Table of Contents

Что определяет облачную среду моделирования?

Мехатронные системы представляют собой сложное слияние машиностроения, электроники, теории управления и программного интеллекта. Разработка современного робота, трансмиссии электромобиля или автономной производственной ячейки требует, чтобы эти дисциплины были проверены вместе задолго до того, как будет собрано какое-либо физическое оборудование. Моделирование всегда было мостом между концепцией и прототипом, но вычислительная мощность, необходимая для многодоменных высокоточных моделей, часто напрягает местные рабочие станции и локальные серверные кластеры. Облачные инструменты моделирования изменили этот ландшафт, обеспечив эластичную вычислительную мощность, глобальную доступность и совместный рабочий процесс, который выводит инженеров, специалистов по управлению и разработчиков программного обеспечения на единую платформу. В этой статье исследуются архитектура, преимущества, практические приложения и новые тенденции облачного моделирования в разработке мехатронных систем, обеспечивая руководство для инженерных лидеров, которые оценивают цифровую трансформацию в своих процессах проектирования.

По своей сути, облачное моделирование передает вычислительную нагрузку моделирования и решения физических проблем от локальной машины к удаленным серверам, управляемым поставщиком услуг. В отличие от традиционного настольного программного обеспечения, которое работает исключительно на одной рабочей станции, эти инструменты поставляются в качестве услуги - часто через веб-браузер или легкий клиент. Они используют гипермасштабные центры обработки данных, оснащенные высокопроизводительными вычислительными (HPC) кластерами, графическими процессорами (GPU) и программируемыми массивами ворот (FPGA) для ускорения моделирования, которое в противном случае было бы непрактичным на месте. Основная инфраструктура абстрагируется от пользователя, позволяя командам сосредоточиться на точности модели и итерации проектирования, а не на закупке оборудования или обслуживании ИТ.

Модель платформы варьируется: некоторые решения обеспечивают полностью управляемую среду, в которой решатель моделирования, предварительная обработка и постобработка все выполняются в браузере (SimScale является хорошо известным примером), в то время как другие выступают в качестве облачного шлюза, который позволяет знакомым настольным инструментам, таким как ANSYS, Siemens Simcenter или MATLAB, загружать тяжелые рабочие места решателя в облачные ресурсы. Мехатронная разработка часто требует мультифизического совместного моделирования - объединения анализа конечных элементов (FEA) структурного компонента, вычислительной динамики текучей среды (CFD) для управления температурой и модели блок-диаграммы алгоритма управления, все работающие в шаге блокировки. Облачные архитектуры позволяют хореографировать эти гетерогенные моделирования через API и контейнерные решатели, резко уменьшая накладные расходы на интеграцию, которые исторически преследовали проверку нескольких доменов.

Почему облачное моделирование имеет значение для мехатронной инженерии

Мехатронные продукты по своей сути кросс-функциональны, и их поведение возникает только тогда, когда механическое движение, обратная связь с датчиком, команды привода и встроенный код взаимодействуют в режиме реального времени. Традиционное последовательное моделирование - где механическая команда проверяет коробку передач, команда электроники проверяет драйвер двигателя, а команда программного обеспечения проверяет контроллер независимо - оставляет риски интеграции опасно неоткрытыми до тех пор, пока не появятся физические прототипы. Облачные платформы решают эту проблему, позволяя непрерывное, сопряженное моделирование, которое отражает реальное взаимодействие подсистем. Значение распространяется на несколько измерений.

Непревзойденная масштабируемость и производительность

Работа мехатронной модели с полным приводом в режиме реального времени или масштабирование тысяч вариантов дизайна для роботизированного манипулятора может потребовать сотни ядер процессора в течение нескольких часов. На локальных кластерах HPC капиталоемки, и их мощность фиксирована; когда спрос на пики перед обзором вехи, инженеры конкурируют за ограниченные лицензии и вычислительные слоты. Облачные среды обеспечивают эластичную масштабируемость : работа по моделированию может лопнуть до 10 000 ядер в течение 20 минут, а затем мгновенно отказаться от них, с проектом, выставленным только для потребляемого вычислительного времени. Эта способность обрабатывать пиковые рабочие нагрузки без задержки ускоряет исследование пространства проектирования и поощряет более тщательную культуру проверки - командам больше не нужно обрезать исследования параметров для соответствия ночным очередям работы. Например, команда, проектирующая сервоуправляемую упаковочную линию, может оценить 500 различных комбинаций моторных гусеничных устройств против кривых крутящего момента и циклов усталости за один день, что займет недели на местных рабочих станциях.

Глобальная доступность и совместные рабочие процессы

Современные мехатронные цепочки поставок распределены по континентам. Дизайнер двигателей в Германии, разработчик алгоритмов управления в США и инженер-испытатель в Китае должны работать над одним и тем же виртуальным прототипом. Инструменты моделирования на основе облачных вычислений обеспечивают один источник истины: модели, граничные условия и наборы данных о результатах находятся в центральном хранилище, доступном через браузер. Изменения распространяются мгновенно, а интегрированные функции комментирования и контроля версий (похожие на функции в платформах, таких как Onshape или Google Docs для CAD) позволяют командам аннотировать результаты моделирования, совместно использовать панели мониторинга и даже совместно решать модели в реальном времени. Это сотрудничество в реальном времени устраняет след электронной почты больших файлов результатов и уменьшает задержку между изменением дизайна и обратной связью почти до нуля. Инженер-контроллер может настроить коэффициент усиления PID и сразу увидеть, как меняется механическая реакция на напряжение через Атлантику.

Экономическая эффективность и демократизация

Приобретение и поддержание стойки рабочих станций моделирования, наряду с бессрочными лицензиями на программное обеспечение, может легко растянуть бюджет инженерной фирмы среднего размера на семь цифр в течение нескольких лет. Потребление облаков переносит это на модель операционных расходов: плата за использование, ежемесячные подписки или корпоративные соглашения, которые масштабируются с количеством активных пользователей. Эта финансовая модель снижает барьер для малых и средних предприятий и академических исследовательских лабораторий, которые не могут оправдать выделенный кластер HPC. Кроме того, облачные платформы часто объединяют предварительно настроенные решатели и библиотеки шаблонов, а это означает, что младший инженер может проводить проверенный мультифизический анализ без недель настройки решателя. В результате ] демократизация моделирования расширяет пул участников и способствует культуре дизайна, основанной на моделировании. Студенты и стартапы получают доступ к тем же инструментам, что и компании из списка Fortune 500, выравнивая конкурентную область.

Более быстрые циклы итерации с ресурсами по требованию

Итерация — это сердцебиение мехатронного дизайна. Каждый раз, когда меняется механическое измерение, сдвигаются электромагнитные силы, и алгоритм управления должен быть перенастроен. Облачное моделирование уменьшает цикл итерации от дней до часов. Инженеры могут подавать несколько параметрических разверток параллельно, каждая вариация работает на независимых облачных узлах. Одна работа, которая занимала бы местную рабочую станцию в течение 48 часов, может быть завершена за 30 минут, распределяя по 100 ядер. Эта скорость позволяет командам исследовать более радикальные альтернативы дизайна, не опасаясь перерасхода графика. Результат — более инновационный продукт, который был проверен на стресс через более широкую операционную оболочку.

Практические применения на протяжении жизненного цикла развития

Облачное моделирование не является одноразовым инструментом; оно поддерживает мехатронную разработку от концепции до диагностики конца жизни. Следующие приложения подчеркивают, где оно оказывает наибольшее влияние.

Проверка дизайна и интеграция с несколькими физиками

На ранних стадиях инженеры должны подтвердить, что концепция соответствует функциональным требованиям в реалистичных условиях эксплуатации. С помощью облачных инструментов команда разработчиков может быстро построить сопряженную модель, которая включает в себя механическую сборку, электромагнитные приводы и набор датчиков. Например, проверка линейной оси для точного производственного робота может включать в себя моделирование структурной деформации под нагрузкой (FEA), пульсации силы тока линейного двигателя (электромагнитного) и теплового замачивания от непрерывной работы (CFD), все это время, когда цикл управления пытается поддерживать целевое положение. Запуск такого моделирования на ноутбуке будет непрактичным; облачная среда может решать мультифизическую модель параллельно, возвращая результаты в минутах. Инженеры могут затем повторять на материалах, конфигурациях обмотки или каналах охлаждения, с каждой итерацией, сообщая следующую, резко сжимая концепцию до детализированной фазы проектирования.

Разработка системы управления и виртуальная ввод в эксплуатацию

Алгоритмы управления мехатронной системой — будь то цикл PID, наблюдатель в пространстве состояний или прогностический контроллер модели — так же хороши, как и их производительность против реалистичной модели установки. Облачные платформы позволяют тестировать программное обеспечение в петле (FLT: 1) и (FLT: 2) с беспрецедентной легкостью. Модель установки (виртуальный прототип машины) работает в облаке, в то время как алгоритм управления может выполняться либо на облачном виртуальном ECU, либо на физическом контроллере, подключенном через интерфейс реального времени. Эта схема позволяет тестировать угловые случаи, впрыск неисправности и сценарии выносливости, которые были бы опасны или дороги для выполнения на физическом оборудовании. Виртуальный ввод в эксплуатацию — отладка кода PLC и функций безопасности от цифрового двойника производственной ячейки до установки на сайт — все чаще встречается в автомобильной и упаковочной технике. Облачное моделирование делает такие цифровые двойники общими между интеграторами управления и конечными пользователями, сокращая время ввода в эксплуатацию на месте до 80 процентов в некоторых документированных случаях (см. Обзор виртуального

Быстрое прототипирование и цифровая эволюция близнецов

Физическое прототипирование никогда не исчезнет полностью, но облачное моделирование позволяет инженерам тестировать сотни виртуальных вариантов перед резкой металла. Генеративные алгоритмы проектирования, которые предлагают органические, легкие структуры, основанные на путях нагрузки и производственных ограничениях, полагаются на массивные вычислительные ресурсы для оценки тысяч кандидатов; облачные решатели являются естественным двигателем для таких рабочих процессов. Как только продукт находится в эксплуатации, имитационная модель превращается в цифровой двойник — живую, связанную копию, которая поглощает данные датчиков из поля и предсказывает оставшийся срок полезного использования компонентов. Облачная инфраструктура имеет важное значение для цифровых платформ-близнецов из-за объема приема данных и необходимости запускать прогнозное моделирование по требованию. Инженеры могут затем активно планировать техническое обслуживание или продвигать обновления программного обеспечения в мехатронные системы, превращая моделирование из одноразовой проектной деятельности в оперативный инструмент.

Интеграция систем на основе моделей (MBSE)

Облачные платформы все чаще служат основой для подходов MBSE, где системные требования, функциональные архитектуры и физический дизайн связаны в когерентной модели. Мехатронные команды могут проследить требование максимального ускорения непосредственно к результатам моделирования модели трансмиссии. При изменении требований облачное моделирование автоматически повторно запускает затронутые подсистемы и флаги несоответствий. Эта прослеживаемость в сочетании с облачным управлением версиями гарантирует, что каждое дизайнерское решение подкреплено доказательствами моделирования. Например, производитель дронов может связать требование времени полета с мультифизическим моделированием батареи, двигателя и аэродинамического сопротивления, а затем регенерировать цифрового двойника всякий раз, когда поставщик компонентов меняет спецификации.

Прогнозное обслуживание и диагностика

Когда мехатронный актив, такой как коробка передач ветряной турбины или робот-упаковщик, начинает ухудшаться, его вибрационная подпись, ток-чертеж и профиль температуры отклоняются от номинального. Подача этих сигналов временных рядов обратно в облачное моделирование физики актива позволяет модели оценить первопричину - возможно, разброс на гонке подшипников или несоответствие. Эта диагностическая способность, часто улучшаемая с помощью классификаторов машинного обучения, работающих вместе с моделью физики, позволяет операторам принимать обоснованные решения без отправки полевого техника. Облачные платформы обеспечивают вычислительную среду для объединения данных в реальном времени с высокоточным моделированием, поддерживая стратегии прогнозного обслуживания, которые улучшают время безотказной работы и снижают стоимость жизненного цикла. Altair показывает, как облачные цифровые двойники сокращают незапланированное время простоя на 35% на крупном производственном объекте. Кроме того, стандарт FLT:2] Functional Mock-up Interface (FMI) облегчает обмен

Выбор правильной экосистемы моделирования облаков

Не все инструменты облачного моделирования созданы равными, и выбор для мехатронного развития зависит от требуемой точности моделирования, существующей цепочки инструментов и открытости команды к новым интерфейсам.

  • Платформы облачного моделирования общего назначения: Они обеспечивают браузерные многофизические среды, которые интегрируют импорт CAD, сетку, решение и постобработку. Они хорошо подходят для команд, которые хотят минимизировать ИТ-обузу и готовы принять новый интерфейс. Примеры включают SimScale и платформу Dassault Systèmes 3DEXPERIENCE.
  • Наследственные инструменты с поддержкой облака:] Крупные настольные решатели, такие как ANSYS, COMSOL Multiphysics и Siemens Simcenter, теперь предлагают возможности прорыва в облаке. Пользователи продолжают работать в своих знакомых препроцессорах, отправляя задания в облачные очереди HPC. Эта модель снижает кривую обучения, но все еще может потребовать значительных затрат на лицензию и конфигурацию.
  • MATLAB и Simulink Online: MathWorks предоставляет облачную версию своей повсеместной вычислительной платформы. Для мехатронных команд, глубоко инвестирующих в дизайн на основе моделей, MATLAB Online и Simulink в облаке позволяют сотрудничать без локальных установок и поддерживают API-ориентированное представление вакансий в облачные кластеры для тяжелых симуляций, таких как обучение с подкреплением на виртуальных прототипах.
  • Специализированные платформы мехатроники:] Некоторые поставщики облачных услуг сосредоточены на конкретных мехатронных областях, таких как моделирование силовых агрегатов (например, Modelon Impact для системных моделей с тепловой жидкостью) или тестирование управления робототехникой (например, NVIDIA Isaac Sim, работающий на облачных графических процессорах). Эти платформы часто включают готовые к использованию компоненты библиотеки для двигателей, датчиков и контроллеров, ускоряя построение моделей для команд, работающих над узким семейством продуктов.

Многие организации используют гибридный подход: использование выделенной мультифизической облачной платформы для ранних концептуальных исследований при сохранении критически важных решений на местах с облачным всплеском для пиковых требований. Стандарты интеграции, такие как интерфейс функционального взлома (FMI), позволяют модели, встроенные в различные инструменты, совместно имитировать в облаке, сохраняя предварительные инвестиции, обеспечивая большую полосу пропускания моделирования, которую требуют мехатронные системы.

Навигация по вызовам

Несмотря на неоспоримые преимущества, облачное моделирование не лишено препятствий. Руководители инженерных подразделений должны активно решать эти проблемы, чтобы обеспечить успех.

Безопасность данных и защита интеллектуальной собственности

Модели и данные о результатах мехатронной системы часто воплощают основное конкурентное преимущество компании. Передача этих данных стороннему поставщику облачных услуг вызывает законные вопросы безопасности. Репутационные поставщики смягчают риски посредством шифрования в пути и в состоянии покоя, управления доступом на основе ролей и специальных вариантов аренды. Для оборонных или сильно регулируемых отраслей гибридные архитектуры, которые выполняют предварительную обработку и чувствительные операции сетки на местах при выгрузке только анонимизированных рабочих нагрузок решателя в частное облако, набирают силу. Выбор поставщиков, которые соответствуют стандартам, таким как ISO 27001, SOC 2 или ITAR (где применимо), имеет решающее значение, и многие команды проводят тестирование проникновения третьих сторон перед посадкой на инструмент моделирования облака. Кроме того, методы анонимизации, такие как использование параметризированной геометрии вместо нативных файлов CAD, могут дополнительно уменьшить воздействие.

Зависимость от интернета и задержка

В то время как рабочие места решателя могут быть поставлены в очередь и выполнены асинхронно, сотрудничество в реальном времени и манипуляции с моделями страдают, если подключение плохое. Это может быть барьером для приложений на растительном уровне или для полевых инженеров в отдаленных местах. Возможности прогрессивного веб-приложения (PWA) и легкое офлайн-разрешение конфликтов появляются в качестве смягчающих функций, но на данный момент надежная связь остается ограничением дизайна. Инженерные организации реагируют, инвестируя в избыточные интернет-соединения и, где это возможно, используя граничные вычислительные узлы, которые преодолевают разрыв между локальными потоками данных и облачными вычислениями. Для чувствительных к задержке интерактивных задач, таких как совместная симуляция системы управления и установки в реальном времени, некоторые платформы предлагают региональные вычислительные зоны для сокращения времени в оба конца.

Кривая обучения и культурный сдвиг

Переход от зрелой среды моделирования рабочего стола к облачному рабочему процессу требует обучения и культурного сдвига. Инженеры, привыкшие к тонкому контролю над конфигурацией своей локальной машины, могут почувствовать потерю агентства при решении проблемы на удаленном кластере черного ящика. Эффективное управление изменениями включает в себя выбор чемпионов платформы, инвестирование в повышение квалификации и структурирование пилотных проектов, которые демонстрируют явные победы. Продавцы все чаще предлагают специализированные команды успеха клиентов и среды песочницы для снижения барьера. Со временем совместный характер облачных инструментов имеет тенденцию разрушать бункеры между отделами, но первоначальный переходный период должен управляться с терпением и четкой коммуникацией. Создание центра передового опыта для облачного моделирования может помочь распространять лучшие практики и обеспечить структуру поддержки для ранних пользователей.

Продавец блокировки и интероперабельности

Портативность данных является обоснованной проблемой. Собственные форматы результатов, API-интерфейсы для конкретного решателя и сценарии облачной оркестрации могут привязывать организацию к одному провайдеру. Стратегии смягчения включают в себя настаивание на открытых стандартах (например, экспорт FMU для моделей, CSV или HDF5 для результатов), поддержание уровня абстракции, который позволяет переключаться между облачными бэкэндами и согласовывать положения о выходе в корпоративных соглашениях. Стандарт FMI, поддерживаемый более чем 170 инструментами, особенно ценен в мехатронике, поскольку он позволяет модели контроллера, разработанной в Simulink, подключаться к модели установки, размещенной на облачном решателе другого поставщика, сохраняя гибкость. Некоторые организации также принимают многооблачный подход, выполняя рабочие нагрузки моделирования через двух поставщиков, чтобы избежать зависимости от одного поставщика.

Новые рубежи и будущие направления

Облачное моделирование быстро развивается, и некоторые тенденции обещают углубить его влияние на развитие мехатронной системы в течение следующих пяти лет.

Искусственный интеллект и машинное обучение

Моделирующие рабочие процессы генерируют обширные хранилища параметров, выходов временных рядов и вариантов проектирования. Облачные платформы уникально расположены для применения машинного обучения к этим наборам данных, создавая суррогатные модели, которые приближают физику к доли вычислительной стоимости. Нейронная сеть, обученная тысяче CFD-моделированию гидравлического клапана, может, например, прогнозировать коэффициенты потока в миллисекундах, позволяя в реальном времени обратную связь во время сессии CAD дизайнера. Усиление обучающих агентов, обученных на облачных цифровых двойниках, может выводить политику управления для сложных мехатронных систем без тщательной настройки вручную. Комбинация физического моделирования и моделей, управляемых данными, часто называемых «гибридными цифровыми двойниками», станет стандартной функцией, и эластичный вычисление облака является единственным практическим временем выполнения для обучения и размещения этих моделей. A недавнее исследование в Nature демонстрирует потенциал таких гибридных подходов в ускорении инженерных циклов проектирования.

Edge-Cloud Continuum для мехатронного управления в реальном времени

Линия между облаком и краем размыта. В то время как высокоточная симуляция остается облачной деятельностью, более легкие суррогатные модели, полученные из облачного моделирования, могут быть развернуты непосредственно на периферийных устройствах (например, контроллеры реального времени). Это позволяет мехатронной системе запускать бортовую прогностическую модель, которая предупреждает облако, когда условия выходят за рамки изученных норм, вызывая подробное диагностическое моделирование. Новая архитектура, иногда называемая «облаком до края континуум», гарантирует, что моделирование больше не ограничивается фазой проектирования, а становится встроенным интеллектуальным слоем. Для мобильных роботов, ветряных турбин или автономной сельскохозяйственной техники с прерывистой связью, этот федеративный подход обеспечивает устойчивость и снижает затраты на передачу данных.

Бессерверное и событийное моделирование

Облачные провайдеры внедряют модели безсерверных вычислений, где задания по моделированию запускаются событиями, такими как аномалия датчика в полевых условиях или изменение дизайна в системе PLM, и выполняются в эфемерных контейнерах. Это позволяет избежать накладных расходов на управление постоянными кластерами и дополнительно снижает затраты, заряжая только для используемого вычислительного времени. Для мехатронных команд это означает, что цифровой двойник может автоматически запускать моделирование «что-если» всякий раз, когда измеряется новый профиль нагрузки, отправляя оповещения инженерам только тогда, когда результаты превышают пороговые значения. Моделирование без сервера особенно подходит для мониторинга жизненного цикла и анализа уровня парка, где запускаются тысячи отдельных активов, каждый из которых запускает случайное моделирование.

Ранние достижения квантовых вычислений

Хотя квантовые вычисления все еще экспериментальны, они могут решить проблемы моделирования, которые неразрешимы для классических компьютеров, такие как полное квантово-точное моделирование электрохимии аккумуляторов или многотеловая динамика гранулированных материалов. Облачные платформы уже предлагают доступ к блокам квантовой обработки (QPU) от таких поставщиков, как IonQ и Rigetti, через такие рынки, как Amazon Braket. В то время как рабочий процесс квантового мехатронного моделирования, вероятно, через десять лет, ранние пользователи изучают гибридные квантово-классические алгоритмы для оптимизации траекторий управления и размещения датчиков, с облаком, действующим как интерфейс доступа.

Цифровая нить и управление жизненным циклом замкнутого цикла

Концепция цифровой нити — структуры, которая соединяет данные по всему жизненному циклу продукта — идеально сочетается с облачным моделированием. Требования, системные модели, результаты моделирования, данные испытаний и производительность поля связаны в прослеживаемой цепи. Когда происходит сбой поля, инженеры могут проследить до точных условий моделирования, используемых для проверки этой подсистемы, повторного запуска моделирования с обновленными нагрузками и подталкивания корректирующего действия. Облачные платформы, которые интегрируют управление жизненным циклом продукта (PLM), управление жизненным циклом приложения (ALM) и моделирование в одной среде, начинают впускать этот подход с замкнутым циклом. Результатом является мехатронный процесс разработки, который становится все более интеллектуальным с каждым поколением продукта, систематически снижая риск и ускоряя инновации.

Разработка стратегии моделирования облаков

Для организаций, которые еще не приняли облачное моделирование, поэтапный подход снижает риск и укрепляет внутреннюю уверенность. Начните с выявления одной, высокоценной мехатронной задачи - возможно, тепловой механической электрической связи, которая регулярно переполняет локальный вычислительный кластер - и перенесите этот рабочий процесс на облачную платформу в качестве доказательства концепции. Измерьте не только пропускную способность моделирования, но и влияние на итерации прототипов и инженерное сотрудничество. Используйте этот пилот для определения политики управления: кто может раскручивать большие кластеры, как отслеживаются затраты на проекты и какие средства контроля безопасности являются обязательными. Установите панели мониторинга затрат на ранней стадии для предотвращения бюджетных сюрпризов. Оттуда, расширяйте возможности моделирования облачных вычислений горизонтально по всем другим командам, постепенно увольняясь с локального оборудования, которое достигло конца жизни. Многие фирмы находят, что гибридная модель - поддержание небольшой локальной мощности для объемных параметров и цифрового двойного хостинга - предлагает лучший баланс производительности, стоимости и контроля. Кроме того, инвестируйте в учебные программы, которые охватывают не только интерфейс инструмента, но и лучшие практики для совместного моделирования, такие как использование определений

Заключение

Инструменты моделирования на основе облачных вычислений переопределяют способ, которым мехатронные системы разрабатываются, проверяются и управляются на протяжении всего срока их службы. Обеспечивая эластичную вычислительную мощность, повсеместный доступ и богатые функции совместной работы, они стирают традиционные границы между дисциплинами и географическими регионами. Проверка дизайна становится непрерывной параллельной деятельностью, а не последовательным вентилятором. Системы управления могут быть затвердевать против миллионов сценариев неисправностей до прикосновения к оборудованию. Цифровые двойники, питаемые облачными вычислениями, расширяют моделирование от лаборатории до поля, позволяя прогнозировать обслуживание и интеллектуальные обновления. В то время как проблемы вокруг безопасности, подключения и культуры остаются, траектория ясна: моделирование становится услугой, плавно встроенной в инженерный рабочий процесс. Для компаний, готовых использовать этот сдвиг, облако предлагает не просто более быстрый решатель, но и принципиально более быстрый и управляемый данными способ создания следующего поколения интеллектуальных машин. Организации, которые инвестируют в облачное моделирование теперь будут лучше расположены для обработки растущей сложности автономных систем, электрификации и связанных