Su Edge9 abbiamo avuto modo di intervistare Satish Kanagala, Vice President. Sales, HPC & Cloud Business, Asia Pacific and EMEA di Altair, col quale abbiamo discusso di come si sta evolvendo il mercato degli HPC. Ma il supercalcolo è solo uno degli ambiti in cui opera la multinazionale, che nasce come azienda specializzata sulla simulazione tradizionale (simulazioni CFD, strutturali, elettromagnetiche e via dicendo), e che negli ultimi anni ha ampliato il ventaglio delle sue attività investendo anche su soluzioni di intelligenza artificiale e machine learning, oltre che sui digital twin, i gemelli digitali di prodotti, macchinari, fabbriche o intere smart city.
E ha speso non poco: “Abbiamo investito oltre mezzo miliardo di dollari nell’acquisire aziende leader di settore”, afferma Livio Mariano, Director of Simulation Data and Digital Twin di Altair Engineering. “E quando dico che abbiamo acquisito aziende, significa che abbiamo acquisito sia tecnologia sia le persone. Ed è molto importante in questo ambito, dato che non forniamo solo la tecnologia, il software. Noi offriamo anche dei servizi, e di conseguenza anche le competenze”. Comprensibile, del resto, se si pensa che le aziende acquisite non erano necessariamente concorrenti, ma spesso operavano in altri settori, come RapidMiner, specializzata in computational science e intelligenza artificiale.
Le due anime dei digital twin
In estrema sintesi, digital twin è una replica virtuale di un oggetto, un processo o un sistema reale, che può essere usato per simulare, monitorare e ottimizzare le sue prestazioni. Secondo Mariano, questi gemelli digitali si dividono in due macro categorie: “possono essere realizzati utilizzando un approccio physics driven, quindi basato su equazioni come nel caso della simulazione tradizionale di cui parliamo. Ma possono anche essere creati tramite algoritmi di machine learning, quindi data driven, basato sui dati. In Altair diamo ai clienti la flessibilità di poter utilizzare l’approccio migliore per ogni specifico problema”.
L’idea è che se si hanno già equazioni fisiche che descrivono un fenomeno è inutile scomodare l’intelligenza artificiale, dato che bastano le equazioni fisiche già note. Ma quando si ha a che fare con “problemi complessi, altamente non lineari, è difficile trovare un’equazione sufficientemente accurata per descriverli. E a quel punto entrano in gioco le capacità del machine learning”. In pratica, si parte dai dati e li si danno in pasto a degli algoritmi di machine learning, che li elaboreranno e identificheranno automaticamente cercando di descrivere la relazione che intercorre fra loro. Un esempio è la soluzione Altair romAI, uno strumento basato su IA per la creazione di digital twin, adottata da aziende del calibro di Leonardo e Cnh Industrial.
I gemelli digitali di cui abbiamo parlato fino a ora sono utilizzati nella fase di ideazione e di creazione di nuovi prodotti, in quanto portano il grande vantaggio di poter fare a meno di modelli e test fisici, o quantomeno di ridurne notevolmente il numero necessario, abbattendo tempi di sviluppo e costi. Prevedendo anche in anticipo, durante la fase di design, eventuali problemi che con i sistemi tradizionali sarebbero stati evidenti solo successivamente.
Ma ci sono anche altri tipo di digital twin, quello che secondo Mariano sono quelli “veri”: quelli utilizzati nella fase operativa. Parliamo di digital twin alimentati da sensori connessi ai prodotti reali, che permettono a chi li ha prodotti o li gestisce di avere informazioni in tempo reale su come si stanno comportando. Ed elaborando queste informazioni si possono ottenere una serie di vantaggi, a partire dalla manutenzione predittiva, per arrivare a un’ottimizzazione dei costi di esercizio (pensiamo all’illuminazione di una smart city gestita da un gemello digitale, per esempio).
La necessità di orchestrare l’IoT
Abbiamo visto che un digital twin operativo può venire utilizzato per determinare una serie di KPI (Key Performance Indicator) relativi al sistema reale. Ma poi è necessario anche realizzare degli strumenti per visualizzarli in maniera chiara ed efficiente, questi dati, e il flusso di informazioni proveniente da migliaia di sensori deve essere orchestrato. Infine, bisogna trovare anche il modo di elaborare i dati in tempo reale.
“Altair è l’unica azienda oggi in grado di offrire una piattaforma completa sotto questo profilo. Riusciamo a dare ai nostri clienti un servizio chiavi in mano, supportandoli in tutti gli step necessari per implementare un digital twin operazionale”. Soluzioni che però sono anche aperte: se un cliente ha già una sua piattaforma di acquisizione dati, non sarà obbligato ad appoggiarsi a quella di Altair. Potrà scegliere di acquistare solo i moduli che gli interessano. Ma, sottolinea Mariano, più che gli strumenti, quello che Altair offre ai clienti sono le competenze, fondamentali per accompagnare i clienti a mettere in piedi progetti di successo.
I Reduced Order Model
Quando si eseguono simulazioni molto complesse sui digital twin, i calcoli possono richiedere una quantità impressionante di tempo. Si pensi alle simulazioni dei flussi d’aria del sistema di condizionamento all’interno di un aereo passeggeri. Ci sono sistemi che possono calcolare con estrema precisione come si muove l’aria, nelle varie condizioni, in ogni angolo. Ma ha senso tutto questo? Non sempre: in questo specifico caso, per valutare il comfort dei passeggeri sono sufficienti alcuni punti chiave, prevalentemente la testa e i piedi e pochi altri punti specifici.
In queste situazioni è possibile utilizzare i Reduced Order Model, che semplificano i modelli riducendo così la complessità di calcolo. E velocizzando significativamente le simulazioni. Una delle funzionalità di romAI è proprio la creazione di questi modelli.
I casi d’uso
Un settore dove i digital twin sono da tempo uno strumento fondamentale è l’automotive, in particolare le vetture elettriche. Ma le applicazioni possono essere infinite. Fra i clienti di Altair, per dire c’è Cimbali, produttore di macchine da caffè. Altair ha realizzato un gemello digitale dell’intera macchina. Il produttore sfrutta questo gemello digitale per trovare nuove forme di ottimizzazione – per esempio quali materiali usare o le dimensioni dei componenti interni – riducendo l’utilizzo dei prototipi fisici. Non è l’unico. Lufthansa, per esempio, utilizza l’applicazione Altair RapidMiner per la manutenzione predittiva della propria flotta di jet. Grazie ai digital twin, è in grado di capire non solo qual è il momento migliore per effettuare la manutenzione dei velivoli, ma anche il luogo, così da ottimizzare anche i costi degli spostamenti dei tecnici. “In soli due mesi sono stati ridotti i tempi di downtime del 20%”, spiega Mariano.
Un caso peculiare e interessante è quello di Mabe, produttore di elettrodomestici, che sfrutta le soluzioni di Altair per misurare il livello rimanente di acqua nei panni dopo i cicli di centrifuga in base alla velocità di rotazione del cestello. Modellare questo sistema non lineare era estremamente complesso e per risolvere il problema è stata adottata una soluzione semplice: è stata messa la lavatrice su una bilancia. I dati ottenuti sono stati poi inseriti in romAI che è riuscito a realizzare un modello. Modello estremamente semplice, tra l’altro, dato che una semplice lavatrice doveva poterlo gestire in locale così da adattare la velocità di rotazione del cestello alla quantità di acqua rimanente. “Sono bastate solo 9 prove fisiche per generare questo modello”, dice Mariano. Fatto che sfata un mito: “non servono tanti dati per l’IA. Non sempre”.