InnovatieNU

December 2020

TECHNOLOGY & INNOVATION: IN DRIE KLIKKEN NAAR DE OPLOSSING

Uitdagingen die niet opgelost kunnen worden met conventionele analytische formules

Auteurs: Dr. Muhammad Niazi
Senior Project Manager, Fraunhofer Project Center at the University of Twente

 

En door: Gijs Beumkes
Research Engineer, Fraunhofer Project Center at the University of Twente

Kunt u 73˚Celsius omzetten naar Fahrenheit? En nee, er mag geen hulpmiddel worden gebruikt.

Best moeilijk, hè?

Wie 40 jaar of ouder is, heeft de formule moeten leren om Celsius om te zetten naar Fahrenheit. De jongere generatie hoeft die formules niet te kennen. Als u in Google zoekt, krijgt u een groot aantal rekentools die dat voor u doen.

Onze toekomst ziet er precies zo uit, dankzij de computertechnologie en het internet. Er is alleen een handvol mensen nodig die de kennis heeft voor het bouwen van de softwaretools. Deze tools kunnen vervolgens gebruikt worden door miljoenen mensen, zonder dat zij de volledige kennis van het onderwerp hebben.


Tegenwoordig zijn er veel webservices die gratis technische oplossingen bieden. Deze tools zijn echter meestal gebaseerd op analytische oplossingen. De wereld verandert met nieuwe innovaties die dagelijks op de markt komen. Veel nieuwe engineering-uitdagingen kunnen niet meer worden opgelost met conventionele analytische formules. De complexiteit die deze uitdagingen met zich meebrengen, vereist discretie van het probleem (in ruimte en/of in tijd) zodat de (differentiaal) vergelijkingen numeriek kunnen worden toegepast en vervolgens kunnen worden opgelost. Voor de meeste van deze uitdagingen moet een digitaal model van de werkelijke fysieke situatie worden ontwikkeld en gesimuleerd voor verschillende scenario’s. Zo kan men bijvoorbeeld digitaal beoordelen wat er met de hoogste wolkenkrabber gebeurt bij een aardbeving, of kan men een geschikte methode vinden om autovelgen met geavanceerde staalsoorten te vervaardigen om het totale gewicht van de auto te verminderen.


Dit soort vragen kan niet worden beantwoord door een engineer die geen goede kennis heeft van het onderwerp. Om bovenstaande te kunnen beantwoorden, moet men een expert zijn in eindige elementen, niet-lineaire mechanica, metaalbewerking, materiaalkunde, et cetera. Grote bedrijven hebben voldoende middelen om hoogopgeleide onderzoekers in te huren om deze vragen te beantwoorden, maar middelgrote en kleine bedrijven (MKB’s) hebben vaak niet genoeg middelen om deze kennis en tools in huis te halen.

De vraag die hieruit voortkomt, is

Hoe kunnen we het MKB oplossingen bieden voor hun zeer complexe technische uitdagingen, tegen een lage kostprijs?

Een andere beperking rond deze kwestie is dat de vereiste kennis meestal wordt verzameld op universiteiten. Bij de universiteiten ligt de nadruk vooral op fundamenteel onderzoek dat leidt tot wetenschappelijke output. Toepassing van dit wetenschappelijk onderzoek is voor de meeste universiteiten geen grote zorg. Daarom is het voor een MKB-bedrijf niet erg gemakkelijk om de kennis van de universiteiten te benutten, zeker niet als de vraagstelling niet wetenschappelijk uitdagend is.

Geautomatiseerd simulatieplatform


Het merendeel van ‘s werelds gerenommeerde commerciële eindige-elementen-software biedt de mogelijkheid om programmeerscripts te schrijven voor het opbouwen van FEAmodellen, het uitvoeren van de simulatie en de nabewerking van de simulatieresultaten. Dit geeft de mogelijkheid om een digitaal platform op te bouwen voor simulaties waar gebruikers input kunnen geven, de simulatie automatisch kunnen uitvoeren en de resultaten kunnen lezen. Het uitvoeren van een high-end niet-lineaire simulatie wordt op deze manier net zo eenvoudig als het omzetten van Celsius naar Fahrenheit. Wellicht was dit een beetje overdreven, maar de benodigde kennis om een high-end simulatie uit te voeren kan zeker aanzienlijk worden teruggebracht tot bijvoorbeeld het niveau van de constructeurs, die min of meer weten hoe ze met CAD moeten werken en enige proceskennis hebben van de fysieke systemen die gesimuleerd moeten worden.


De MKB’s hebben misschien geen hooggekwalificeerd doctoraat nodig om de simulaties uit te voeren. Er hoeft ook geen dure software te worden aangeschaft. De simulaties kunnen op de server (of in een cloud) draaien met software die eigendom is van de eigenaar van het digitale simulatieplatform. Het idee klinkt zeer interessant en kan de MKB’s zeker helpen om hun antwoorden op een kosteneffectieve manier te vinden.

Maar er is een gezegde: “What comes easy, won’t last, what lasts, won’t come easy” . Dus, er zijn zeker veel uitdagingen in het realiseren van digitale simulatieplatformen. Een paar voorbeelden hiervan:


  • De FEA-modellen moeten zo generiek mogelijk zijn, waarbij tegelijkertijd het automatiseringsniveau zo hoog mogelijk blijft. Als het model generiek kan worden gemaakt, kunnen verschillende modellen in één cluster worden gemaakt. Dit heeft als voordeel dat een breed scala aan toepassingen kan worden gedekt.
  • De FEA-modellen dienen robuust te zijn. Simulaties kunnen gemakkelijk last hebben van convergentieproblemen. Deze problemen moeten op voorhand al worden geïdentificeerd en worden verholpen.
  • Resultaten moeten worden gegenereerd met behulp van scripts. Verschillende gebruikers kunnen in verschillende resultaten geïnteresseerd zijn
  • Afhankelijk van het doel van de gebruiker, moet het mogelijk zijn om verschillende simulaties uit te voeren. Sommige gebruikers willen misschien gewoon een enkele simulatie van een fysiek proces uitvoeren en naar de resultaten kijken. Anderen zijn wellicht geïnteresseerd in de haalbaarheid van een nieuw proces (of verandering in een bestaand proces), terwijl een derde een optimalisatiesimulatie wil uitvoeren. Dit vereist de ontwikkeling van enveloppescripts om de architectuur van de datastroom te definiëren, afhankelijk van het doel van de gebruiker.
  • Het is mogelijk dat gebruikers niet alle benodigde invoergegevens hebben om een simulatie uit te voeren. Het is bijvoorbeeld mogelijk dat ze geen specifieke materiaalgegevens hebben. Dit betekent dat er een database moet worden opgebouwd om de gebruikers te laten kiezen tussen verschillende materiaalsoorten.
  • Het definiëren van het bedrijfsmodel kan ook een uitdaging zijn.


Ondanks de aanwezigheid van deze uitdagingen, is het nog steeds nuttig en waardevol om een dergelijk online simulatieplatform te ontwikkelen. Naarmate dit vaker gebruikt gaat worden, zullen verbeteringen ook makkelijker en sneller geïmplementeerd worden.