像許多其他行業和技術一樣，人工智能和機器學習將在2020年將扮演重要角色。對于仿真技術來說，顯然有機會利用人工智能和機器學習來完成基本流程和管理，以節省工程師的時間或簡化程序。參數的設置就是這樣的領域之一。機器學習引擎可以監控高級工程師對仿真工具的使用，包括他們如何使用仿真工具以及設置哪些參數，然后在一定程度上為經驗不足的工程師準確地重新創建仿真工具，并使他們能夠使用該工具。

 

對于一家擁有數千名員工的航空航天公司來說，目前只有5%的員工可以使用仿真技術，而人工智能和機器學習將使其更易于使用，因此也許有15%～20%的員工可以使用它。顯然這是該公司的勝利，它現在可以在仿真過程上投入更多的時間和精力，而無需雇用更多的高級工程師。

 

人工智能/機器學習可以幫助仿真技術的另一個領域是使用數據驅動的或具有物理信息的神經網絡解算器將仿真速度提高幾個數量級。這些更新的人工智能/機器學習方法不是使用傳統的數值方法(例如有限元或有限體積方法)來求解二階偏微分方程(PDE)，而是使用神經網絡來求解二階偏微分方程(PDE)。這些方法已顯示可用于簡單的幾何形狀和邊界條件，行業專家正在努力將這些新方法應用于現實世界中的復雜問題。

 

 

多物理場作為一個概念可以追溯到50年前。隨著它的發展，已經面臨許多挑戰，而如今是不同物理工具之間的相互作用。從歷史上看，工程師會使用不同的物理模擬工具來克服產品的各種設計問題。以計算機芯片為例：用戶可以模擬芯片散發的熱量，然后分析其如何影響其所容納的電路板，然后找到解決方案以冷卻芯片以保護電路板免受損壞開裂。

 

雖然提到的逐步方法多年來一直是最好的選擇，但工程師們要求同時解決這些問題。

 

這種多學科的優化將減少分析產品(無論是芯片還是其他產品)，并減少工程師面臨的任何問題找到正確解決方案所需的時間。這樣能夠以更低的成本獲得更好的產品。

 

ANSYS公司收購了仿真過程集成和設計優化領導者Dynardo公司，使該公司可以更進一步地實現多物理場交互，并使客戶能夠更快、更經濟地確定最佳產品設計。在未來的一年中，將進一步推動仿真技術的發展。

 

 

人們還將看到“用于仿真的微服務”領域的進展，由此將仿真的主要部分(例如，幾何、網格劃分、求解器、最后是后處理服務)從一個整體過程轉變為專用過程。從一個整體過程轉換為專用的單獨部分。模擬所需的步驟將是獨立的;將有幾何服務、網格劃分服務、解算器服務和后處理服務，而不是一個單一的過程。

 

然后，這些服務可以由不同的產品使用，通過應用程序編程接口(API)相互集成，并在Microsoft Azure或AWS等云平臺上可擴展運行，其結果是將實現更高的可訪問性、更高的靈活性、可重復使用性的許多不同的任務。這些API還可以使仿真用戶將ANSYS工具與其他任何公司的系統連接起來，從而實現真正的開放平臺。

 

 

許多類型的軟件對用戶的主要挑戰之一是運行時間。他們越來越要求更快的運行時間，而仿真也是如此。而在2020年將重點放在仿真上。

 

一種運行速度更快的方法是通過并行計算。多年來，并行計算已經涵蓋了許多不同的形式，從共享內存處理(SMP)到消息傳遞接口(MPI)到基于精細GPU的并行性再到基于任務的并行性。對于超大規模，使用所有形式的算法，包括GPU、SMP、MPI，并采用基于超大規模計算機的算法。這意味著客戶將能夠利用超大規模仿真技術并運行以前可能需要10,000個小時才能完成的仿真，并且由于它在更多的內核上運行，因此可以顯著減少運行時間，并且可能僅需幾分鐘或幾小時即可完成。

 

在這方面有很多工作要做。到2020年，要達到所描述的程度的超大規模還為時過早，但它將在未來十年內實現。

 

 

為了提高效率和節省成本，許多制造商和服務提供商已消除了過度設計，而將重點放在了簡約設計上。例如高速公路旁需要建設一個50平方米的停機坪，那么只建設50平方米，而不是以往“以防萬一”的100平方米。問題在于，所有因素都可能發生變化，這意味著所需停機坪面積的計算可能因項目而異。因此在某種場合下適合建設50平方米的停機坪，而在另一種場合則不適合。

 

通過仿真進行的穩健設計可解決此類不確定性，并且在2020年將越來越多地采用這種不確定性。使用模擬評估材料并計算不確定性，可防止產品和服務的過度設計和設計不足;與其說500%的安全系數過高并且低效，不如說是100%的安全系數沒有任何變化的余地，但穩健的設計可以在110%的安全系數下進行。

 

了解材料變量以及隨后計算理想安全系數的能力的關鍵是材料智能化。這是ANSYS公司決定收購Granta Design的決定的背后原因，后者決定提高ANSYS在該領域的能力，并使仿真工具的用戶能夠在不確定性的情況下量化，以驗證其產品和服務，并確保最佳的安全系數。

 

 

仿真已經是數字化了，對嗎?是的，但是它也越來越涵蓋物理世界。最近，由于物聯網(IOT)、數字孿生的使用量猛增，并將繼續增長。在這里，工程師正在對物理部件的信息進行數字化處理，從而使他們能夠分析性能并監控系統，以在實際組件或機器出現問題之前解決它們。現在，該技術已經確立了自己的地位并證明了其價值，通過幫助減少停機時間和相關成本，其采用率將呈上升趨勢。

 

然后要考慮增強現實(AR)和虛擬現實(VR)。目前，工程師可以在2D屏幕上可視化其模擬設計，但是隨著增強現實(AR)和虛擬現實(VR)技術的加速和可訪問性，他們很快將在3D環境中的增強現實(AR)和虛擬現實(VR)耳機(例如Oculus產品組合)中可視化其設計。數據將更易于評估，設計將更易于理解、編輯和測試，從而使流程更精簡、更有效。

 

 

設計、測試、維護——仿真在這些活動中起著至關重要的作用。但是，產品或零件在哪里出現故障呢?那么，仿真又能有什么幫助呢?通過制造商數字化改造他們的運營，他們可以調整所有活動，從最初的設計，到制造，到銷售和追蹤每一個部分。因此，如果某一車型的剎車出現問題，可以追溯到最初的模擬設計，并對該設計進行審查，快速識別出缺陷。然后，如果模型被召回，那么問題可以比通過人工測試過程更快、更具成本效益地解決，而人工測試過程可能需要更長的時間和更高的成本來確定問題。

 

這種數字化轉型對大多數企業來說是一項艱巨的任務，但許多企業已經開始進行轉型。預計2020年這一進程將加快，大型制造商將在年底前完成這一過程。

 

 

在許多現實世界中的多物理場的條件下，仿真技術已經得到了認可，并且在2020年，將看到模擬軟件提供商突破技術的邊界來解決物理的其他領域中的問題。用于醫療保健的化學是當前未被多物理場模擬廣泛應用的領域，但將從中受益。

 

實際上這是什么樣的?新藥的臨床試驗需要在人體上進行測試，但是有一天，通過仿真技術，可以完全通過模擬進行試驗。消除了在數千名測試對象上使用該藥物的需要，并且消除了巨大的試驗成本，并且在無法進行試驗的地方(例如，針對兒童進行試驗)，模擬的應用也非常廣泛。類似地，在醫療保健領域，心臟病發作是由于血液凝塊引起的，仿真可以用來識別正確的藥物來稀釋血液和溶解凝塊。

 

 

當今技術的本質是，任何人都可以創建工具以替代已經使用多年的工具。硅谷的一家初創公司可以創建一種全新的方式來完成任務或解決問題并顛覆現有任務。過去許多被遺忘的企業未能為這種風險做好準備，因此必須不遺余力地通過創新來應對風險，而不是忽略這種情況發生的幾率。

 

不要等到被顛覆才改變自己!在實踐中，iPhone就是一個很好的例子。蘋果公司用更新的產品取代原有的產品。仿真技術也是如此，行業廠商需要努力通過新技術顛覆仿真技術。

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。