Témata
Zdroj: Altair

CAE a umělá inteligence v praxi

Ještě nedávno bylo spojení CAE, tedy exaktních matematicko-fyzikálních modelů s numerickým řešením, a IT technologií umělé inteligence jen obtížně představitelné. Jednalo se o dva světy, z nichž každý se vyvíjel svou cestou. Nyní se však jejich cesty protnuly a společně přinášejí nový progresivní trend v simulacích.

Tomáš Čurda

Absolvent oboru Stroje a zařízení pro strojírenskou výrobu na Fakultě strojní ČVUT v Praze (dnes RCMT) dlouhodobě působí v oblasti CAx/PLM, engineeringu a softwarového vývoje. Nyní pracuje pro společnost Advanced Engineering na pozici business development managera.

Vojtěch Rulc

Absolvent Fakulty dopravní ČVUT v Praze působící ve společnosti Advanced Engineering jako projektový inženýr podílející se především na výzkumných projektech.

Reklama

Všichni známe aplikace strojového učení, jako jsou rozeznávání objektů na fotografiích, rozpoznávání psaného písma, jazykové překladače, identifikace nevyžádané elektronické pošty nebo sledování a vyhodnocování spotřebitelského chování v e-shopech či uživatelských preferencí při návštěvě různých internetových serverů. Ale jen málo z nás si umělo představit funkční a účinné aplikace v oblasti Computer Aided Engineering (CAE). Dnes se však v této oblasti pohybuje společnost Altair, která nabízí inženýrské nástroje využívající předností obou technologií a rozvíjí tak oblast AI-powered Product Design.

Reklama
Reklama
Reklama

Computer Aided Engineering a jeho limity

CAE dnes zvládá širokou škálu fyzikálních a inženýrských problémů, a to díky stále se rozšiřující paletě výpočetních metod. Vzpomeňme např. zobecněnou a modifikovanou metodu konečných prvků, umožňující extrémně rychlé analýzy v řešiči SimSolid, částicové metody pro simulace sypkých hmot (DEM) a tekutinové multifázové systémy (SPH). Díky možnostem multifyzikálních simulací, kombinovaného 0D, 1D a 3D modelování systémů, díky pokročilým optimalizacím a v neposlední řadě díky obrovskému nárůstu výkonu výpočetní infrastruktury ve specializovaných datových centrech (tzv. High-performance computing) je možné simulovat a analyzovat stále složitější úlohy.

Na druhou stranu stále platí klíčové limity a problémy technologií CAE. Zásadní jsou dva:

• solvery – řešitelnost, problematika numerických metod, požadavky na výpočetní zdroje, časová náročnost řešení zejména složitějších multifyzikálních problémů;

• pre-processing – pracnost přípravy modelů, pracnost změnových řízení. Ale máme možnost vyhnout se kompletnímu procesu změny směrem k CAD modelu a zpět, schopnost testovat varianty a optimalizovat je na CAE modelu – u společnosti Altair jde o technologii Morphing, o parametrizace a o technologie OptiStruct OptimizationHyperStudy. A můžeme si ušetřit práci i díky jednotnému CAE modelu pro různé typy analýz – u společnosti Altair je to technologie Single Model Multi-Attribute (jeden model pro statiku, pro crashové simulace, pro NVH a pro únavu).

Umělá inteligence je v tuto chvíli technologií, která má nejvyšší potenciál obor CAE dále významně posunout.

Algoritmy AI/ML a jejich využití v praxi

Klasickými algoritmy strojového učení (ML) dnes umíme odhadovat trendy (regression), vyhodnocovat data (classification), třídit data do skupin (clustering), nacházet výjimky a nesrovnalosti (anomaly detection).

Využití strojového učení a příklady z CAE praxe. (Zdroj: Advanced Engineering)

Ne všechny ze zmíněných technik uplatníme ve všech fázích CAE modelování. Podívejme se nejprve na preprocessing, tedy na tvorbu CAE modelů a možné časové úspory či zvýšení uživatelského komfortu.

CAE modelování s podporou umělé inteligence

Již od verze 2020 nové generace Altair HyperWorks se setkáváme s funkcemi založenými na umělé inteligenci (AI), jejichž úlohou je zejména automatizovat opakované, časově náročné rutinní činnosti, které zároveň často vedou k chybám lidského faktoru. K tomu jsou nejvíce využívány techniky klasifikace a clusteringu a patří mezi ně rozpoznávání komponentů nebo tvarových prvků (features) pro lepší organizaci a pro provádění hromadných operací.

Z konkrétních funkcionalit můžeme zmínit:

• vyhledávání v databázi dílů (využijí zejména konstruktéři, zkoumající, zda již neexistuje podobný díl);

• vyhledávání a rozpoznávání tvarově podobných dílů, organizaci do skupin, označování (labeling) a přehledné zobrazení v modelovém stromu aplikace GUI – přínos zejména u rozsáhlých sestav a při aplikaci shodných parametrů pro síťování;

• rozpoznávání tvarových prvků (features) v rámci dílů, kdy máme nastavená různá pravidla a parametry za účelem zjednodušování geometrie a tvorby FEM sítě.

Jakmile je CAE model připravený pro simulační výpočty, otevírá se prostor pro výhody kombinovaného využití klasických CAE řešičů a data-driven řešičů.

Simulační výpočty a strojové učení

Nejprve si připomeňme, co jsou vlastně simulační úlohy. Většina přírodních zákonů a fyzikálních jevů je popsána pomocí soustav parciálních diferenciálních rovnic (PDE), které jsou mimochodem asi tím nejmocnějším nástrojem, jejž lidstvo vymyslelo pro popis materiálního světa. Problémem je jejich škálování – řešení v různých měřítkách rozměrové i časové škály. Dobře je to vidět na příkladu termálních a CFD modelů atmosféry, kdy např. lokální modely oblačnosti s rozlišením desítek metrů budete integrovat do globálního modelu pro predikci klimatických změn pracujícího s rozlišením desítek kilometrů. Tradiční způsob řešení je použití hrubé síly výpočetního výkonu, což je ale extrémně nákladné.

Postup pro řešení optimalizačních studií pomocí Altair HyperStudy. (Zdroj: Advanced Engineering)

Základním principem, jak AI/ML může s řešením pomoci, je následující: Na základě určitého souboru vypočtených úloh musíme naučit ML model mapovat mezi vstupními daty a výsledky. Na rozdíl od standardních „machinelearningových“ úloh musíme spojitý problém popsaný pomocí parciálních diferenciálních rovnic převést na diskrétní model s konečnými dimenzemi, ale zároveň si musíme zachovat flexibilitu škálovatelnosti. Řešením jsou tzv. neural operators, využívající Fourierovy transformace. 

Jaký je tedy potenciální přínos AI-driven simulací? Rychlost výpočtů. Pro zmíněný CFD model atmosféry je výpočet s použitím ML cca 1 000× rychlejší oproti výpočtu tradičnímu. A například v mechanice – při řešení plasticity – je nárůst rychlosti dokonce až stotisícinásobný.

Parametrické studie v HyperWorks Exploreru. (Zdroj: Altair)

Dalším příkladem využití supervised machine-learningu, konkrétně pak techniky regrese, je řešení multi-run úloh, zpravidla tzv. studií Design of Experiment (DOE). U nich můžete významně uspořit výpočetní čas tím, že část klasických analýz z výpočetní sady úloh nahradíme data-driven simulacemi. Altair HyperStudy, nástroj pro pokročilé optimalizace, pomocí automatických procesů kombinujících nejmodernější matematické metody, prediktivní modelování a data mining prozkoumává tzv. design space (oblast možných řešení) modelu zkoumaného systému. Výpočty začínají řešením CAE simulací postavených na základě fyzikálních modelů, tj. řešením diferenciálních rovnic. Tyto výpočetně náročné výpočty pak pro vybrané kombinace vstupních parametrů „vyučí“ „machine-learningový“ model tak, aby kompletně zvládl „porozumět“ veškerým závislostem. Pak už uživatel využije okamžitou odezvu datového ML modelu na ladění vstupních parametrů v plné škále bez potřeby dalších náročných simulací (real-time predictions). Po nalezení nejvhodnějšího řešení je pak namístě finální model validovat opět klasickými výpočetními metodami. Ty mají tu výhodu, že zjemňováním modelu se můžeme dostat na velmi vysoké přesnosti, zatímco AI/ML modely mají přesnost omezenou. CAE software s využitím AI/ML tak svým uživatelům pomáhá pochopit chování jejich simulačního modelu mnohem rychleji a efektivněji. Lze takto snadněji vysledovat trendy a závislosti jednotlivých parametrů (citlivostní analýzy, parametrické studie) i při uvažování multifyzikálních problémů a nacházet dobře vyvážená technická řešení (trade-off studies). Optimalizační algoritmy pak umožní zlepšovat výsledné výkonové parametry a spolehlivost výrobku.

Reklama

Stejný princip používá společnost Altair i v dalších implementacích. Například pro novou generaci HyperWorks začleňuje nástroje pro optimalizační studie s využitím strojového učení přímo do uživatelsky přívětivého prostředí užívaného pro pre- a postprocessing, tedy k rukám každého výpočtáře. Modul se jmenuje Design Explorer. Přítomnost AI/ML nejvíce pocítíte, když v tzv. Results Exploreru uvidíte přehledně zobrazené závislosti mezi výstupními a vstupními parametry anebo když pouhým „hraním si“ s posuvníky uživatelského rozhraní (tedy když provádíte tzv. what-if analýzy) okamžitě vidíte odezvu, a to rovnou graficky na 3D modelu. To vše platí nejen pro modely altairovských řešičů, ale jsou podporovány i modely pro řešiče třetích stran.

HyperWorks Design Explorer. (Zdroj: Altair)

Design Explorer v cloudu

Nezapomeňme na třetí implementaci, která je navíc zajímavá z pohledu IT. Jedná se de facto o cloudovou podobu Design Exploreru nazvanou Design.AI, kterou zákazníci společnosti Altair najdou v prostředí portálu Altair One. Je to praktická ukázka strategického směřování společnosti Altair, která využívá technologie simulací CAE, technologie datové analytiky s AI/ML algoritmy a technologie high-performance computingu a spojuje je do jednoho celku. Jednoduše řečeno, máte-li CAE model pro implicitní řešič OptiStruct či pro explicitní Radioss a na svém běžném počítači jen internetový prohlížeč, stačí tento model nahrát do aplikace Design.AI. Tato aplikace vám silou AI/ML algoritmů běžících na platformě cloudových, vysoce výkonných výpočetních clusterů (HPC) vrátí model, se kterým můžete bez čekání provádět výše popisované studie a optimalizace. A toto je ve vývoji tohoto nástroje jen první krok. V následujících letech se mohou uživatelé těšit na celou řadu dalších implementací AI/ML, které výrazně zefektivní a urychlí výpočtářskou práci.

Parametrické studie v prostředí cloudu – Altair Design.AI. (Zdroj: Altair)
Parametrické studie v prostředí cloudu – Altair Design.AI. (Zdroj: Altair)

Závěr

Aplikace AI/ML jde napříč obory natolik rychle dopředu a její uplatnění se stále rozšiřuje do takové míry, že se při rostoucím nedostatku IT specialistů brzy očekává rozšíření znalosti práce s těmito technologiemi do běžné kompetence pracovníků v engineeringu. Aby to bylo zvládnutelné a vývojovým inženýrům zůstal prostor pro jejich hlavní kompetenci, tedy pro to, aby porozuměli svému produktu a oboru, je úlohou softwarových firem připravit takové nástroje a aplikace, které technologie AI/ML vhodně implementují do svých produktů, aby uživatelé nebyli nuceni zvládat další profese – být zároveň pokročilými programátory a specialisty na datové analýzy.

Jestliže vás nové technologie CAE a AI/ML zaujaly, sledujte novinky od společností Advanced Engineering a Altair na jejich webových stránkách a sociálních sítích. Doporučujeme vám též ke zhlédnutí webinář společnosti Altair, nazvaný Practical AI and Data Science for Engineers (v angličtině).

Související články
Na cestě ke zrození stroje, část 3:
Cenová nabídka

Série deseti článků, jejichž autorem je konstruktér Michal Rosecký, popisuje proces výroby obráběcího stroje. Krok po kroku nás provází tímto náročným procesem, na jehož závěru je po stránce vývoje a výroby rentabilní moderní výrobní zařízení s inovativními prvky, o které trh projeví zájem a po uvedení do provozu přinese zákazníkovi deklarovanou profitabilitu, technické parametry a návratnost investic.

Jste připraveni na budoucnost? Zjistěte to...

Každý den se probouzíme do situace, kdy nekonečný boj o nové zákazníky o kousek přitvrdí, je stále náročnější a vyhraje ten, kdo se nejlépe a nejrychleji přizpůsobí. Jak řekl rakouský psychiatr Viktor Frankl, základní lidskou vlastností je svoboda rozhodnout se, i když její uplatnění nemusí být lehké. Člověk není svobodný ve vztahu k podmínkám, v nichž žije, ale má svobodu v tom, jaké k nim zaujme stanovisko. Jak se rozhodnete vy?

Pokročilá správa dat napříč celým životním cyklem

Obstát na trhu průmyslových výrobců dnes není snadné. Klíčem je úzká spolupráce, přehledná dokumentace, efektivní procesy a co nejméně problémů s kvalitou. S tím vším vám pomůže platforma, která propojuje správu produktových dat (PDM) s cloudovým systémem pro řízení životního cyklu výrobku (PLM).

Související články
Od konstrukce strojů po parkovací věže

Mezi starší generací strojařů pravděpodobně není nikoho, kdo by neznal původem škodováka Josefa Bernarda z Jičína. Tento strojírenský nadšenec příští rok oslaví své sedmdesátiny. Před třiceti lety po odchodu z místního Agrostroje položil základy společnosti Vapos, která dává perspektivní práci patnácti desítkám lidí z Jičína a blízkého okolí.

Reklama
Reklama
Reklama
Reklama
Související články
Praktický výzkum nám dělá svět lepším

Prof. Ing. Milan Gregor, PhD. se narodil v Prievidzi a dětství prožil v Necpaloch. Zde u příležitosti oslav 600. výročí první písemné zmínky byl v roce 2015 oceněn Cenou primátorky Prievidzy za mimořádné zásluhy v rozvoji hospodářství, vědy a techniky a šíření dobrého jména Slovenské republiky v zahraničí.

Strojírenské fórum 2018: Zaměřeno na nové technologie a materiály

Příběh pátého ročníku Strojírenského fóra se začal psát 10. května 2018 na půdě Fakulty strojního inženýrství VUT v Brně konferencí na téma moderní výrobní technologie a materiály s důrazem na aditivní výrobu z velké části kovových materiálů a na inovativní aplikace kompozitních materiálů. Na sto účastníků z řad výrobní a akademické sféry vyslechlo na 13 přednášek a následně v pozdních odpoledních hodinách se větší část z nich odebrala na exkurzi po šesti VaV pracovišťích zaměřených na nové technologie. Plný den poznání a nových setkání. Pojďme se k němu vrátit fotoreportáží.

Digitalizujeme svět obrábění

Digitalizace v oblasti obráběcích strojů je poměrně nový fenomén. Svět digitalizace se stává svébytným ekosystémem a Siemens jako jediný má pro jeho vytvoření a fungování potřebnou škálu nástrojů – od simulačních programů pro plánování a virtuální zprovoznění strojů, výrobků i procesů přes řídicí systémy a další prvky průmyslové automatizace po monitoring a sběr dat, cloudová úložiště i manažerské nadřazené systémy. Jaké výhody digitalizace přináší, ukázal Siemens na letošním Mezinárodním strojírenském veletrhu v Brně mimo jiné také na prototypu multifunkčního obráběcího centra MCU450 společnosti Kovosvit MAS.

Cena MM Award na EMO

Ocenění MM Award od našich německých kolegů z časopisu MM MaschinenMarkt je specialitou veletrhů pořádaných nejen v Evropě, ale po celém světě. Nejinak tomu bylo i na letošním hannoverském EMO, kde proběhlo slavnostní předání exponátům, které odbornou porotu zaujaly. Ceny jsou udělovány ve spolupráci se svazem VDW. Protože se jedná o jediné oficiální ceny udělované na veletrhu EMO a značky MM, VDW a EMO jsou dobře známé v oboru výrobní techniky, věnujeme jim svoji pozornost v retrospektivě veletrhu.

Získané zkušenosti inovacemi pro zákazníky

Průmysl 4.0 je aktuální výzvou pro výrobce obráběcích strojů. Vlastní znalosti této problematiky uživatelů se na jeho implementaci do reálného provozu podílí velkou měrou a přispívají ke snadnějšímu zvládnutí cesty vedoucí k většímu propojení od výrobců strojů, přes jejich provozovatele až po odběrate dílů na strojích vyrobených. Podívejme se na zkušenosti společnosti Mazak v této oblasti.

Krize jako cesta k žádoucí změně

Hlavním životním mottem Ing. Vlastislava Břízy, majitele a generálního ředitele společnosti Koh-i-noor, je tvrzení, že kdo je připraven, není zaskočen. Společný rozhovor probíhal v intencích této jeho celoživotní strategie.

Made in Česko: Bezpečné bezdrátové spojení pro všechny

Prognózy, které se týkají internetu věcí (IoT) a průmyslového internetu věcí (IIoT), se mění stejně rychle jako možnosti této technologie samy. Už v roce 2008 bylo na světě víc připojených zařízení než lidí a odborníci ze Světového ekonomického fóra (WEF) tvrdí, že do roku 2025 bude 41,6 miliardy zařízení zachycovat data o tom, jak žijeme, pracujeme, pohybujeme se, jak fungují naše zařízení, stroje.

Inovace: Změna úhlu pohledu

Určitě jste to zažili taky. Je večer, jasná obloha a vy vidíte, jak měsíc balancuje přesně na špičce věže kostela. Stačí ale malá změna úhlu pohledu a měsíc je jinde. Jaký je váš úhel pohledu na inovace ve strojírenství?

Na cestě ke zrození stroje, část 5: Zakázka

Série deseti článků, jejichž autorem je konstruktér Michal Rosecký, popisuje proces výroby obráběcího stroje. Krok po kroku nás provází tímto náročným procesem, na jehož závěru je po stránce vývoje a výroby rentabilní moderní výrobní zařízení s inovativními prvky, o které trh projeví zájem a po uvedení do provozu přinese zákazníkovi deklarovanou profitabilitu, technické parametry a návratnost investic.

Lesk a bída českých obráběcích strojů

Česká republika, resp. tehdejší Československo, mělo bohatou historii ve výrobě obráběcích strojů. Kde v období největší slávy byli ve svých inovačních počinech současní světoví lídři, když např. kovosviťácký konstruktér Ladislav Borkovec se již v roce 1977 začal zaobírat myšlenkou multifunkčního soustružnicko-frézovacího stroje? Přes dřevěný kinematický model, který si vytvořil doma v dílně, vedla dlouhá cesta až k prototypu prezentovanému  na EMO v Paříži v roce 1980. Po vyrobení 45 strojů řady MCSY, které nenazval nikdo jinak než „Boháro“, byla z ekonomických důvodů a nedostupnosti kvalitní řídicí elektroniky bohužel výroba v tehdejším Kovosvitu ukončena. Dva bývalé kovosviťáky, srdcem i duší, Jiřího Mindla a Vladislava Čítka, jsem díky jejich letitým zkušenostem celoživotního zasvěcení oboru obráběcích strojů požádal o rozpravu nad současným stavem tuzemského oboru výrobních strojů a nad tím, jaké jsou jeho případné perspektivy.

Reklama
Předplatné MM

Dostáváte vydání MM Průmyslového spektra občasně zdarma na základě vaší registrace? Nejste ještě členem naší velké strojařské rodiny? Změňte to a staňte se naším stálým čtenářem. 

Proč jsme nejlepší?

  • Autoři článků jsou špičkoví praktici a akademici 
  • Vysoký podíl redakčního obsahu
  • Úzká provázanost printového a on-line obsahu ve špičkové platformě

a mnoho dalších benefitů.

... již 25 let zkušeností s odbornou novinařinou

      Předplatit