MtoM Mag - Le journal de l'MtoM.

Ces chiffres illustrent son importance croissante dans le cycle de conception des systèmes, produits, équipements ou infrastructures complexes tels que, par exemple, les aéronefs, véhicules, navires ou encore les trains, mais aussi les barrages, routes, machines, etc.

La simulation numérique est une réponse idéale à la complexité de ces systèmes et à leurs enjeux économiques et techniques. Elle permet de réduire les risques, d’optimiser les choix techniques et économiques pour rendre ces produits plus efficaces, performants, économes, sûrs, et respectueux de l’environnement. En effet, la simulation numérique intervient en phase de conception des systèmes, avant que ne soient réalisés les investissements majeurs en phase de prototypage puis de fabrication. La simulation numérique trouve ses applications dans tous les domaines, que ce soit en génie mécanique, électrique/électronique, civil, environnemental, chimique, biologique, médical, etc.

Le principe de la simulation numérique est de créer une maquette virtuelle (ou prototype virtuel) du système étudié (la plupart du temps en 3D), de le mettre en situation d’intérêt pour son concepteur (cas d’utilisation général ou particulier), puis d’observer et de mesurer un ou plusieurs phénomènes physiques qui entrent en jeu afin d’en analyser l’impact sur ce système. Parmi les phénomènes étudiés par les ingénieurs, en fonction du domaine d’application et du cas d’utilisation, on peut lister : les écoulements de fluides, la résistance des matériaux, le transfert de chaleur, les champs électromagnétiques, les vibrations, les sons, les réactions chimiques et bien d’autres encore.

Ainsi, la simulation numérique des phénomènes physiques fait partie intégrante de la notion de jumeau numérique ou digital twin d’un système, produit ou processus industriel. Ce n’est pas par hasard si les acteurs majeurs de la PLM (Product Lifecycle Management), de la CAD (Computer-Aided Design), de l’ingénierie système et du jumeau numérique (comme Dassault Systèmes, Siemens PLM, PTC, Autodesk, etc.) convergent et intègrent de plus en plus de solutions de simulation numérique à leur offre logicielle globale. De la même manière, les acteurs de la simulation numérique (comme ANSYS…) commencent à étendre leur offre vers le jumeau numérique.

La simulation numérique complète souvent et parfois remplace l’expérimentation sur le terrain et le prototypage physique. Elle permet aux concepteurs de bénéficier de la souplesse du logiciel pour envisager plus facilement et rapidement des alternatives de conception de leurs systèmes qui seraient bien plus coûteuses et longues à mettre en œuvre avec des maquettes physiques et des expérimentations. La puissance exponentielle des calculateurs rend ces solutions numériques abordables en termes de coûts et acceptables en termes de temps de calcul. La précision des résultats de simulation va dépendre à la fois des méthodes et modèles mathématiques utilisés, de leur mise en œuvre numérique, et des capacités de calcul mobilisées. Ainsi dans certains cas, une simulation numérique va permettre de faire 10 à 100 fois plus d’essais à un coût 10 à 1000 fois moindre qu’une expérimentation en situation réelle ou reproduite en laboratoire d’essais, avec une précision comparable.

On appelle « solveurs » les logiciels qui résolvent numériquement – par opposition à analytiquement – les équations mathématiques qui gouvernent les phénomènes physiques que l’on veut étudier. Ces solveurs se caractérisent par différents éléments bien particuliers :

 Une dimension scientifique (sciences physiques) importante et profonde – on peut effectivement parler de « deep-tech » – et un lien fort avec la recherche académique fondamentale et appliquée

 Une technicité logicielle importante car la plupart des solveurs (parfois appelés codes de calcul) doivent s’exécuter sur des machines à haute performance de calcul ou HPC (High Performance Computing) qui nécessitent une programmation parallèle et une optimisation spécifique pour pouvoir tirer parti efficacement des milliers de cœurs offerts par les supercalculateurs (ou clusters de calcul)

Souvent ces solveurs, issus des laboratoires de recherche, sont des « boîtes noires » qui « tournent » pendant des heures ou des jours sur des supercalculateurs à partir de milliers de paramètres d’entrée. Les résultats de leurs calculs représentent souvent plusieurs giga-octets de données. Leur mise en œuvre est souvent l’apanage d’experts qui rassemblent un panel de compétences multiples et très avancées :

 Les paramètres d’entrée requièrent une connaissance très fine non seulement des phénomènes physiques en jeu, mais aussi de leur méthode de résolution numérique, et de leur implémentation sur les architectures logicielles et matérielles des calculateurs. Il faut donc pouvoir réunir une triple expertise en sciences physiques, calcul numérique et HPC.

 Les données de sortie sont les données brutes des résultats de calcul qu’il convient de comprendre, analyser et ensuite interpréter. Il faut donc à la fois réunir la compréhension des données informatiques issues des calculs, de leur intérêt en science physique, et leur signification dans le domaine d’application étudié.

Cela peut représenter un frein majeur à l’adoption et mise en œuvre de solveurs à grande échelle comme va le requérir le déploiement massif du concept de jumeau numérique dans le cadre de l’industrie 4.0 ou smart manufacturing.

En effet, il faut pouvoir faire en sorte qu’un ingénieur-concepteur, expert dans son domaine d’application, n’ait pas besoin de connaître les détails des modèles physiques, des algorithmes d’analyse numérique, ou de répartition des calculs sur les processeurs HPC, afin de pouvoir tirer pleinement parti d’un solveur qui le guidera dans ses choix de conception.

C’est pour cela que des outils logiciels doivent accompagner les solveurs pour offrir une aide à la paramétrisation ou « mise en données » des calculs (appelées pré-traitement ou pre-processing), le déploiement et la mise en œuvre des calculs (computing), et l’exploitation des résultats (post-traitement ou post-processing).

Ces logiciels doivent avant tout faire gagner en productivité les utilisateurs de solveurs en réduisant drastiquement le temps de formation et de montée en compétence, ainsi que le temps-ingénieur de pre-processing et post-processing. Ils doivent aussi accompagner l’utilisateur dans la fourniture de résultats fiables, avec par exemple des vérifications de compatibilité des modèles physiques utilisés, de consistance des paramètres numériques…

Ces logiciels interactifs peuvent être qualifiés « d’environnements intégrés de simulation » ou ISE (Integrated Simulation Environments) et doivent répondre à plusieurs attentes :

 Une ergonomie optimale et une facilité d’utilisation qui passe par les dernières technologies en termes d’interface graphique ou GUI (Graphical User Interface) et modélisation/visualisation 3D des objets

 Une facilité de déploiement et d’administration de cette interface graphique, que ce soit sur une station de travail Linux ou Microsoft Windows, ou dans le cloud

 Une intégration fluide à l’environnement technologique de l’utilisateur et à ses process métier : logiciels (exemple : outils CAD, PLM…), formats standards de données et de fichiers, systèmes de gestion des données de simulation ou SPDM (Simulation Process & Data Management), etc.

 Une automatisation maximale des étapes techniques de préparation des simulations comme par exemple les opérations de maillage en mécanique des fluides pour rendre ces étapes non seulement plus rapides et faciles, mais aussi plus robustes car indépendantes de l’expertise ou savoir-faire de l’utilisateur

 Une pré-paramétrisation en fonction de profils d’utilisation et un accompagnement interactif à la mise en données pour guider l’utilisateur et réduire le nombre de paramètres à régler pour son solveur

 La gestion centralisée et sécurisée des projets, des configurations de calcul et des résultats (données de sortie)

 La possibilité de lancer des calculs sur toute configuration matérielle et logicielle, qu’elle soit sur un serveur de bureau « classique », un supercalculateur, une machine physique ou virtuelle, dans le cloud ou dans ses locaux (on-premise)

 La configuration, gestion centralisée et le suivi automatique des calculs sur différents calculateurs afin d’éviter de consommer du temps de calcul inutile si une simulation diverge

 La préparation des résultats de calcul et leur présentation sous différentes vues textuelle (listes, tableaux…) ou graphique (courbes 2D, représentations/animations 3D…) qui ont un sens pour le métier de l’utilisateur

Idéalement, on peut envisager 2 types d’ISE :

 Des ISE généralistes qui sont susceptibles d’offrir un environnement de productivité commun et familier pour plusieurs solveurs, dans un domaine physique particulier (exemple : mécanique des fluides ou CFD – Computational Fluid Dynamics), ou dans le domaine multiphysique (ou multiphysics)

 Des ISE spécialisés ou verticalisés dans un domaine d’application particulier (exemple : une suite logicielle marine dédiée aux architectes navals concepteurs de navires)

Ainsi, à l’aide des ces outils logiciels – environnements de simulation intégrés la simulation numérique peut passer d’un domaine réservé d’experts, à des utilisateurs certes ingénieurs avec une forte culture scientifique, mais non spécialistes du domaine physique, du calcul numérique ou de la HPC.

Cette tendance à la démocratisation non seulement accélère le déploiement de la simulation numérique au sein des entreprises conceptrices et fabricantes de systèmes et produits complexes, accélère la croissance des fournisseurs de ces solutions logicielles, et permet l’avènement attendu de la révolution numérique et les gains de coût, performance, sécurité et respect de l’environnement attendus par les industriels.

http://www.nextflow-software.com/