Anvendelse af RPA i videnskabelige og tekniske beregninger

Indrejse

I skolen blev vi bedt om at løse mange lignende eksempler for at konsolidere vores viden. Vi var hele tiden irriterede: hvad er værdifuldt her? Erstat to eller tre værdier i formlen og få svaret. Hvor er tankeflugten her? Virkeligheden viste sig at være hårdere end skolen.

Nu arbejder jeg som IT-analytiker. Før jeg kom til IT-området, arbejdede jeg som varmeingeniør, CNC-programmør og deltog i forskningsprojekter.

Ud fra min egen erfaring er jeg overbevist om, at ingeniører og videnskabsmænd bruger 95 % af deres arbejdstid på sådanne "samme type" handlinger. Beregn ligninger, kontroller, optag resultater, kopier specifikationer. Projekt efter projekt, eksperiment efter eksperiment, dag efter dag.

Her er et par eksempler fra mit tidligere arbejde.

Indtil 2019 lavede jeg layouts til termisk vakuumstøbning. Hvis en sådan model er dækket af opvarmet plastik, får vi et produkt, der nøjagtigt gentager denne models geometri. Beskrivelse af teknologi her.

Mock-up produktionscyklussen kræver et helt sæt højt specialiserede applikationer:

• Autodesk Inventor til 3D-modellering;
• Excel til upload af emnedimensioner;
• Excel til beregning af omkostningerne ved layoutet;
• HSM-modul til oprettelse af et CNC-styringsprogram;
• Computerfilsystem til styring af programfiler;
• Mach3-miljø til styring af en CNC-maskine.

Data skulle overføres manuelt fra miljø til miljø, og disse omfattede hele tabeller og arrays af værdier. Processen er langsom, og der opstår ofte fejl.

Inden da deltog jeg i udvikling og produktion af lysledere (link). Der var en masse forskning, design og beregninger der: specialiserede miljøer til termiske og lysberegninger (Ansys, Dialux), plus omkostningsberegninger, plus Autocad og Inventor til modeller og tegninger. Og her de samme vanskeligheder: beregningsresultatet fra en applikation skal trækkes ind i en anden applikation til den næste beregning. Og så flere gange på jagt efter den optimale løsning.

En ingeniørs tid og en videnskabsmands tid er meget værdifuld tid. Vi taler ikke om løn her. Bag ingeniørens beregninger ligger et stort projekt med et team. Bag videnskabsmandens forskning ligger perspektivet for en hel industri. Men ofte overfører en højt kvalificeret specialist "dumt" værdier fra et program til et andet i stedet for at udvikle koncepter, modellere, fortolke resultater, diskutere og brainstorme med kolleger.

Kendetegnet ved det moderne forretningsmiljø er hurtighed. Markedet presser hele tiden på. I 2014 tog vi 2-3 uger at lave en model. I 2018 var det tre dage, og det virkede allerede for længe. Nu skal designeren producere flere løsningsmuligheder på samme tid, som tidligere kun var tildelt én mulighed.

Og endnu en pointe - investeringer og risici. For at "fange" et projekt, skal en virksomhed investere ~6% af omkostningerne ved dette projekt i konceptudvikling, før der indgås en aftale med kunden. Disse midler går:

• til forskning;
• koncept design;
• vurdering af lønomkostninger;
• udarbejdelse af skitser mv.

Virksomheden tager dem op af egen lomme, dette er sin egen risiko. Opmærksomhed på konceptet kræver specialisters tid, og de har travlt med rutine.

Efter at have stiftet bekendtskab med værktøjerne til at arbejde i en it-virksomhed, blev jeg interesseret i, hvilke forretningsprocesautomatiseringsmetoder, der kunne være nyttige for ingeniører. Således har virksomheder længe brugt robotprocesautomatisering (RPA) til at bekæmpe rutine.

RPA-producenter hævder følgende fordele ved et sådant automatiseringsværktøj:

1. alsidighed (robotten er i stand til at arbejde med enhver applikation, med enhver datakilde);
2. let at lære (ingen dybe kompetencer inden for programmering og administration er påkrævet);
3. udviklingshastighed (den færdige algoritme tager mindre tid end traditionel programmering);
4. reel aflastning af medarbejderen fra rutineoperationer.

Ud fra disse kriterier vil vi tjekke, hvad effekten af ​​at bruge RPA er i tekniske/videnskabelige beregninger.

Beskrivelse af eksemplet

Lad os se på et simpelt eksempel. Der er en udkraget bjælke med en last.

Lad os se på dette problem fra en ingeniørs position og fra en videnskabsmands position.

"Ingeniør"-kasse: der er en udkraget bjælke på 2 m. Den skal holde en belastning på 500 kg med en 3-dobbelt sikkerhedsmargin. Bjælken er lavet af et rektangulært rør. Det er nødvendigt at vælge sektionen af ​​strålen i henhold til GOST-kataloget.

Case "videnskabsmand": find ud af, hvordan belastningens masse, bjælkens tværsnit og længde påvirker denne bjælkes bæreevne. Udled regressionsligningen.

I begge tilfælde tages der hensyn til tyngdekraften, som virker på bjælken i forhold til bjælkens masse.

Lad os studere det første tilfælde i detaljer - "ingeniør". "Scientist"-sagen er implementeret på lignende måde.

Teknisk set er vores eksempel meget simpelt. Og en fagspecialist vil være i stand til at beregne det blot på en lommeregner. Vi har et andet mål: at vise, hvordan en RPA-løsning kan hjælpe, når opgaven bliver storstilet.

I forenklinger bemærker vi også: rørets tværsnit er et ideelt rektangel uden at runde hjørnerne uden at tage hensyn til svejsningen.

Ingeniørens opgave

Den generelle ordning for "ingeniør"-sagen er som følger:

1. På et Excel-ark har vi en tabel med rækken af ​​rør i henhold til GOST.
2. For hver post i denne tabel skal vi bygge en 3D-model i Autodesk Inventor.
3. Derefter udfører vi i Inventor Stress Analyses miljøet en styrkeberegning og uploader beregningsresultatet til html.
4. Vi finder værdien "Maximum von Mises stress" i den resulterende fil.
5. Vi stopper beregningen, hvis sikkerhedsfaktoren (forholdet mellem materialets flydespænding og den maksimale von Mises-spænding) er mindre end 3.

Vi mener, at en bjælke med et passende tværsnit vil give en 3-dobbelt sikkerhedsmargin og vil være minimal i vægt blandt andre muligheder.

I alt arbejder specialisten i vores opgave med 3 applikationer (se diagram ovenfor). I en reel situation kan antallet af ansøgninger være endnu større.

GOST 8645-68 "Rektangulære stålrør" indeholder 300 poster. I vores demoproblem vil vi forkorte listen: vi tager en vare fra hver størrelsesfamilie. Der er 19 poster i alt, hvorfra du skal vælge en.

Inventor-modelleringsmiljøet, hvor vi skal bygge modellen og lave styrkeberegninger, indeholder et bibliotek af færdige materialer. Vi tager strålematerialet fra dette bibliotek:

Materiale - Stål
Densitet 7,85 g/cu. cm;
Flydespænding 207 MPa;
Trækstyrke 345 MPa;
Youngs modul 210 GPa;
Forskydningsmodul 80,7692 GPa.

Sådan ser en tredimensionel model af en belastet stråle ud:

Og her er resultatet af styrkeberegningen. Systemet toner sårbare områder af strålen røde. Det er de steder, hvor spændingen er størst. Skalaen til venstre viser værdien af ​​den maksimale spænding i bjælkematerialet.

 

Lad os nu overføre noget af arbejdet til robotten

Arbejdsordningen ændres som følger:

Vi vil samle robotten i Automation Anywhere Community Edition (herefter benævnt AA) miljøet. Lad os gennemgå evalueringskriterierne og beskrive subjektive indtryk.

Alsidighed

RPA-løsninger (især kommercielle) er vedvarende positioneret som et middel til at automatisere forretningsprocesser og automatisere kontoransattes arbejde. Eksempler og kurser dækker interaktion med ERP, ECM og web. Alt er meget "kontoragtigt".

Først var vi i tvivl om, hvorvidt AA ville være i stand til at opfange grænsefladen og dataene fra vores Autodesk Inventor. Men alt fungerede virkelig: hvert element, hver kontrol blev defineret og registreret. Selv i serviceformularer med parametertabeller fik robotten adgang til den ønskede celle blot ved at pege med musen.

Dernæst var en test med lanceringen af ​​et styrkeberegningsstudie. Og heller ikke noget problem. På dette tidspunkt skulle vi omhyggeligt arbejde med pauser mellem handlinger, når systemet venter på, at beregningen er færdig.

Hentning af de resulterende data fra nettet og indsættelse af dem i Excel gik glat.
Inden for denne opgave blev alsidighed bekræftet. At dømme efter beskrivelserne fra andre RPA-leverandører er alsidighed virkelig et fællestræk ved denne kategori af software.

Let at lære

Det tog flere aftener at mestre: kurser, træningseksempler - det hele er der. Mange RPA-leverandører tilbyder gratis træning. Den eneste barriere: miljøgrænsefladen og AA-kurser er kun på engelsk.

Udviklingshastighed

Vi udviklede og fejlede algoritmen for "ingeniørens problem" om aftenen. Rækkefølgen af ​​handlinger blev fuldført i kun 44 instruktioner. Nedenfor er et fragment af Automation Anywhere-grænsefladen med en færdig robot. Lav kode/Ingen kodekoncept – der var ingen grund til at programmere: vi brugte operationsoptagere eller drug'n'drop fra kommandobiblioteket. Konfigurer derefter parametrene i egenskabsvinduet.

Aflastning fra rutine

Robotten bruger 1 minut og 20 sekunder på at behandle én post. Vi brugte omtrent lige meget tid på at behandle én post uden en robot.

Hvis vi taler om titusinder og hundredvis af poster, vil en person uundgåeligt blive træt og begynde at blive distraheret. En specialist kan pludselig være beskæftiget med en anden opgave. Med en person fungerer en del af formen "Hvis en opgave tager A minutter, så kan N sådanne opgaver udføres på A * N minutter" ikke - det tager altid mere tid.

I vores eksempel vil robotten sortere gennem posterne sekventielt, begyndende med de største sektioner. På store arrays er dette en langsom metode. For at fremskynde, kan du implementere successive tilnærmelser, for eksempel Newtons metode eller halv division.
Beregningsresultat:

Tabel 1. Resultat af valg af bjælkeafsnit

Videnskabsmands opgave

Videnskabsmandens opgave er at udføre flere numeriske eksperimenter for at bestemme loven, ifølge hvilken en bjælkes bæreevne ændres afhængigt af dens tværsnit, længde og masse af belastningen. Den fundne lov er formuleret i form af en regressionsligning.

For at en regressionsligning skal være nøjagtig, skal en videnskabsmand behandle en stor mængde data.

For vores eksempel er en række inputvariabler allokeret:

• rørprofilhøjde;
• bredde;
• vægtykkelse;
• stråle længde;
• lastens vægt.

Hvis vi skal lave beregningen for mindst 3 værdier af hver variabel, så er det i alt 243 gentagelser. Med en to-minutters varighed på én iteration bliver den samlede tid 8 timer - en hel arbejdsdag! For en mere komplet undersøgelse bør vi ikke tage 3 værdier, men 10 eller flere.

I løbet af undersøgelsen vil det helt sikkert vise sig, at yderligere faktorer skal inddrages i modellen. For eksempel "drev" forskellige stålkvaliteter. Mængden af ​​beregninger stiger titusinder og hundredvis af gange.

På en rigtig opgave vil robotten være i stand til at frigøre videnskabsmanden i flere dage, som specialisten vil bruge til at forberede publikationen, og dette er hovedindikatoren for videnskabsmandens aktivitet.

Resumé

En ingeniørs "produkt" er en virkelig fungerende enhed, et design. Robotisering af beregninger vil reducere risici på grund af en dybere udvikling af projektet (flere beregninger, flere tilstande, flere muligheder).

En videnskabsmands "produkt" er en ligning, et mønster eller en anden kompakt beskrivelse. Og jo mere nøjagtigt det er, jo flere data er involveret i analysen. En RPA-løsning vil hjælpe med at generere informations-"fødevarer" til modeller.

Lad os generalisere vores eksempel.

Beregningsmodellens rolle kan være enhver model: en bromodel, en motormodel, en varmesystemmodel. Specialisten er forpligtet til at sikre, at alle komponenter i modellen er i korrekt interaktion med hinanden, og at modellen giver "udenfor" et sæt nøgleparametre-variabler.

Computermiljøets rolle spilles af enhver applikation, som en specialist bruger i sit arbejde. Ansys, Autocad, Solidworks, FlowVision, Dialux, PowerMill, Archicad. Eller noget, der er udviklet internt, for eksempel et program til udvælgelse af ventilatorer på en fabrik (se Systemairs udstyrsvalgsprogrammer).

Vi betragter et websted, en database, et Excel-ark og en txt-fil som en datakilde.
Det endelige resultat af arbejdet - en rapport - er et Word-dokument med automatisk genereret tekst, et Excel-diagram, et sæt skærmbilleder eller et e-mail-nyhedsbrev.

RPA er anvendelig, hvor ingeniøranalyse er relevant. Her er nogle områder:

• styrkeberegninger og deformation;
• hydro- og gasdynamik;
• varmeveksling;
• elektromagnetisme;
• tværfaglig analyse;
• generativt design;
• kontrolprogrammer til CNC (for eksempel nesting);
• medicinsk og biologisk forskning;
• i beregninger af systemer med feedback eller ikke-stationære systemer (når det endelige resultat skal overføres til kildedata og beregningen gentages).

I dag bruges RPA-løsninger aktivt i erhvervslivet til at automatisere processer og arbejde med data. En kontormedarbejders, en ingeniørs og en videnskabsmands rutine har meget til fælles. Vi har vist, at robotter er nyttige i teknik og videnskab.

Lad os opsummere vores indtryk.

1. Alsidighed – ja, RPA er et universelt værktøj.
2. Let at lære – ja, enkelt og tilgængeligt, men du har brug for et sprog.
3. Udviklingshastighed - ja, algoritmen samles hurtigt, især når du får styr på at arbejde med optagere.
4. At frigøre sig selv fra rutinen – ja, det kan virkelig give fordele ved store opgaver.

Kilde: www.habr.com