Cloud Computing Strömungssimulationen schnell berechnet: Die Cloud macht es möglich

Anbieter zum Thema

CADFEM Germany GmbH

AMD Advanced Micro Devices GmbH

aPriori Deutschland

Mit scFlow von Hexagon untersucht das Ingenieurbüro InduSim den Frischwasseraustausch in einem Edelstahl-Schwimmbecken von Zeller Bäderbau. Auf Grund des hohen numerischen Aufwandes wird das Projekt in der Cloud durchgeführt. In diesem Anwenderbericht werden der Workflow der Berechnung von Strömungssimulationen und die Erkenntnisse zum Mehrwert der Cloud beschrieben.

Das Wasser in öffentlichen Schwimmbädern muss kontinuierlich mit aufbereitetem Frischwasser ausgetauscht werden. Das aufbereitete Frischwasser wird dem Schwimmbecken über drei Kanäle, versehen mit jeweils 20 Düsen, zugeführt. Das gebrauchte Wasser schwappt über den Beckenrand und wird in die Aufbereitungsanlage zurückgeleitet.

Strömungssimulationen für eine optimale Wasserqualität

Der Nachweis über den ausreichenden Frischwasseraustausch wird mit gängigen Verfahren erst nach der Fertigstellung und der Befüllung des Beckens mit eingefärbtem Wasser erbracht. Dabei wird einerseits visuell beobachtet und gleichzeitig mit der Stoppuhr gemessen, wie lange es dauert, bis sich eine Verfärbung des Wassers im gesamten Becken ergeben hat – soweit das menschliche Auge es wahrnehmen kann. Weil dieser Test erst ganz am Ende des Projektes durchgeführt werden kann und bei Nichtbestehen Änderungen extrem aufwändig und teuer sind, wird in der Planung mit hohen Sicherheitszuschlägen bei der Auslegung der Aufbereitung gearbeitet, was die Erstellungs- und vor allem die Betriebskosten deutlich erhöht.

Deshalb soll mit Hilfe einer CFD-Simulation bereits während der Planung der Wasseraustausch untersucht werden, der dann später in der Praxis problemlos bestätigt werden kann. Der Einsatz von CFD (Computational Fluid Dynamics) galt bisher für eine solche Aufgabenstellung als unpraktikabel: Zum einen erfordern die engen Düsen in der Frischwasserzuführung ein feines Netz, was zu sehr großen Ergebnisfiles führt, die nicht mehr handhabbar sind. Zum anderen benötigt die langsame Fließgeschwindigkeiten der Düsen eine lange Simulationszeit. Diese beiden Anforderungen übersteigen die Rechenkapazität eines modernen Berechnungscomputers mit den üblichen acht bis 16 Kernen bei weitem und führen zu langen Antwortzeiten (circa eine Woche pro Rechenlauf). Zudem ist für die Optimierung des Gesamtsystems während der Planung und für die weitere Entwicklung der Effizienz der Frischwasserverteilung im Becken eine Vielzahl an Rechenläufen notwendig.

Eine Lösung für dieses Problem ist die Verwendung von Cloud Computing. Für dieses Projekt wurde ein Maximum von 1500 Kernen auf der AWS-Cloud von Amazon frei geschaltet, allerdings wurden lediglich maximal 384 Kerne genutzt. Die reine Rechenzeit sinkt auf wenige Minuten. Zusammen mit den Zeiten für Up- und Downloads können mehrere Studien pro Arbeitstag durchgeführt werden.

Als Solver wird scFlow aus der Produktgruppe Cradle CFD von Hexagon eingesetzt. Es ist ein High-End-Simulationswerkzeug für CFD. Neben den effizienten Möglichkeiten der Vernetzung ist der Solver schnell, robust, exakt und verfügt über eine hohe Parallelisierungseffizienz auch bei einer großen Anzahl von Kernen.

Aufbau des Simulationsmodells

Der Aufwand für die detaillierte Modell­erstellung des Schwimmbeckens mit Düsen und Kanälen ist auch für die Cloud zu hoch. Für eine gute Ergebnisqualität müssen die Düsen entsprechend fein vernetzt werden (örtlich <0,1 Millimetern). Verwendet man diese Feinheit für alle 20 Düsen, würde die Anzahl der Zellen auf über eine Milliarde Elemente steigen. Die Größe der Ergebnisfiles würde im Bereich von Terabytes liegen und das Modell wäre für das lokale Pre- und Postprocessing nicht mehr zu handhaben.

Deshalb werden Vormodelle entwickelt, deren Ergebnisse im Gesamtmodell (zum Teil abstrahiert) sehr gut verwendet werden können. Außerdem werden – ohne Einschränkung der Ergebnisqualität – freie Oberflächen nicht berücksichtigt. Das Modell hat im Bereich der Überlaufrinne Auslässe als Randbedingung definiert.

In allen Modellen wird das Strömungsfeld in einem ersten Schritt stationär berechnet. Anschließend wird die Ausbreitung der Frischwasserkonzentration entlang dieser Strömungslinien transient über einen Zeitraum von insgesamt 15 Minuten simuliert.
 Innerhalb von zehn Minuten erreicht das Frischwasser alle Positionen im Becken – zwar in unterschiedlichen, aber immer ausreichenden Konzentrationen. Weiterhin können noch viele weitere, wichtige Ergebnisse abgerufen werden, etwa die Strömungslinien und Geschwindigkeiten im Pool. Daraus können wichtige Erkenntnisse zur Optimierung der Düsen- und Kanalgestaltung sowie der Düsenpositionen gewonnen werden und dadurch der Gesamtaufwand der Frischwasseraufbereitung reduziert werden – bei gleichbleibender oder sogar verbesserter Frischwasserqualität.

Struktur der Cloud und Bedienung der Oberfläche

Mit der Anmeldung in der Cloud erhält der Benutzer einen eigenen, privaten Zugang. Damit eine Rechnung gestartet werden kann, muss ein Cluster (eine Gruppe von verknüpften Rechnern und Servern) gebildet werden. Das Cluster wird bei jeder Berechnung neu eingerichtet. Das kann automatisiert erfolgen. Um Kosten zu sparen, wird es nach der Berechnung (automatisiert) wieder geschlossen.

Der Head Node führt selbst keine Berechnungen durch, sondern verteilt die Aufgaben an die Compute Nodes. welche die Aufgabe gemeinsam abarbeiten. Außerdem startet und beendet der Head Node die Compute Nodes nach der Beendigung der Berechnung.

Workflow und Datenübertragung in die Cloud

Das Simulationsmodell sowie das Rechennetz werden, wie gewohnt, auf einem lokalen Rechner erstellt. Das Netz und die Solver-Input-Daten werden in eine zip-Datei komprimiert und auf ein Amazon S3 Bucket hochgeladen. Das Hochladen von einem Gigabyte Daten dauert circa 30 Minuten.

Zuerst muss das Cluster mit Head Nodes und Compute Nodes vollständig gestartet werden (Dauer circa 10 Minuten). Nach dem Aufschalten auf den Head Node werden die Modelldaten aus dem Bucket-Speicherbereich in ein Verzeichnis auf dem Head Node kopiert und entpackt. Dann wird der Job an die Compute Nodes abgeschickt, der Lösungsprozess beginnt.

Nachdem der Solver die Berechnung beendet hat, können die Ergebnisse auf einen lokalen Rechner geladen werden. Zwar gäbe es die Möglichkeit, die Ergebnisse direkt in der Amazon Cloud auszuwerten, dabei fallen jedoch zusätzliche Kosten an.

Die Ergebnisdaten sind im Falle der transienten Analyse der Frischwasserkonzentra­tion des gesamten Pools insgesamt circa 150 Gigabyte groß. Sie sind auf einem lokalen Rechner mit acht Kernen und 128 Gigabyte Arbeitsspeicher noch gut handhabbar.

Strömungssimulationen: Rechnen in der Cloud oder lokale Rechenkapazitäten?

Die Lösungszeit großer Modelle reduziert sich in der Cloud drastisch und macht – wie in diesem Beispiel – eine Simulation überhaupt erst wirtschaftlich möglich. Allerdings sind zusätzliche Arbeiten für die Vorbereitung notwendig, und es entstehen zusätzliche Kosten.

Als erstes muss beispielsweise die Cloud individuell eingerichtet werden, dazu gehört die Installation des Solvers sowie die Kon­figuration des Lizenzservers, damit die Nodes auf die Lizenz richtig zugreifen können. 

In dem beschriebenen Projekt wurde die Vernetzung für alle Modelle lokal durchgeführt. Prinzipiell könnte diese auch in der Cloud erfolgen, und der Upload des Modells wäre wesentlich kleiner, doch die folgenden Gründe sprechen dagegen:Das Netz soll lokal verfeinert sein. Eine visuelle Kontrolle des Netzes und eine Überprüfung der Anzahl der Elemente vor dem Rechenstart erscheint daher notwendig.

Es ist nicht sicher, ob die Vernetzung durchläuft. Die Untersuchung einer eventuellen Fehlermeldung und die dann notwendigen Modifizierungen lassen sich schneller und einfacher auf dem lokalen Rechner durchführen.

In diesem Modell wurden Polyeder als Netzelemente gewählt. Der Algorithmus zum Vernetzen bei diesem Elementtyp lässt sich nicht sehr gut parallelisieren und hat bei circa 16 Kernen seine maximale Effizienz.

Angefallene Kosten bei AWS

In jedem Berechnungsprojekt werden verschiedene Modelle mehrmals mit geänderten Parametern berechnet. Bis die Modelle fehlerfrei durchlaufen und die gewünschten Konvergenzen erzielt werden, sind üblicherweise bei Neuentwicklungen mehrere Anläufe notwendig.

In diesem Projekt betrugen die gesamten Kosten für die Cloud weniger als 500 US-Dollar. Hinzu kommen allerdings noch rund 100 US-Dollar für den erweiterten Support von AWS in der Anfangsphase. Dieser war gut erreichbar und hilfreich. Für das Rechnen in der Cloud stellt Hexagon spezielle Lizenzen zur Verfügung.

Hoher praktischer Nutzen von Strömungssimulationen

Die Erkenntnisse aus Strömungssimulationen sind für Zeller Bäderbau nicht nur für dieses Projekt, sondern auch für weitere Projekte sehr hilfreich. Die Ergebnisse zeigen, wie mit deutlich weniger Frischwasser ein gleichmäßiger Austausch im Becken erreicht werden kann. Mit einem lokalen Rechner hätte die Simulation jedoch mit hoher Wahrscheinlichkeit nicht durchgeführt werden können, da die Lösungszeit pro Rechenlauf von mehreren Tagen mit dem lokalen Rechner nicht akzeptabel gewesen wäre.

Fazit: Eine CFD-Simulation des Frischwasseraustausches in einem Schwimmbecken (25x15x2 Meter) ist numerisch sehr aufwändig und kann auf einem lokalen Rechner auf Grund der zu erwartenden sehr langen Rechenzeiten nicht wirtschaftlich gelöst werden. Eine Berechnung in der Cloud liefert innerhalb kurzer Zeit sehr gute Ergebnisse. Die Cloudeinrichtung kann automatisiert werden. Für die Benutzung der Cloud und die zugehörigen Lizenzen fallen zusätzliche Kosten an, die sich aber auf Grund der wesentlich verkürzten Rechenzeit jedoch schnell amortisieren.

Der Autor Sebastian Ehrhart ist Consultant bei InduSim.