シフト クラウドネイティブ パラメトリック ワークフローへ

大規模なパラメトリックプロジェクトで作業するエンジニアリングチームは、大規模な計算式負荷、頻繁な設計反復、分散されたグループ全体で緊密なコラボレーションのユニークなセットに直面しています。 ローカルワークステーションや固定容量HPCクラスターのシミュレーションを実行する伝統的なアプローチは、近代的なエンジニアリングタスクのスケールと複雑性を加速する可能性がますますます高まっています。 クラウドコンピューティングは、コンピュート、ストレージ、コラボレーションツールへのアクセスを提供し、実用的な選択肢を提供します。 この記事では、組織がクラウドエンジニアリングのスケールと複雑さを最適化し、ワークフローを最適化し、どのようにして、どのように変化するかを説明します。

スケールでパラメトリックエンジニアリングを定義する

パラメトリックエンジニアリングは、設計変数がパラメータとして表現される方法論です。 1つのパラメータは自動的にモデル全体を更新し、エンジニアが数千もの設計代替案を素早く探索できるようにします。 航空宇宙、自動車、建築、再生可能エネルギーなどの業界において、パラメトリックモデルは、何千もの相互依存関係を埋めることができます。 例えば、タービンブレードの最適な形状は、マテリアル特性、気流動、構造負荷に依存します。これらモデルは、リンクされたパラメータを介して表現されています。これらのモデルをスケーリングして、複数の変数が、より遠く離れた構成要素の要件を超えた、高機能的な構成要素を構成することを可能にします。

並列で並列的にパラメータのスイープ、感度分析、および多岐にわたる最適化を実行する機能は、クラウドの採用のための重要なドライバです。 []によると、エンジニアリングクラウドの採用に関するDeloitteレポート]]によると、シミュレーションワークロードをクラウドに移動する組織は、設計の探索範囲を拡大しながら最大30%までの設計サイクル時間を削減することができます。

クラウドコンピューティングのコアメリット

シミュレーションバーストの弾性スケーラビリティ

パラメトリックの調査では、同時に数百または数千のシミュレーションインスタンスを実行する必要があります。AWS、Azure、Google Cloudなどのクラウドプロバイダは、各々が異なるパラメータの組み合わせを処理する、数百台の仮想マシンをオンデマンドでスピンすることができます。この弾性は、高価なアイドルハードウェアを維持するために必要なことを排除します。例えば、1,000パラメータの変動のためのクラッシュシミュレーションを実行している自動車メーカーは、クラウドバースト容量を悪用することによって数週間以内にフルスイープを完了することができます。

ペイ・ア・ユー・ゴーモデルによるコスト効率

従来のHPCインフラは、大前資本支出と継続的なメンテナンスコストを含みます。クラウドコンピューティングは、これを運用コストにシフトします。チームは、必要なときにリソースをシャットダウンする能力で、使用している計算時間とストレージだけを支払う。予約インスタンスまたはスポットインスタンスは、予測可能なワークロードのコストをさらに削減することができます。 A 2023 []]] エンジニアリングクラウドコストのMcKinsey分析]]] は、企業が、企業が、HPCの株式の合計が25パーセントを削減するためにクラウドを採用したことがわかりました。

コラボレーションとバージョン管理の強化

クラウドベースのプラットフォームは、パラメータモデル、シミュレーション結果、および設計履歴の1つの真実のソースを提供します。異なるタイムゾーンのチームは、同じデータにアクセスし、リアルタイムで結果を視覚化し、大きなファイルを転送することなくレビューを実行することができます。 クラウドに展開されると、Directusのようなツールは、エンジニアがメタデータを管理し、パラメータセットを共有し、統一されたデータレイヤーを介して設計変更を追跡することができます。 これは、バージョンの競合を減らし、意思決定を加速します。

ツール選択の柔軟性

クラウド環境は、ANSYSとSiemens SimcenterからOpenFOAMやCalculiXなどのオープンソースツールまで、幅広いエンジニアリングソフトウェアをサポートしています。チームは、カスタムAMI(Amazon Machine Images)または、必要なソフトウェアスタックで事前に構成されるコンテナイメージをスピンアップできます。この柔軟性により、エンジニアリング部門は新しいツールで実験したり、長い調達サイクルなしでシミュレーションのセットアップを調整したりすることができます。

エンジニアリングワークフローにおけるクラウドソリューションの実装

クラウドへのパラメトリックワークフローを移動することはワンクリックプロセスではありません。データのアーキテクチャ、セキュリティ、チームトレーニングの慎重な計画が必要です。 以下は、重要なステップ組織が成功する移行を確実にするために従うべきです。

プロジェクト要件とマップのワークロードを評価

パラメータタスクがクラウドスケーリングから最も利益をもたらすかを識別することによって開始します。 典型的な候補者は、大規模なパラメトリックスイープ、モンテカルロシミュレーション、最適化ループ、および感度分析を含みます。 データの量を評価し、計算時間、および実行頻度を評価します。 この評価を使用して、汎用計算インスタンス、GPU認証インスタンス、CFDまたはFEA、または大規模構造解析のための高測定インスタンスの間で選択します。

クラウドサービスとアーキテクチャの選択

主要なクラウドプロバイダは、HPCに特化したサービスを提供します。

  • AWS HPC]:ParallelCluster、Batch、EC2 スポットインスタンスで、費用対効果の高い並列シミュレーションを行います。
  • [\Aze HPC]:CycleCloud、HBv4シリーズVM、メモリ集中ワークロード。
  • [:クラウド・バッチ、最適化されたVMファミリーのGoogleコンピュートエンジン。

多くのエンジニアリング組織は、パラメトリックモデルを格納し、シミュレーションの実行をタグ付けし、取得するためにメタデータレイヤー(例えば、Directus)でクラウドオブジェクトストレージ(例えば、S3、Blobストレージ)で結果的にハイブリッドアーキテクチャを採用しています。 コンピューティングリソースは、オーケストレーションスクリプトまたはCI / CDパイプラインを介して要求に応じて規定されます。

データのセキュリティとコンプライアンス

工学的特性 — パラメトリックモデル、シミュレーション結果、設計方法論は、非常に敏感です。次の保護を実施します。

  • []クラウドネイティブKMSソリューションを使用して、休憩とtransit[で暗号化します。
  • [] 優先度ポリシーで、アイデンティティとアクセス管理(IAM)[]。
  • []ネットワーク隔離]]は、VPC、プライベートサブネット、VPN接続を介して。
  • パラメトリックデータへのアクセスを追跡する、オーディオロギング[]。

航空宇宙や医療機器などの規制産業では、ITAR、HIPAA、FedRAMPなどの規格に準拠したクラウド領域を選択します。

拡張可能なワークフローと自動化の開発

クラウドリソースの手動プロビジョニングは、頻繁にパラメトリックな研究では、持続可能なものではありません。 インフラストラクチャー・アコード・ツール(Terraform、AWS CDK)を使用して、再利用可能なコンピュート環境を定義します。 Apache AirflowやAWS Step Functionsなどのツールを使用して、パラメトリック・スイープ、データ・コレクション、および後処理をチェーンするジョブ・オーケストレーションを実行します。 たとえば、ワークフローは、Directusデータベースから1セットを読み込みます。 (2)クラウドインスタンスのシミュレーションのバッチをトリガーし、(3)結果をパラメトリック・ス・ス・モデルにまとめ、(4)データを直接更新し、データ・モデルを直接更新します。

共通の課題を克服

データの転送ボトルネック

オンプレミスストレージとクラウド間で大規模なシミュレーションモデル(ギガバイトからテラバイト)を移動すると、遅延が発生する可能性があります。 ソリューションには、クラウドストレージゲートウェイを使用して、直接リンクを接続するか、または初期のバルク転送のためにハードドライブを出荷するなどが含まれます。 クラウド内では、レイテンシを最小限に抑えるために同じ領域内のデータを保存します。

クラウドコストの管理

適切なガバナンスがなければ、クラウド支出はスパイラルにすることができます。予算アラートを設定し、可能な場所のインスタンスを使用して、アイドルリソースを終了する自動スケールポリシーを実行します。プロジェクトやユーザーによるすべてのリソースをタグ付けして、コストトラッキングを有効にします。定期的なコスト監査は、サイズ変更または停止できる過小評価インスタンスを特定するのに役立ちます。

エンジニアリングチームにおけるスキルギャップ

エンジニアは、シミュレーションソフトウェアで有益であるかもしれませんが、クラウド操作では不慣れです。トレーニングプログラムに投資し、クラウドアーキテクトを雇うか、専門サービスに従事する。多くのクラウドプロバイダーは、HPC固有の認証トラックを提供しています。小規模なパイロットプロジェクトから始めて、スケーリング前に自信を持ってROIを実証することができます。

リアルワールド・ケース・スタディ

大気空間: パラメトリック空気の最適化

大手航空機メーカーは、翼エアフォーム形状の多岐にわたる最適化を実行するためにクラウドHPCを使用しました。 彼らは50パラメータ(キャンバー、厚さ、ツイストなど)を定義し、10,000以上の設計ポイントを生成しました。 各ポイントは、CFDシミュレーションが必要です。 AWS ParallelClusterを使用して、何千ものコアを組み合わせて、チームは3日間でフルスイープを完了しました。内部クラスターで6か月かかる作業。 最適化された設計は、航空機の寿命を延ばすために5.2%削減し、航空機寿命を節約します。

土木工学:パラメトリック橋設計

長スパンブリッジに特化したエンジニアリングファームは、クラウドベースのパラメトリックモデリングを採用し、さまざまな材料グレード、ケーブルアレンジ、負荷の想定の影響を評価しています。設計パラメータの管理のための構造解析と指令のAzure Batchの組み合わせを使用して、設計フェーズを12週間から4週間に短縮しました。クラウドソリューションは、ヨーロッパとアジアの構造エンジニアと製造チーム間のリアルタイムコラボレーションを可能にし、再作業を30%削減しました。

未来の動向:AIとクラウドネイティブの並列エンジニアリング

クラウドコンピューティング、AI/ML、パラメトリック設計のコンバージェンスは、新しいフロンティアを開いています。 ジェネレーション設計ツールは、クラウドトレーニングモデルを使用して、最適なパラメータを自動的に提案することができます。 強化学習エージェントは、クラウドホスト型シミュレーション環境と相互作用することにより、設計スペースを探索します。 クラウドコストが低下し、レイテンシが向上し続けるにつれて、ヒトの介入なしにパラメトリックモデルが進化する完全に自動化された設計最適化ループが期待できます。

さらに、サーバーレスアーキテクチャとエッジコンピューティングは、パラメトリックシミュレーションが生成される場所を近づけることを可能にします。たとえば、リアルタイムセンサーデータをプロトタイプからキャプチャし、オンザフライ再較正のためのパラメトリックモデルに戻します。クラウドネイティブのパラメトリックワークフローをビルドする組織は、明日これらの機能を利用するのに最適なでしょう。

コンテンツ

クラウドコンピューティングは単なるコスト節約ツールではありません。 パラメトリックエンジニアリング — それは、設計革新の戦略的有効化者です。 弾性計算、シームレスなコラボレーション、および柔軟なツール統合を提供することで、クラウドはエンジニアリングチームは、以前に有利な問題に取り組むことを可能にします。 成功した採用は、アーキテクチャ、セキュリティ、スキル、およびコストガバナンスに対するかなりのアプローチが必要です。 しかし、組織が移行に投資する予定のために、ペイオフは実質的です:市場投入までの高速な時間、より高い設計品質、および競争のエッジの複雑化がますますますますますますますますますますますます複雑にエンジニアリングの分野。