超级计算机与工业智能制造

 

每投入1美元于高性能计算,83美元的收入,20美元的利润!

众所周知,制造业产业链横跨了许多行业,从产业上游到终端下游,形成了一个全球的生产销售市场产业链。制造业在最近十年内逐渐显现出强劲的发展上升趋势。在这个不断增长且竞争激烈的市场,整个供应链的制造商都要以低成本提供最高质量的产品,同时面临提高生产率和上市时间的挑战。这就是说,新产品发布的周期也越来越短,产品的成本也要求越来越低。比如某飞机发动机研发商原来的设计研发周期要好几年,现在必须要以月来计算。因为在竞标的市场上,谁能在短时间内拿出成熟的设计方案,谁就赢得了标的,还有芯片制造也是谁先发布谁先霸占着市场。

 

 

为了克服这些挑战,制造业就不得不面临产品设计与制造的数字化转型。制造商们正在通过一系列新的数字技术完善现有的计算机辅助设计(CAD)、计算机辅助工程(CAE)和计算机辅助制造(CAM)工具加速数字化转型。

这些新技术包括:

3D打印技术(3D打印机、机器人和自适应控制加工)

智能成品(使用物联网的联网车辆)

大数据分析,对产业链上生成的那些快速增长的,多样的,多变的海量数据进行分析。

人机交互的新形式;比如触摸设备,语音和可视化的处理;机器学习和人工智能(AI )

 

 

这些技术加上快速无处不在的互联网连接、高性能计算(HPC),可扩展存储和数据管理系统为制造商在整个产品生命周期中收集、聚合和分析数据提供了前所未有的能力。从概念设计、虚拟和物理产品开发到售后服务的数据都可以进行整合和分析。这有助于制造商进一步提高生产场地和生产设备的效率,优化产品线的维护时间表,提供对产品消费者使用模式的更深入的了解,分清产品售后的责任和义务,减少风险。

 

CAE的下一个时代是数字孪生(Digital Twin)。

数字孪生虚拟产品开发在产品设计和开发中已经被广泛使用了数十年中,CAE在缩短产品生产周期,优化设计,防止高昂的返工得到了广泛认可。预计CAE软件市场的年增长率将超过11%,2026年会突破97亿美元。有了这些虚拟产品,工程师就可以任意的,不受拘束的设计和测试新产品,而无需实际构建许多昂贵的原型。这可以迅速避免大量失败的物理实验,让公司只专注于最有市场潜力的成功产品设计。在正式投入生产前,不仅可以通过在设计周期的早期发现问题来降低企业风险,还可以降低保修成本,避免产品失效导致的伤害,减少潜在的法律诉讼。

 

 

在过去的十年中,针对仿真、设计和优化复杂的系统,多学科CAE(结合流体力学,结构分析,机械动力学,电磁学等)和迭代设计和探索研究已经成为非常流行。

 

多学科CAE 需要仿真多种类型结合在一起的物体如何在系统和部件间的在各种条件下的相互作用情况。这些全面、高保真的多重物体的模拟仿真使用的是非常详细的几何模型(大网格)来准确模拟复杂产品在真实世界环境中的行为。这些多学科的设计工作量极大地刺激了HPC和存储基础设施的增长,同时CAE本身也在不断进步以处理复杂的智能互联产品。设计、开发、制造、服务和运营这些智能互联产品对当今的HPC系统也是一个极大的挑战。

 

人工智能结合HPC将制造效率提升到一个新水平

如今一些企业正在结合人工智能(AI )的自学习能力和高性能计算的并行处理系统(HPC)来制定业务流程,希望用更短的时间完成更多任务。目前在国内外复杂的环境下,各垂直行业不得不加快数字化进程,尝试结合HPC和人工智能,以同步更新数据并建立新的产品和服务。

 

 

Market Watch 预测,基于HPC 的人工智能收入将每年增长29.5%,因为企业继续将人工智能融入其运营。此外,随着人工智能、大数据的发展,以及对更大规模的传统建模和仿真工作的需求,HPC用户群正在扩大,包括汽车、制造业、医疗保健和BFSI等高增长行业。这些行业正在采用HPC技术来管理大型数据集并扩展其当前应用,尤其是制造业公司,为了提高业务效率,他们将HPC应用在从设计过程、供应链到产品的交付,从中受益匪浅。

 

Hyperion研究公司的一项研究表明,在制造业每投资1美元用于HPC,就会产生83美元的收入,20美元的利润。这么说可能有点抽象,打个比方码头常见的集装箱,它的制造工艺和用料经过多年的实践经验几乎是一成不变的,但这并不能说明现在的制造工艺和用料是最节省成本且是装货卸载最优的解决方案,那如何才能以最低的成本和最短时间研发出新的集装箱呢?

 

使用高性能计算仿真系统。让它来模拟各种材料以及工艺制造方法,假设目前集装箱通用的钢板(顶板和侧板)厚度是2mm左右,我们可以通过高性能计算仿真系统模拟1.8mm是否可以满足运载货品的需求,或者使用其他成本更低的材料代替钢板,如果模拟结果成功并最终投入生产,这将能为企业带来不可小觑的财富价值。

 

同样,他们正在利用人工智能(AI)和机器学习(ML)来加速创新,洞悉市场变化,开发新的产品和服务。麦肯锡全球研究所(McKinsey’s Global Institute)的一份报告显示,制造业投资在人工智能方面预计年营收增长率将达到18%,高于所有其他行业。

 

通过HPC和人工智能优化流程,制造商追求的目标就是实现最佳性能和高质量的产出,他们把重点放在了用HPC资源来运行人工智能应用程序,能够预见问题的出现,改进产品开发过程,改善端到端的供应链管理。

 

除此以外,制造业的M2M会产生大量的有价值的数据,用HPC来运行复杂和快速的数据分析程序,以保证基于大型数据集得出分析报告的准确性。另一方面,将HPC与AI应用相结合,使得生产系统可以自动化的实时调整,减少故障时间,提高产品质量,加快产品上市时间,并使生产过程更加敏捷。

 

 

工业4.0和HPC

工业4.0就是“以信息物理系统为基础的智能化生产”,很多人会从IOT(物联网)的概念出发来看待“智能化”这个概念,认为就是把物理设备连接到互联网上,然后实现计算、通信、精准控制和自我管理,来实现智能化生产。这当然没错,但HPC在整个工业、制造业中起到的作用也同样不可忽视。

 

在制造业中,一个产品从设计图到CAE模型的建立,然后进行仿真、分析、测试、产品改良再到产品定型,以及产品定型之后的再测试和量产,包含了非常多的步骤,每一个步骤都不可或缺。但是从时间和成本的角度考量,在这些步骤中虚拟的、仿真阶段所花的时间和成本最低,而一旦进入真正的实体产品阶段,耗费的时间和成本会很大幅度的向上提升。如果能在整个产品定型之前,尽量让虚拟产品更贴近现实中的情况,就可以缩短企业研发产品加快产品上市的时间,加快企业的创新速度。

 

而要实现精准可靠的建模、分析,CAE又对仿真工具的计算能力提出了挑战,比如在CAE的前处理、有限元分析和后处理过程中,对数据的分析和图形展示能力有着很高的要求,这种情况下,HPC可以帮助企业完成精准、可靠的仿真模拟分析过程,促进企业甚至整个工业制造业的创新。

 

 

劳斯莱斯(RR)是因为其生产的豪华汽车以及英国王室的标配汽车而闻名。但是它也是世界上最成功的发动机制造者之一。其Trent XWB发动机是空客A350XWB的唯一动力系统,据称也是劳斯莱斯史上销售最好的发动机。与前任发动机相比,Trent XWB可以节省20%的油耗,每年在每架飞机上能为航空公司就A350节省200万英镑,而能够实现这种能效的提升,全靠基于HPC运行的CAE/CFD仿真工具的使用。

 

劳斯莱斯经验证明了要想在给定的设计周期内,按照有限的时间和精准度要求,完成建模和分析,只有HPC仿真和虚拟产品的环境中完成。所以劳斯莱斯构建了自用的HPC集群来完成大量的CAE仿真计算。

 

高性能计算可以在你意想不到的地方发挥作用,比如卡车运输。卡车大部分时间都是处于工作状态(行驶在道路上),它的动力来源主要是汽油,而行驶中的卡车会推动空气,空气又会对卡车产生阻力,这样就会增加油耗,产生更多的能源消耗及费用。为了防止在行驶过程中轮胎圈起路上的泥土或碎石等杂物击中卡车,几乎所有的卡车都装有挡泥板,而挡泥板也会为卡车带来更多的阻力与汽油消耗,所以有家卡车制造商想改进这个装置,以减少能源消耗和对卡车的损耗。他们利用HPC工业仿真平台准确计算出挡泥板大小、形状,从而设计出一套更为节能的优化方案,使每一辆卡车一年的汽油费用减少了400美元。

 

虽然这听起来对一辆卡车来说并不多,但当你拥有1000 辆卡车的车队时,这些节省加起来非常可观了。现在该公司的HPC设计已经不仅限于挡泥板,他们正在使用HPC帮助设计卡车的各项装置设备,以提高卡车的工作效率,从而节省更多的费用和金钱。

 

 

在其他领域HPC也在发挥着重要的作用。比如依靠人工振动波来还原地下构造和信息的石油勘探,就一直是HPC使用的最大的用户之一,随着勘探节奏越来越快,要求处理的周期越来越短,以及为了实现更高的精度所需的复杂算法和数据处理需要,现在勘探行业对HPC的能力需求也越来越大。想一想,如果选用准确度不高的算法,选定地址一口井打下去一个亿的资金没了,企业愿不愿意在算法和高性能计算上投钱呢?

 

可以说,HPC与现代工业应用已经密不可分。但是不是只有这些高、精、尖的工业、制造业才用得到HPC呢?这个问题我们下期继续聊。

 

 

推荐阅读 

在线咨询 MESSAGE

姓名 *

电话 *

邮箱 *

咨询意向 *

公司名称

所属行业

需求概述 *