Allmänt ska noteras att simulering och analys fått en allt viktigare position inom produktutveckling. Trenden har manifesterats på flera sätt:
* Dels genom att investeringarna i digitala CAE-verktyg från världens företag i runda tal ökat med 10 procent om året under det senaste decenniet och klivit upp som ett av de största sub-PLM-områdena med en 14-procentig andel av de totala PLM-investeringarna (2020, enlig CIMdata). Detta mätt som andel av PLM-företagens intäkter, där PLM-analytikern CIMdata noterar att 7,7 miljarder dollar satsades på denna typ av verktyg år 2020. Bara EDA (Electronic Design Automation) är större bland sub-PLM-segmenten.
* Dels genom förändrad arbetsmetodik där S&A i takt med att närmast all produktutveckling tenderat att bli digitaliserad med bl a utveckling av 3D-modeller och digitala prototyper. I o m att de utvecklade produkterna huvudsakligen existerar som digitala modeller blir betydelsen av att kunna testa modellfunktioner, validera dem, mäta av mot regleringar och annat oundgänglig.
OM SKILLNADEN MELLAN CPUer OCH GPUer
I och med dessa utvecklingsspår har också behoven av synnerligen kapabel hård- och mjukvara för hanteringen av de växande datavolymerna, som kommit framför allt simuleringens och analysens fotspår, ökat i betydelse. I en tid när allt ska gå fortare för att någonstans på sista raden också komma snabbare ut på marknaderna har sålunda alla lösningar som kan spara tid och helst också ta bort utvecklingsled och minska utvecklingskostnaderna – samtidigt som kraven på kvalitet ökat – blivit kraftfulla konkurrensmedel.
Det finns också en hel del att kapa när det gäller just simulerings- och analysbitarna. I detta har nu också frågan om CPUer och GPUer en viss betydelse. Hur då?
Moderna datorer, smartphones och andra smarta enheter använder mikroprocessorer, där CPU-enheten har tillverkats på ett enda chip. CPUn hjälper till i allt från att ladda operativsystem, exekvera kommandon till att utföra beräkningar; denna ”Central Processing Unit” är kort sagt också stället där alla programinstruktioner utförs för att kunna ta fram nödvändiga data.
Graphics Processing Unit – eller GPUn – är däremot processorn som genererar video- och grafikinnehållet som visas på skärmen. GPUn är därmed också speciellt anpassad för sitt syfte. Dess parallella struktur innebär att den potentiellt kan utföra miljarder beräkningar per sekund som krävs för viss grafikbehandling. Plus att GPUer har flera kärnor än CPUer.
Man skulle kunna uttryck det så att en grafikbehandlingsenhet, GPU, är avsedd för att minska CPU-belastningen genom att hantera alla avancerade beräkningar som är nödvändiga för att projicera beräkningsresultaten på bildskärmen.
Vartefer GPU-tekniken utvecklats har den kunnat ta över vissa ansvar från CPUn och utföra dessa uppgifter på andra mikroprocessorer. Idag är GPUer i allmänhet flytande punktprocessorer som enkelt kan hantera geometriska beräkningar tillsammans med texturmappningsuppgifter.
Det är bland annat ovanstående Siemens tagit fasta på för att tillsammans med NVIDIA utveckla snabbare och mer kraftfulla CFD-lösningar (”vätskedynamik”) inom ramen för StarCCM+ mjukvaran.
AVSEVÄRT SNABBARE OMLOPPSTIDER
Simcenter STAR-CCM+, som alltså är en del av Xcelerator-portföljen, ger i 2022.1-versionen med hjälp av s k CUDA-aktiverad GPU-acceleration, möjligheter att leverera avsevärt snabbare omloppstider till lägre hårdvaruinvesteringskostnader i samband med CFD-simulering inom design- och ingenjörsorganisationer av alla storlekar.
– Denna teknik kommer att göra det möjligt för ingenjörer som arbetar med extern aerodynamik, rymd, byggnad och infrastruktur/civilingenjörsapplikationer, etc att avsevärt förbättra sin simuleringsgenomströmning vid motsvarande hårdvaruinvesteringar med en ökad per-dollar-prestanda för GPUer jämfört med CPU:er, summerar Stamatina Petropoulou.
KAN GE EN HELT NY SPELPLAN
Saken måste förstås också bevisas och Petropoulou berättar att man genom att köra en uppsättning aerodynamik-simuleringar av fordon kunde demonstrera hur användningen av GPUer kunde minska de nödvändiga hårdvaruinvesteringarna med upp till 40 procent och minska energiförbrukningen med ner till 10 procent av CPU-motsvarigheten, samtidigt som identiska omloppstider för simulering bibehålls.
Medan lösningar baserade på CPUer och högpresterande datoranvändning i kombination med skalbar CFD-parallellisering möjliggör massiva hastigheter i absoluta tidsenheter, kommer det till priset av höga hårdvaru- eller molninvesteringar (t ex för HPC-lösningar).
Den nu framtagna tekniken kan, enligt Siemens, ge en helt ny spelplan och man hävdar att den tyska PLM- och automationsutvecklaren, ”ligger i framkant med några av de mest trovärdiga partnerna på området.”
– Siemens Simcenter STAR-CCM+ får en otrolig uppsving för CFD-simuleringar genom att använda NVIDIA GPU-teknik via CUDA-plattformen och accelererade bibliotek, säger NVIDIAs Niveditha Krishnamoorthy, relationsutvecklare på företagssamarbetssidan, och fortsätter:
– Med NVIDIAs GPU-arkitektur kan Simcenter STAR-CCM+-användare nu köra fler simuleringar, snabbare och kan få kritiska insikter för sina design- och driftarbetsflöden utan att kompromissa med noggrannheten.
