Jeder Ingenieur, der Simulationen durchführt, kennt die Schwierigkeiten, eine Berechnungs- oder Simulationsaufgabe zu formulieren und sie dann aufgrund von Hardware- oder Software-Ressourcenbeschränkungen nicht lösen zu können. Bei Neu skalierenUnser Ziel ist es, diese Einschränkungen zu beseitigen und Ingenieuren letztendlich die Möglichkeit zu geben, eine Abstraktionsebene hin zu simulations- und modellbasiertem Design zu erreichen [mbd]. Der On-Demand-Zugriff auf Hardware- und Softwareressourcen verändert die Art und Weise, wie Ingenieure die nächste Generation technischer Herausforderungen angehen und lösen können.

Most Ingenieur haben einen grundlegenden Zugriff auf interne High Performance Computing (HPC)-Cluster und Simulationssoftware – doch der Zugriff auf On-Demand-Ressourcen eröffnet eine breite Palette neuer technischer Probleme, die gelöst werden können. Ingenieure werden oft darauf trainiert, ihre Probleme innerhalb dieser gegebenen Einschränkungen zu lösen und die bestmögliche Arbeit innerhalb festgelegter Zeitvorgaben zu leisten. Dies führt zu einer Unterrepräsentation der tatsächlichen Nachfrage und der Möglichkeiten, wenn der Zugang zu Hard- und Software waren allgegenwärtig. Der Zugriff auf On-Demand-Hardware und Simulationssoftwareressourcen verändert die Art und Weise, wie Ingenieure Simulationen im Produktentwicklungsprozess nutzen können, dramatisch.

Senkung der Eintrittsbarrieren
Der Zugriff auf On-Demand-Hardware- und Softwareressourcen senkt die Einstiegshürde für Ingenieure, die mit computergestützten Analysen beginnen möchten, erheblich. Im Gegensatz zur Vergangenheit sind mit dem On-Demand-Zugriff keine erheblichen Vorabinvestitionen in die Hardware-Infrastruktur oder jährliche Software-Lizenzgebühren erforderlich.

Modelle mit höherer Wiedergabetreue
Simulationsmodelle mit präziseren Designs liefern oft präzisere und zuverlässigere Simulationsergebnisse. Durch den Zugriff auf variable On-Demand-HPC-Ressourcen können Ingenieure die Genauigkeit von Simulationsmodellen deutlich steigern, ohne in zusätzliche HPC-Hardware investieren zu müssen.

Umfassendere Erkundung des Designraums
Lineare Skalierung von Simulationen durch Parameter-Sweeps oder Versuchspläne (DOE) kann ein äußerst wirkungsvolles Mittel sein, um besser zu verstehen, wie sich bestimmte Elemente eines Modells auf das Ergebnis auswirken, und wichtige technische Erkenntnisse liefern. Der Zugriff auf On-Demand-Ressourcen hat einen dramatischen Einfluss auf diese Anwendungen: Er reduziert die zusätzlichen Kosten einer Simulation und bietet Ingenieuren und Wissenschaftlern die Möglichkeit, beliebig viele Szenarien gleichzeitig auszuführen.

Algorithmische Designentwicklung
Technische Modelle für komplexe Systeme bestehen aus Millionen von Teilen und Parametern, die von Ingenieuren variiert werden können – was oft eine komplette Brute-Force-Suche erfordert [bfs] des gesamten Designraums unpraktisch. Optimierungstechniken, statistische Methoden, maschinelle Lernalgorithmen und andere Tools können genutzt werden, um diese Designräume intelligenter zu erkunden. Die Evaluierung einer einzelnen Funktion für diese Tools kann die Ausführung eines vollständigen Simulationsmodells erfordern, das erhebliche Hardware- und Softwareressourcen erfordert. Die Fähigkeit, diese Simulationen nahtlos auszuführen, ist entscheidend für Simulations-Workflows die diese Art von algorithmischem Ansatz verwenden.

Multidisziplinäre Analyse und Co-Simulation
Bei den meisten komplexen Produkten beeinflussen verschiedene technische oder wissenschaftliche Disziplinen die Entwicklung. Simulationswerkzeuge werden häufig für mehrere Komponenten des Entwicklungsprozesses eingesetzt, was die Möglichkeit bietet, die Simulationswerkzeuge zu kombinieren (z. B. durch die Verwendung funktionaler Mockup-Schnittstellen [IWF]), um zu verstehen, wie sich Designänderungen auf die einzelnen Disziplinen unabhängig voneinander auswirken, und gleichzeitig die Korrelationen und Wechselwirkungen zwischen ihnen zu untersuchen. Wenn mehrere Simulationswerkzeuge miteinander verbunden werden, steigen die Anforderungen an Software und Hardware exponentiell an. Aufgrund der hochkomplexen Wechselwirkungen zwischen den Parametern werden solche multidisziplinären Ansätze häufig in Verbindung mit algorithmischer Exploration eingesetzt (z. B. multidisziplinäre Designoptimierung [mdo]). Dies erfordert oft einen Ressourcenbedarf, der über das hinausgeht, was bisher verfügbar war. Ein weiteres Beispiel hierfür ist die Co-Simulation, allerdings ein stärker integrierter, paralleler Ansatz.

Engineering-Management und Budgetierung
Führungskräfte und das technische Management durchlaufen oft einen sehr komplexen Prozess der Ressourcenzuweisung und Budgetierung, um den Hard- und Softwarebedarf für einen Zeitraum von ein bis drei Jahren vorherzusagen und gleichzeitig entsprechende Investitionen in HPC-Cluster und jährliche Softwarelizenzen zu tätigen. Bedarfsgerechte Hardware- und Softwareressourcen ermöglichen eine direkte Abrechnung und eine sehr detaillierte Budgetierung. Durch die Möglichkeit, den Return on Investment (ROI) für Simulationen direkt zu berechnen und die Rechenkosten auf Projektbasis zu verstehen, kann das Management die Entwicklungsteams in die Lage versetzen, Ressourcen dynamisch an sich ändernde technische und geschäftliche Anforderungen anzupassen. Dieser Ansatz bietet Ingenieuren die Möglichkeit, den Wert von Simulationstools objektiv zu bewerten und diese Investitionen direkt mit Ergebnissen zu verknüpfen.
Die technische und wissenschaftliche Simulation wird zum entscheidenden Werkzeug, das die Innovationspipeline führender Unternehmen in Branchen und Anwendungen antreibt, die von der Entwicklung neuer Raumfahrzeuge und unbemannter Luftfahrzeuge (UAVs) in der Luft- und Raumfahrt über revolutionäre neue Techniken zur Arzneimittelforschung in den Biowissenschaften bis hin zur fortschrittlichen elektronischen Designautomatisierung (EDA) für die nächste Generation von Halbleiter Geräte. Der Zugriff auf On-Demand-Ressourcen für Hard- und Software bietet Ingenieuren die Werkzeuge, um im Entwicklungsprozess eine höhere Abstraktionsebene zu erreichen. Dies verbessert die Fähigkeit, große, komplexe Modelle zu verarbeiten und simulationsgesteuerte Entwicklung als Schlüsselfaktor für Innovation und bahnbrechende Technologien zu nutzen, erheblich.

[mbd]: https://en.wikipedia.org/wiki/Model-based_design
[bfs]: https://en.wikipedia.org/wiki/Brute-force_search
[fmi]: https://en.wikipedia.org/wiki/Functional_Mock-up_Interface
[Aktion]: https://en.wikipedia.org/wiki/Multidisciplinary_design_optimization