Was sind Simulationen?

Eine Simulation ist eine imitierende Darstellung der Funktionsweise eines Prozesses oder Systems, der/das in der realen Welt existieren könnte. Der Begriff stammt vom lateinischen simulare ab, was "darstellen" bedeutet. Simulationen werden für verschiedene Zwecke durchgeführt, darunter: Voraussage des Verhaltens eines Systems, Schulung, Fehlerbehebung bei unerwünschtem Verhalten, Überprüfung einer erwarteten Antwort, Validierung eines Ansatzes, Optimierung von Aspekten des Prozesses oder Vorhersage künftiger Antworten.

Simulationen werden genutzt, wenn Sie nicht auf das reale System zugreifen können, wenn die reale Situation zu gefährlich ist oder wenn sich das Produkt oder der Prozess noch in der Designphase befindet. 

Techniker*innen führen Simulationen mit physikalischen Prototypen, mathematischen Modellen oder Computermethoden durch. Benutzende geben zunächst eine Gruppe von Variablen in das Modell ein und erfassen dann einen Satz an Ausgabewerten. Dies geschieht mithilfe der folgenden Schritte:

• Problemdefinition: Die Ziele der Simulation werden festgelegt und klare Eingaben und Ausgaben dokumentiert.
• Vorverarbeitung: Die Simulationsbenutzenden erstellen physikalische, mathematische oder Computermodelle für ihre Simulation. Dies ist der Schritt, in dem Faktoren wie Einschränkungen, Randbedingungen, Werkstoffe und Geometrie angegeben werden.
• Lösung: Das Modell bzw. die Modelle werden gelöst, in der Regel mit Computerprogrammen, die die gewünschten Ausgaben produzieren.
• Auswertung: Die Benutzenden nutzen eine Kombination aus menschlicher Überprüfung und Computerdatenanalyse, um die Ergebnisse im Verhältnis zu den Eingaben zu betrachten und Informationen für die Entscheidungsfindung zu sammeln. Die Ausgabe aus der Auswertung kann aus Text, Bildern, Diagrammen oder Animationen bestehen.
• Iterationen: Eine Simulation reicht normalerweise nicht aus. Benutzende können die Eingabeparameter manuell oder mithilfe von Optimierungstools ändern und dann die Simulation wiederholen, um weitere Informationen über das System zu erhalten. 

Forschende, Analysten, Entscheidungstragende und Techniker*innen führen Simulationen in vielen Disziplinen durch, um Erkenntnisse zu gewinnen. Einige Beispiele für Simulationen in verschiedenen Interessenbereichen:

• Wetter: Simulationen werden häufig für die Wettervorhersage eingesetzt. Eine Vielzahl von Simulationssoftware nutzt empirische Daten und mathematische Modelle, um die Wahrscheinlichkeit zukünftiger Temperaturen, Winde, Drücke, Niederschläge und Naturkatastrophen weltweit vorherzusagen.
• Produktpreisgestaltung: Anstatt Preise zu ändern und zu sehen, wie sie sich auf den Umsatz auswirken, können Entscheidungstragende Simulationen nutzen, die häufig auf KI-Methoden basieren, um die potenziellen Auswirkungen von Preisänderungen zu verstehen.
• Lieferketten: Viele Tools nutzen Timing und Abhängigkeit, um ein Verhaltensmodell der Lieferkette eines Unternehmens zu erstellen. Benutzende können schnell Workarounds für Unterbrechungen simulieren oder ihre Lieferkette bezüglich Kosten, Geschwindigkeit oder Stabilität optimieren.
• Geräte: Am häufigsten werden Simulationen beim Design und für das Lebenszyklusmanagement von Geräten eingesetzt. Von Computerchips bis hin zu Raketentriebwerken nutzen Techniker*innen Simulationen, die die Gesetze der Physik modellieren, um das Produktdesign so voranzutreiben, dass es den Designspezifikationen entspricht, die Leistung optimiert und die Kosten minimiert.
• Elektronisches Design: Elektronische Schaltungen weisen komplexe Interaktionen auf, die auf elektrischen und magnetischen Feldern basieren und schwer vorauszusagen sind. Schaltungssimulatoren werden genutzt, um das Verhalten elektrischer Schaltkreise in der Designphase zu berechnen. Diese Simulatoren sagen zu jedem Zeitpunkt Spannungen, Ströme und elektromagnetische Feldstärke voraus.
• Chemische Verarbeitung: Techniker*innen nutzen eine Vielzahl von Prozess-Simulationstools, um das Komponenten- und Systemverhalten von Chemiewerken und Raffinerien darzustellen.
• Molekulare Prozesse in der Biologie: Jüngste Fortschritte bei der Modellierung molekularer Prozesse und besseres Verständnis der Interaktion komplexer organischer Moleküle untereinander sorgen für massive Veränderungen im Gesundheitswesen. Forschende können durch Simulation neue Formulierungen für Impfstoffe, Antibiotika und Therapien entwickeln, bevor sie Millionen für Medikamentensynthesen und klinische Studien ausgeben.
• Videospiele: Fast jede/r hat bereits mit Simulationen in Form von Videospielen interagiert. Computerbasierte Spiele können so einfach sein wie ein Solitär-Spiel auf einem Mobiltelefon oder sie könnten komplexe Algorithmen und Virtual Reality (VR) zur Simulation virtueller Welten enthalten. 

Simulationen sind zu einem integralen Bestandteil der Entscheidungsfindung in allen Branchen geworden. Mit der zunehmenden Verbesserung von Computerprogrammen, die für die Modellierung und Simulation verwendet werden, steigen auch Aktualität und Wert von Simulationen. In den meisten Fällen verwenden Stakeholder rund um ein Produkt oder einen Prozess Simulationen, um dieses Produkt oder diesen Prozess besser zu verstehen. Diese Informationen können die Entwicklungskosten senken, teure physische Tests vermeiden, Änderungen bei der Verwendung des Systems oder Prozesses minimieren und die Gesamtzeit bis zur Markteinführung neuer Produkte oder Dienstleistungen verkürzen.

Die Vorteile von Simulationen, wie Kostensenkung, Verbesserung der Sicherheit, Optimierung der Leistung und Verkürzung der Entwicklungszeiten, können in eine oder mehrere der folgenden Kategorien unterteilt werden:

1. Zuordnen der externen Leistung in der Designumgebung

Die Messung der Leistung eines realen Produkts zeigt nur, wie es unter tatsächlichen Bedingungen funktioniert – und erst, wenn das Produkt existiert. Mit Computermodellen können Forschende und Techniker*innen so viele Situationen untersuchen, wie dem System je nach Bedarf begegnen könnten.

Dieser Prozess wird als Erkundung der Designumgebung bezeichnet und gibt Techniker*innen Einblicke in das Verhalten von Dingen in Situationen, die sie nicht messen können oder die noch nicht stattgefunden haben. Diese Informationen können verwendet werden, um ein Problem zu beheben, eine Entscheidung zu treffen, wenn mehrere Optionen verfügbar sind, oder um Details zu liefern, die ein Produkt oder eine Dienstleistung abgrenzen.

2. Verstehen der internen Leistung

Manches Verhalten in einem System kann einfach nicht direkt gemessen werden, entweder weil es keine geeignete Messmethode gibt oder weil das Hinzufügen eines Sensors oder eines anderen Messwerkzeugs das Verhalten des Systems verändern würde. Mit einer Computersimulation können Techniker*innen in das Produkt oder den Prozess, das/den sie designen, sehen und Informationen erhalten. Diese sonst verborgenen Werte zu kennen kann dabei helfen, Probleme zu lösen und bessere Entscheidungen zu treffen.

3. Optimieren der Leistung

Der entscheidende Vorteil von Simulationen ist die Möglichkeit, Eingaben zu ändern und Ausgaben zu erfassen, um das System oder den Prozess zu optimieren, das/den Sie simulieren. Sie können die Daten aus mehreren Simulationen untersuchen oder eine Optimierungsschleife einrichten, um Ihre Ziele zu erreichen. Unabhängig von der verwendeten Optimierungsmethode kann der Prozess die Kosten erheblich senken, die Leistung steigern und die Stabilität erhöhen. 

Verbesserung der Simulationsgenauigkeit

Die Genauigkeit und der Wert von Simulationen sind seit den 1980ern erheblich gestiegen, was mit den verbesserten Fähigkeiten im High-Performance Computing (HPC), verbesserten mathematischen Modellen, Fortschritten in der Informatik, besserer Software für den Modellbau und jüngst mit Fortschritten in der künstlichen Intelligenz (KI) einhergeht. Bessere Software hat Simulationen auch verfügbarer gemacht, und verbesserte Visualisierungs- und Optimierungstools ermöglichen nun mehr Einblicke für Benutzende. Simulationen haben sich immer positiv ausgewirkt, wenn sie korrekt angewendet wurden. Verbesserungen bei der Genauigkeit haben die Vorteile von Simulationen erhöht und das Spektrum der Situationen erweitert, in denen sie effektiv eingesetzt werden können.  

Wenn die meisten Menschen in der Ingenieurswelt den Begriff „Simulation“ hören, denken sie an numerische Simulation wie Finite-Elemente-Analyse (FEA) oder Computational Fluid Dynamics (CFD). Diese beiden Formen des Computer-Aided Engineering (CAE) werden häufig genutzt, aber Simulationen gibt es in vielen Formen. Das sind die gängigsten Kategorien:

Physikalische Modelle

Bevor es Computer gab, war der Bau eines physischen Prototyps für Tests die häufigste Art der Simulation. Diese analogen Modelle dienten als Möglichkeit, mit dem System zu experimentieren und es zu verstehen. Die Puppen, die bei Fahrzeug-Crashtests verwendet werden, sind ein großartiges Beispiel für einen physischen Prototyp. Sie imitieren das Verhalten eines menschlichen Körpers während des Aufpralls in einer simulierten Umgebung, da dies nicht sicher mit echten Menschen getestet werden kann. Physische Tests werden häufig zur Validierung von Computersimulationen genutzt. Das Ansys Hans Human Body Model ist ein Beispiel für eine digitale Version der physikalischen Simulation. 

Geschlossene Lösungen

In einigen Fällen können Techniker*innen das Verhalten eines Systems oder Prozesses – insbesondere eines Fertigungsprozesses – mit einer einzigen Gleichung erfassen, die in Echtzeit gelöst werden kann. Diese geschlossenen Lösungen können eigenständig oder mit Reduced Order Models (ROMs) und Datenanalyse in Systemmodellen kombiniert werden.

Datenanalyse

Eine andere Art von Simulation trifft Vorhersagen anhand von Daten, die aus physischen Tests gesammelt wurden, oder aus den Ergebnissen computergenerierter Modelle, die Diskretisierung oder geschlossene Lösungen verwenden. Dies kann so einfach sein wie das Anpassen einer Gleichung an die Daten oder so komplex wie die neuesten Algorithmen für KI und maschinelles Lernen (ML).

Diskretisierung

Die meisten realen Prozesse und Systeme sind zu komplex, um sie mit einer einfachen Gleichung oder einem Datensatz zu modellieren. Um diese Situationen zu simulieren, wird das Objekt oder der Prozess in kleinere Teile unterteilt, wobei jedes Teil durch einfachere Gleichungen beschrieben wird. Diese Gleichungen werden dann zu einer Matrix zusammengefügt und mit numerischen Methoden gelöst. Dieser Ansatz wird in Tools wie Ansys Mechanical Structural FEA Software, CFD-Programmen wie Ansys Fluent Fluid Simulation Software oder 1D Finite Difference Simulationstools wie Ansys Thermal Desktop Software genutzt.

Systemmodelle

Systemmodelle werden erstellt, indem geschlossene Lösungen oder Modelle reduzierter Ordnung zu einem Gleichungssystem verbunden werden, in dem die Ausgabe eines Knotens zur Eingabe im nächsten wird. Der Umfang von Systemsimulationen kann variieren, von der Modellierung des Arrays von Transistoren in einem Mikrochip mit Tools wie Ansys RedHawk-SC-Software bis hin zur Simulation von Satelliten im Orbit mit Ansys Systems Tool Kit (STK) Software. Model-Based Systems Engineering (MBSE) ist eine sich stetig weiterentwickelnde Methode für das Systemdesign, die ältere, dokumentationsbasierte Ansätze ersetzt.

Wo die Interaktion der Benutzer*innen bei Simulationen wichtig ist

Eine andere Möglichkeit, verschiedene Arten von Simulationen zu kategorisieren, besteht darin, zu sehen, wo sich die Benutzer*innen im Prozess befinden. Bei der Human-in-the-Loop-Simulation (HiL) werden Benutzer*innen über eine grafische Benutzeroberfläche (GUI), wie z. B. in der Ansys SCADE-Software – oder in einer Virtual Reality-Umgebung – direkt in die Simulation eingebunden. Wenn ein Mensch in die Simulationsumgebung eingefügt wird, können Teams praktische Erfahrungen mit dem System sammeln. Ein Flugsimulator ist ein gängiges Beispiel, in dem Benutzer*innen mit der Simulation in Echtzeit interagieren.

In den meisten Simulationen sind Menschen nicht am Lösungsvorgang beteiligt. Stattdessen nutzen sie eine Vielzahl von Tools, um die Ergebnisse zu erfassen und auszuwerten und dann entweder fundierte Entscheidungen anhand dieser Informationen zu treffen oder sie an Interessengruppen weiterzugeben, die sich auf diese Informationen für ihre eigene Entscheidungsfindung verlassen. 

Einzelphysik, mehrere Physiken und Multiphysik

Ein weiterer Unterschied zwischen verschiedenen Simulationstypen besteht darin, welche Physikdomänen sie enthalten und wie sie interagieren. Eine Simulation mit Einzelphysik löst eine Art Unbekannte, wie Temperatur, Spannung, Druck oder Anzahl von Ermüdungszyklen. In solchen Fällen benötigen Sie nur die Gleichungen und Eingaben, die für diese Physikdomäne relevant sind. In einer Simulation mit mehreren Physiken wird die Ausgabe einer Simulation zur Eingabe für eine andere. Sie können beispielsweise die Wärme berechnen, die von einem Mikrochip aufgrund von Leistungsverlusten erzeugt wird, und diesen Wert dann in eine Simulation eingeben, in der die Optionen für das thermale Management des Mikrochips bewertet werden.

Eine Multiphysiksimulation schließt die Schleife: Die Ergebnisse von nachgeschalteten Simulationen werden in eine vorgeschaltete Simulation eingespeist. Zurück zum Beispiel des Mikrochips: Die Temperatur des Chips beeinflusst seine elektromagnetische Leistung und seinen Widerstand, was wiederum die erzeugte Wärme und die elektrische Leistung beeinflusst. Multiphysiksimulationen mit einem Tool wie der Ansys RedHawk-SC Electrothermal Software automatisieren die bidirektionale Interaktion zwischen elektromagnetischer und thermischer Physik. Multiphysiksimulationen sind auch bei der Herstellung von Turbinenmotoren und vielen Fertigungsprozessen, wie Gießen, Spritzgießen und Metallumformen, üblich.

Typen numerischer Simulationsmethoden

Alle oben genannten Ansätze, die mathematische Ansätze zur Simulation der realen Welt nutzen, können auch durch den numerischen Ansatz kategorisiert werden, der von Softwareprogrammierer*innen verwendet wird. Die häufigsten sind:

• 1-D-, Schaltkreis- oder Netzwerkmodellierung: Ein Ansatz, bei dem die Geometrie der Modellkomponenten nicht explizit dargestellt wird. Das Programm löst für Ein- und Ausgaben an Knoten anstatt über Volumina oder Bereiche.
• Agentenbasierte Simulation: Ein Verfahren, bei dem das System als eine Sammlung autonomer Agenten dargestellt wird, die miteinander interagieren.
• Computational Fluid Dynamics: Eine Methode, die eingesetzt wird, um das geometrische Verhalten der Fluidströmung darzustellen. Sie nutzt die Finite Elemente Methode (FEM), die Finite Volumen Methode (FVM) oder die Finite Differenz Methode (FDM), um die partiellen Differentialgleichungen (PDEs) zu lösen, die durch Diskretisierung erzeugt wurden.
• Digitale Zwillinge: Ein allgemeiner Begriff, der jede digitale Darstellung eines physischen Objekts oder Systems umfasst.
• Diskrete Ereignissimulation (DES): Ein Ansatz, der genutzt wird, um reale Systeme, Einrichtungen oder Prozesse als eine Sequenz von Ereignissen in der Zeit darzustellen. Der Systemstatus ändert sich nur an bestimmten Ereignispunkten, sodass der Solver von Ereignis zu Ereignis wechselt und nicht über ein festgelegtes Zeitintervall.
• Explizite Dynamik (EXD): Eine Methode innerhalb der FEA mit einem expliziten Zeitintegrationsansatz zur Berechnung von Reaktionen auf angewendete Lasten über kleine Zeitinkremente. Sie wird hauptsächlich für hochdynamisches und hochgradig nichtlineares Verhalten genutzt, wie z. B. für Auswirkungssimulationen.
• Finite Differenz Methode: Eine Methode, die Derivate durch Berechnung der Werte der PDEs in einem diskretisierten System angleicht.
• Finite Elemente Methode: Eine in FEA verwendete Methode, die Geometrie in eindeutige Elemente diskretisiert und PDEs für jedes Element löst.
• Finite Volumen Methode: Eine Methode, bei der Geometrie in Kontrollvolumina diskretisiert wird.
• Monte Carlo-Simulation: Ein statistischer Ansatz zur Simulation, bei dem Fälle durch wiederholte Stichproben gelöst werden.
• Multibody Dynamics (MBD): Ein Ansatz, der das dynamische Verhalten eines Systems darstellt, das aus starren oder flexiblen Körpern besteht. Er löst die vollständige Bewegungsgleichung für jede Komponente. 

1. Microchip Signoff

Die Entwicklung eines neuen Mikrochips, von Speichergeräten bis hin zu den neuesten System-on-a-Chip (SoC) Lösungen, ist extrem teuer. Daher müssen Halbleiter-Foundries, die diese Chips herstellen, durch eine Reihe von Standardsimulationen verifizieren, ob ein Design herstellbar ist, bevor der Fertigungsprozess beginnt. Diese Verifizierungsschritte werden als Signoff bezeichnet. Ein gutes Beispiel dafür ist Intels Zertifizierung der Ansys-Energieintegrität und der integrierten elektromagnetischen Simulationstools zur Verifizierung ihrer 18A-Prozesstechnologie.

2. Robotik für die Fahrzeuglackierung

Das Lackieren von Automobilen ist ein wichtiger Schritt in jeder modernen Montagelinie, und Automobilhersteller verlassen sich bei dieser Aufgabe stark auf Robotik. Techniker*innen nutzen CFD-Simulationstools wie die Fluent-Software zur Modellierung der Sprühgeräte, ein Programm wie die Ansys Motion-Software zur Modellierung der Roboter, Gewährleistung eines effizienten Betriebs und Vermeidung von Kollisionen, die Ansys Maxwell-Software zur Optimierung der elektrischen Motorantriebe der Roboter und die Ansys SCADE One-Lösung zur Simulation der Steuerungssoftware und der Benutzeroberfläche. 

3. Quantencomputerdesign

Simulationen wurden schon immer genutzt, um das Design von Computern voranzutreiben – insbesondere von Quantencomputern. Durch die extrem niedrigen Temperaturen und die nicht intuitive Quantenphysik sind Simulationen entscheidend für die Entwicklung dieser neuen Geräte. Spezialtools wie Ansys Lumerical INTERCONNECT-Software und Ansys RaptorQu-Software ermöglichen Techniker*innen, ihre Designs zu optimieren, lange bevor teure Fertigungs- und Testarbeiten beginnen.

4. Nachhaltige Kraftstoffe für Triebwerke

Flugzeugtriebwerke verbrennen große Mengen an Kraftstoff, was erheblich zu den CO₂-Emissionen in der Atmosphäre beiträgt. Triebwerkhersteller wenden daher Simulationen an, um alternative, nachhaltige Kraftstoffe zu entwickeln und damit weniger Kohlenstoff zu produzieren oder freizusetzen. Sie verwenden chemische Reaktionssimulatoren wie die Ansys Chemkin-Pro-Software, um die Verbrennung neuer Kraftstoffe zu optimieren, und Mechanical- oder Fluent-Software, um Triebwerke so zu modifizieren, dass sie wasserstoffbasierte Kraftstoffe unterstützen.

5. Formel-E-Rennsport

Einer der besten Orte, um technologische Innovationen voranzutreiben, ist die Rennstrecke. Ein modernes Beispiel ist der wachsende Motorsport der Formel E, bei dem Fahrer*innen und Techniker*innen die neuesten Technologien für Elektrofahrzeuge testen. Um diesen Wettbewerbsvorteil zu behalten, verlässt sich das TAG Heuer Porsche Formel-E-Team bei der Validierung von vorgeschlagenen Designänderungen in hohem Maße auf Simulationen.

Kontaktieren Sie uns noch heute, um mehr darüber zu erfahren, wie Ansys-Software es Unternehmen ermöglicht hat, Grenzen in ihren Designs mit der Prognosefähigkeit von Simulationen zu überschreiten.

Zugehörige Ressourcen