Využití PyFluent a strojového učení pro udržitelné zpracování materiálů

Postgraduální student využívá PyFluent a strojové učení k pokroku v oblasti udržitelného zpracování materiálů.

Studenti a výzkumníci z laboratoře Mechanics for Materials Design Lab na Cornellově univerzitě přidali do svých simulačních postupů nový nástroj. Laboratoř, kterou vede docentka Meredith Silbersteinová, Ph.D., se zaměřuje na mechanické experimenty a modelovací metody v oblasti navrhování materiálů, se zvláštním důrazem na multifunkční, aktivní a polymerní materiály.

Postgraduální student Rahul Ghosh, který se na kompozitní materiály dívá z pohledu tekutin, nedávno zapojil Ansys PyFluent a metodu strojového učení (ML) do probíhajícího laboratorního výzkumu, jehož cílem je optimalizovat lisování s přenosem pryskyřice (RTM). RTM je proces používaný k výrobě kompozitních materiálů v leteckém a automobilovém průmyslu. S rostoucími obavami o udržitelnost na celém světě se RTM stává výhodnou volbou pro zpracování materiálů, protože snižuje emise a nabízí efektivnější výrobu.

Díky přístupu k nástrojům Ansys v rámci akademického programu implementovali Ghosh a jeho tým PyFluent, aby prozkoumali problémy s prouděním tekutin během RTM, které mohou způsobit selhání konstrukce. PyFluent je součástí PyAnsys, sady open source softwaru, který umožňuje v rámci systému Python komunikovat s několika řešiči Ansys najednou pomocí programovatelného rozhraní. To znamená, že můžete vytvářet specializovaná řešení v jazyce Python a zároveň integrovat řešiče Ansys a další aplikace a nástroje pro počítačem podporované inženýrství (CAE). Python je díky své snadné použitelnosti, rozsáhlým knihovnám a velké vývojářské komunitě běžným jazykem používaným pro umělou inteligenci (AI) a ML.

Obrázek č. 1 Vysokotlaký systém pro přenos pryskyřice (RTM) společnosti Henkel, s laskavým svolením PR News

Vylepšení dynamiky tekutin pomocí PyFluent a ML

Ghoshův výzkum začal v roce 2021 v rámci požadavků programu Cornell na dokončení magisterského studia strojního inženýrství. Program vyžaduje, aby studenti prováděli dvouletý výzkum a publikovali diplomovou práci o svých zjištěních. Podle Ghoshe je hlavním problémem RTM to, že při výrobě kompozitního materiálu často vznikají dutiny, jako jsou suchá místa nebo vzduchové bubliny, které se později stávají místem konstrukčního selhání nebo slabiny. To je něco, co se letectvo a většina lidí v leteckém a automobilovém průmyslu, kteří používají RTM, snaží omezit, říká. Ghosh a jeho tým nejprve použili Ansys Fluent ke zkoumání dvou hlavních proudů tekutin: pryskyřice a vzduchu. Ghosh ocenil funkce programu Fluent pro výpočetní dynamiku tekutin (CFD), včetně paralelizace a možností následného zpracování, které jim umožnily definovat proměnné a sledovat hodnoty v různých bodech domény. Dále tým zvolil nový přístup ke zkoumání dutin pomocí nenewtonských tekutin, které se chovají odlišně při působení větší síly.

Obrázek č. 2 Simulace suchého místa (modrá) vytvořeného ve formě z pryskyřice pomocí vložek (bílá) 

Obrázek č. 3 Simulace suchého místa ve Fluentu (modrá) redukovaného v pryskyřičných formách pomocí vložek (bílá) 

Například některé nenewtonovské kapaliny jsou při působení síly viskóznější, zatímco jiné méně viskózní. Naopak newtonské kapaliny, jako je voda, při působení síly viskozitu nemění. Ghosh chtěl prozkoumat možné způsoby, jak omezit vznik suchých míst nebo vzduchových bublin v těchto dutinách tím, že zcela změní chování a reologii kapaliny. To však vyžadovalo, aby skupina prozkoumala velký prostor vzorků vlastností kapalin a určila, která vlastnost a sada parametrů zajistí nejlepší výplň kompozitního dílu – což je zdlouhavý a zatěžující úkol.

Ghosh, omezený svým vyhledávacím algoritmem, dal přednost zavedení statistické optimalizační techniky pomocí ML metody známé jako Bayesovská optimalizace, která zohledňuje pravděpodobnost a poskytuje odhad, kde by se mohl vyskytnout nejlepší výkon. Jak by ale Bayesovskou optimalizaci do Fluentu začlenili? Ghosh potřeboval kód, který by prohledal celý prostor vzorků, našel sadu parametrů k testování, spustil simulaci Fluentu s použitím těchto parametrů a poté – na základě tohoto výstupu – určil, kde je třeba hledat znovu nebo zda bylo dosaženo nejlepšího výsledku.

PyFluent umožnil Ghoshovi vytvořit kód s bezproblémovou integrací Fluentu, volat jej jako příkazový řádek a spouštět simulace bez nutnosti zadávat ruční vstupy. Textové uživatelské rozhraní PyFluent navíc umožnilo Ghoshovi měnit vlastnosti materiálu, aniž by musel přecházet do Fluentu, což ušetřilo čas tím, že se eliminovalo zpětné přecházení mezi aplikacemi. Podobně jeho uživatelsky definované funkce umožnily Ghoshovi rychleji a snadněji modelovat viskozitu materiálu.

Obrázek č. 4 Rozhraní GitHub pro kód PyFluent

“Byl jsem schopen vzít všechny soubory a data, spustit simulaci ve Fluentu, použít různé možnosti zpracování dat v PyFluentu a Pythonu k získání výsledků a poté nastavit další sadu simulací,” vysvětluje. “Abych vyčíslil, jak mi to pomohlo, dokončil jsem přibližně 2 000 simulací – z nichž některé trvají dva až tři dny – zhruba za dva měsíce. Nedokážu si ani představit, jak dlouho by to trvalo, kdybych je prováděl ručně.”

Obrázek č. 5 Ghosh použil PyFluent ke zrychlenému získávání dat z tisíců simulací.

Ačkoli Ghoshovým původním cílem bylo najít sadu parametrů, která by nejlépe fungovala ve všech scénářích, zjistil, že vzhledem k měnící se geometrii a parametrům procesu se mění i výplň a pryskyřice, která poskytuje nejlepší výplň.

“Takže to, co jsme vytvořili, je spíše nový přístup a pracovní postup využívající Fluent, PyFluent a optimalizaci pomocí strojového učení než definitivní odpověď na tuto otázku,” říká.

Ghoshovu diplomovou práci “Analýza tvorby suchých míst v RTM pomocí optimalizace parametrů nenewtonské pryskyřice” nedávno zveřejnil ProQuest.

Obrázek č. 6 Simulace suché skvrny ve Fluentu (modrá), která vzniká v případech nerovnoměrné propustnosti. (Objem pryskyřice je znázorněn červeně.)

Obrázek č. 7 Simulace suchého místa ve Fluentu (modrá) redukovaná v případech nerovnoměrné propustnosti. (Objem pryskyřice je znázorněn červeně.)

Přístup k průmyslovým nástrojům

Před nástupem na postgraduální studium se Ghosh setkal se simulacemi jen v omezené míře ve svém rodném indickém městě, kde simulace nebyly standardní součástí vysokoškolských osnov. Ghosh se však snadno dostal k bezplatnému studentskému softwaru Ansys.

“Na systému Ansys oceňuji, že zpřístupňujete simulace studentům po celém světě,” říká.

Bezplatný studentský software je od roku 2015 klíčovou součástí akademického programu Ansys. Program poskytuje univerzitám software s výraznou slevou pro použití ve výuce nebo ve výzkumu a zároveň poskytuje studentům bezplatné zdroje pro samostudium. V současné době je dosah na více než 3 100 univerzitách v 86 zemích.

Jako zastánce integrace simulací do akademického prostředí spolupracuje společnost Ansys s univerzitami na vývoji kurzů a programů. Oblíbený bezplatný kurz edX společnosti Cornell “A Hands-on Introduction to Engineering Simulations” popisuje, jak analyzovat reálné technické problémy pomocí simulačního softwaru Ansys. Kurz vede Rajesh Bhaskaran, ředitel Swansonova programu inženýrských simulací na Cornellově univerzitě.

Ghosh se do kurzu zapsal před několika lety a jak kurz, tak Bhaskaran v něm vzbudili zájem o studium na Cornellu.

“Na mé rozhodnutí to mělo vliv asi z 80 až 85 %,” říká. “Když jsem se s ním setkal osobně, říkal jsem si: ‘Nemůžu uvěřit, že vidím někoho, koho jsem viděl na obrazovce asi dva roky,’ ale od té chvíle to bylo jen lepší. Během jednoho z jeho kurzů jsem se setkal se samotným Johnem Swansonem. Potkal jsem člověka, který vlastně vytvořil Ansys.”

Ghosh se jako čerstvý absolvent letos v létě připravuje na práci v průmyslu a radí studentům technických oborů všech stupňů, aby získali zkušenosti se simulacemi a nástroji Ansys.

“Důvodem, proč je velmi důležité mít zkušenosti se systémem Ansys, je to, že tyto dovednosti jsou přenositelné,” říká. “Pokud víte, jak komerční simulační software funguje a co se snažíte vyřešit, jste schopni využít různý software. Ansys je také v průmyslu široce používán, takže pokud máte tyto dovednosti, velmi dobře se vám promítnou do práce.”

Ghosh by se rád věnoval mechanickému designu a věří, že jeho znalosti simulací Ansys a Pythonu se mu budou hodit.

“Chci zdůraznit, že nevěřím, že moderní inženýr může v současném odvětví přežít bez základních znalostí kódování,” dodává.

Uvolnění kódu pro průmysl

Společnost Ansys se zavázala demokratizovat simulace a zlepšovat zkušenosti vývojářů, a proto na začátku roku 2023 spustila portál Ansys Developer. Tato jednotná digitální platforma centralizuje technickou dokumentaci, interakci s odborníky a vývojářské nástroje napříč portfoliem společnosti Ansys s přímým přístupem k projektu PyAnsys, který zahrnuje PyFluent, PyMechanical a několik dalších balíčků v jazyce Python určených pro produkty Ansys.