen wird durch komplexe Multiskalen-Multiphysik-Anwendungen bestimmt.
• Der Charakterisierung wissenschaftlicher und technischer Systeme liegen hochdimensionale Parameter zugrunde.
• Es sind in der Regel nur relativ wenige Daten, die zugleich darüber hinaus auch noch schwierig und teuer zu beschaffen sind, vorhanden, insbesondere in den kritischsten Bereichen.
• Unsicherheitsquantifizierung (UQ) in der Modellinferenz sowie bestätigte Vorhersagen in Bereichen außerhalb der Trainingsdaten spielen hierbei eine entscheidende Rolle.

AdCo Engineering^GW bündelt das Know-How aus den Bereichen Statistik, Machine Learning und Ingenieurwesen – also unsere „großen Modelle“ -, um Ihnen mit unserer Software QUEENS innovative Algorithmen für die Quantifizierung von Unsicherheiten anzubieten. Dies verbindet sich mit unserer umfassenden Expertise für die Lösung komplexer Mehrskalen-Mehrfeld-Anwendungen. Hiermit machen wir für unseren Kunden das komplette Spektrum an Möglichkeiten, das digitale Produktentwicklungsmethoden und –prozesse bieten können, nutzbar. Weitere Informationen hierzu finden Sie z. B.

• auf unserer Webseite zu UQ,
• in unserem kürzlich veröffentlichten White Paper, das eine Einführung in das Warum und Wie der UQ anbietet und
• in einem Übersichtsartikel zu Multi-Fidelity-Methoden für UQ, die unseren Kunden den entscheidenden Vorsprung gegenüber Nutzern von „Standard“-Methoden der UQ ermöglichen.

„Batteriezellen sind eine Schlüsseltechnologie für die Energiewende“ – so leitet Ralph Diermann seinen kürzlich verfassten und auf Spiegel Online veröffentlichten Artikel „Das Rennen um die Batterie der Zukunft“ ein. Mindestens zwei schwerwiegende Probleme müssen in diesem Zusammenhang allerdings angeführt werden. Zum einen – und dies gilt natürlich vor allem für den deutschen bzw. nicht asiatischen Blickwinkel – ist es höchst problematisch, dass Batteriezellen derzeit noch vor allem in Asien produziert werden und somit jegliche hiermit verbundene Wertschöpfung bzw. bestehende Lieferabhängigkeiten in jener Region verankert sind. Zum anderen fokussiert sich die Automobilindustrie, ein besonders wichtiger Industriezweig auf dem Weg zur Energiewende, bisher nahezu ausschließlich auf Lithium-Ionen-Batterien mit flüssiger Elektrolytlösung, wobei jedoch erkennbar ist, dass das Potenzial dieses Batterietyps mit Blick auf die erreichbare Energiedichte bereits nahezu ausgeschöpft ist.

Bei dem sich derzeit mit besonders intensiven Anstrengungen und Investitionen vollziehenden Wettrennen um die „Batterie der Zukunft“ kristallisieren sich diverse vielversprechende Kandidaten heraus. Um Engpässe mit Blick auf die Verfügbarkeit des wichtigen Rohstoffs Lithium zu vermeiden, wird derzeit u. a. die Eignung alternative Materialen, wie z. B. Natrium, Magnesium-Schwefel, und Aluminium, erforscht, wobei deren Praxisreife wohl eher in fernerer Zukunft liegen wird. Deshalb gilt derzeit mit Blick auf die nähere Zukunft die Festkörperbatterie als „heißester Kandidat“. Im Artikel wird Arndt Remhof vom Schweizer Forschungsinstitut Empa zitiert: „Festkörperbatterien versprechen auf Ebene der Zellen eine fünfzig Prozent höhere Energiedichte als Lithium-Ionen-Batterien.“ Darüber hinaus stellt er fest, dass „in den Roadmaps vieler Autohersteller Festkörperbatterien eine wichtige Rolle spielen“ und „VW zum Beispiel nach eigenen Angaben ab Mitte des nächsten Jahrzehnts in Salzgitter auch solche Akkus produzieren will.“

Die AdCo Engineering^GW GmbH arbeitet an der vordersten Front dieser Forschung und Entwicklung, insbesondere mit Blick auf den zuvor erwähnten „heißesten Kandidaten“, die Festkörperbatterie, und bietet seinen Kunden fortgeschrittene Simulationstechnologie, die den Schlüssel zum besseren Verständnis dieser neuen Art von Batterien darstellt. Die Vorteile für unsere Kunden sind leistungsfähigere und sicherere Batterien bei kürzeren Entwicklungszeiten. Derzeit arbeiten wir in diesem Zusammenhang sehr eng mit der BMW AG zusammen.

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.

CADFEM ANSYS Simulation Conference 2018

Wir blicken mit großer Freude auf eine sehr interessante und erfolgreiche CADFEM ANSYS Simulation Conference 2018, die vom 10. bis 12. Oktober in Leipzig stattfand, zurück. U. a. waren wir mit einem Ausstellungsstand präsent, an dem sie unsere Experten für Simulation und Unsicherheitsquantifizierung treffen konnten. Wir durften in jenen drei Tagen viele interessante und aufschlussreiche Gespräche führen und bedanken uns hiermit ganz herzlich bei allen, die uns während der Konferenz an unserem Stand besuchten!

Ebenso bedanken wir uns bei allen Zuhörern, die dem Vortrag unseres Geschäftsführers Dr.-Ing. Volker Gravemeier zur prädiktiven Multi-Physics-Simulation von Batterien und zur Unsicherheitsquantifizierung und der anschließenden Diskussion beiwohnten.

Einen schön gestalteten, umfassenden Rückblick auf die Konferenz finden Sie hier.

Besuchen Sie uns auf der CADFEM ANSYS Simulation Conference 2018 in Leipzig

Wir freuen uns darauf, im Oktober an der CADFEM ANSYS Simulation Conference 2018 in Leipzig teilzunehmen. Dort werden wir unsere neuesten Ansätze zur prädiktiven Multi-Physics-Simulation von Batterien und zur Unsicherheitsquantifizierung sowohl an unserem Ausstellungsstand als auch in einem Konferenzvortrag vorstellen werden.
Das Ziel ist es, das Verhalten von Batteriezellen unter Betriebs- und Extrembedingungen vorherzusagen und die zugrunde liegenden physikalischen und chemischen Prozesse besser zu verstehen. Simulationen, die auf einer fundierten theoretischen Modellierung und mathematisch konsistenten numerischen Techniken in Kombination mit der Validierung und Quantifizierung von Unsicherheiten basieren, können bei korrekter Anwendung prädiktive Ergebnisse liefern. Wir zeigen Beispiele für gekoppelte elektrochemische Multi-Physics-Systeme wie z.B. Festkörperbatterien, um die Möglichkeiten der heutigen Simulationstechnologie zu demonstrieren. Darüber hinaus wird der wichtige Aspekt der Parameterunsicherheit angesprochen. Den Abschluss des Vortrags bildet die Vorstellung von Methoden zur effizienten Unsicherheitsquantifizierung.

Der Vortrag findet am 11. Oktober um 10:00 Uhr statt. Weitere Details finden Sie im Konferenzprogramm, das Sie hier herunter laden können.

Wir laden Sie herzlich ein, auf der CADFEM ANSYS Simulation Conference 2018 in Leipzig an unserem Stand vorbeizuschauen, um unsere Experten für Simulation und Unsicherheitsquantifizierung zu treffen.