A demanda por IA torna o gargalo energético crítico Os centros de dados impulsionados por IA, com seu apetite insaciável por eletricidade, estão remodelando a infraestrutura energética. As turbinas a gás estão em uma posição privilegiada para enfrentar esses desafios. Ao contrário das energias renováveis ​​intermitentes, elas fornecem energia despachável, garantindo confiabilidade 24 horas por dia, 7 dias por semana, para os centros de dados. Por exemplo, o supercomputador Colossus xAI da Tesla, em Memphis, depende de 35 turbinas a gás no local para suportar suas 200.000 GPUs. É por isso que o mercado de turbinas a gás industriais está se expandindo rapidamente, impulsionado tanto pela demanda quanto pela inovação. De fato, clusters de treinamento de IA em larga escala podem exigir centenas de megawatts de capacidade firme, apresentando perfis de carga altamente variáveis, impulsionados por ciclos de utilização de GPUs, sistemas de refrigeração e agendamento de cargas de trabalho. Ao contrário das cargas de data centers convencionais, as fábricas de IA apresentam um desafio fundamentalmente novo: flutuações de energia estocásticas e de alta frequência sobrepostas a grandes demandas sustentadas que devem ser atendidas pelos recursos de geração em tempo real. Arquiteturas e equipamentos de energia para data centers – Fonte: Siemens Energy A utilização de turbinas a gás em paralelo para alimentar centros de dados de IA cria uma configuração de microrrede isolada. A instalação de múltiplas turbinas a gás aeroderivadas ou de grande porte lado a lado permite que os operadores ajustem a produção de energia dinamicamente para atender à demanda computacional extrema. Embora se dê muita atenção à turbina a gás em si, o verdadeiro desafio reside na otimização de todo o ecossistema energético: equilibrar a geração de energia, o armazenamento em baterias, a interação com a rede e a demanda altamente variável de inteligência artificial. É aqui que o Simcenter Amesim oferece uma vantagem decisiva. Através da simulação de sistemas multidomínio, as equipes de engenharia podem avaliar, otimizar e validar as arquiteturas de data centers com sua geração de energia por turbinas a gás antes da implementação do hardware no local. Por que as cargas de trabalho de IA representam um desafio para as redes elétricas? Eventos como campanhas de treinamento em GPU ou grandes cargas de trabalho de inferência geram sequências de inicialização e desligamento. Ao contrário da hospedagem web tradicional, com curvas diurnas previsíveis, as cargas de computação de IA experimentam mudanças abruptas e massivas devido à dinâmica diferenciada da carga de trabalho. Isso cria variações de energia tanto previsíveis quanto estocásticas que o sistema de energia precisa acomodar. A demanda por computação de IA em data centers impulsiona a necessidade de geração de energia dinâmica. Carga de trabalho de IA Perfil elétrico Impacto na microrrede Treinamento em GPU Carga massiva e sustentada com etapas repentinas e sincronizadas quando os lotes iniciam, falham ou atingem um ponto de verificação. – Períodos: 100 ms a 30 s Causa uma queda severa na frequência da rede se milhares de GPUs entrarem em funcionamento simultaneamente. Inferência e sugestões Picos de carga altamente estocásticos e intermitentes, baseados no tráfego de usuários e no comprimento do contexto. – Duração: 50 ms a 1 s (fase de pré-carregamento) ou segundos a minutos (fase de decodificação). Requer capacidade de reserva rotativa imediata para evitar quedas de tensão. Ciclos de IA agéticos Ciclos de raciocínio em várias etapas causam picos de energia sustentados e imprevisíveis em vários nós. Duração: minutos a horas. Impede que as turbinas operem em seus pontos ideais de funcionamento em regime permanente, reduzindo a eficiência térmica. Perfil típico de carga variável de computação de IA devido ao treinamento em GPU e solicitações imediatas – Fonte: Roland Berger (esquerda) e Lu et al. (direita) Por isso, projetar turbinas a gás adequadas para atender a esses perfis de carga de IA é fundamental. Isso tem um impacto direto nas operações, no controle e nos aspectos de resfriamento. Sequências de Iniciar/Parar/Reiniciar: Partidas e paradas frequentes reduzem a vida útil dos componentes da seção quente devido à fadiga térmica (uma partida pode equivaler a 10-20 horas de funcionamento de desgaste). As partidas a frio demoram muito tempo para absorver aumentos de potência da IA ​​(Inteligência Artificial) de menos de um segundo. Consequentemente, as turbinas precisam operar em reserva rotativa (em marcha lenta com alto consumo de combustível) ou depender de Sistemas de Armazenamento de Energia em Baterias (BESS) para compensar a lacuna de resposta transitória (50–500 ms) enquanto as turbinas aceleram. Estratégia de controle: Os controladores PI tradicionais de malha fechada reagem muito lentamente à comutação de GPUs em microssegundos. A arquitetura de controle exige Controle Preditivo Feed-Forward, onde o agendador do cluster de IA sinaliza o sistema de controle da turbina (TCS) milissegundos antes de despachar cargas de trabalho pesadas da GPU. Distribuição do sistema de refrigeração: Os circuitos de refrigeração líquida (unidades de resfriamento e chillers) acompanham a variação da carga elétrica. Se as GPUs tiverem uma queda rápida de carga, a demanda por refrigeração despenca. Turbinas operando em modo de ciclo combinado (utilizando caldeiras de recuperação de calor residual) sofrem desequilíbrios térmicos, correndo o risco de choque térmico nos trocadores de calor ou ebulição do fluido refrigerante. Vamos investigar como gerenciar esses requisitos graças ao gêmeo digital no Simcenter Amesim. Consideraremos aqui a turbina a gás SGT-800 da Siemens Energy, embora pudesse ser qualquer outro tipo de turbina a gás (menor ou maior) de qualquer fabricante do mundo. A ferramenta Simcenter é muito flexível e pode se adaptar a qualquer configuração possível em poucos minutos com apenas alguns cliques. Por que escolher a turbina a gás Siemens Energy SGT-800? O Siemens SGT-800, com uma potência elétrica nominal de aproximadamente 47,5 MW, é ideal para suportar centros de dados de IA de médio e grande porte. Turbina a gás SGT-800 – Fonte: Siemens Energy Para instalações que exigem centenas de megawatts, várias turbinas a gás podem ser implantadas em paralelo para fornecer geração de energia escalável e resiliente. Em vez de tratar cada turbina como um ativo isolado, os operadores de data centers precisam cada vez mais de ferramentas para avaliar como várias unidades de geração interagem com cargas de trabalho variáveis ​​de IA, sistemas de armazenamento de energia em baterias (BESS), conexões com a rede elétrica, infraestrutura de refrigeração ou controladores de microrredes. Essa perspectiva de integração de sistemas emergiu como um requisito fundamental durante as discussões sobre as futuras arquiteturas de energia para data centers. Essas simulações agregam valor para fabricantes de equipamentos originais (OEMs), integradores de sistemas, fornecedores de energia e operadores de data centers. Um gêmeo digital da turbina a gás SGT-800, aplicado às necessidades de um Data Center, pode ajudar a explorar questões-chave como: Quando devem ser acionadas as turbinas adicionais? Quais são os impactos da ciclagem na vida útil da turbina? Como os custos operacionais podem ser minimizados? Como deve ser fornecida a energia entre as turbinas e a rede elétrica? Gêmeo digital para pré-dimensionamento no Simcenter Amesim Vamos ver como o Simcenter Amesim está acelerando o desenvolvimento de turbinas a gás com a Simulação de Sistemas. O modelo em regime permanente foi dimensionado inicialmente utilizando a ferramenta "Gas turbine performance tool", um recurso integrado do Simcenter Amesim. Ela permite selecionar a arquitetura adequada para gerar diretamente, em poucos segundos, o layout do sistema com todos os seus componentes devidamente conectados. O fluxo de trabalho começa com a seleção da arquitetura da turbina a gás — neste caso, uma configuração de turboeixo de um único eixo — e a definição das principais características da ficha técnica necessárias para estabelecer o ponto de operação projetado. Seleção de arquitetura na “Gas turbine performance tool” Considerou-se aqui uma configuração de turboeixo de um único carretel, utilizada como base para o dimensionamento estático do SGT-800. Em seguida, obteve-se as características de desempenho nominais usadas para estabelecer o ponto de operação de referência. Uma vez definido o ponto de projeto, a ferramenta realiza cálculos em lote em uma gama de condições de operação fora do projeto. Cálculos de lotes fora do projeto: verificação da faixa de operação em múltiplos níveis de carga, de 90% a 105% da carga nominal. Isso possibilita verificar a faixa de operação da turbina a gás em vários níveis de carga, tipicamente de 90% a 105%, e verificar como a máquina se comporta sob diferentes condições ambientais e de ponto de operação. Exibição dos mapas de desempenho: mapas do compressor HP e da turbina HP Os mapas do compressor HP e da turbina HP são usados ​​para visualizar a vazão mássica corrigida, a taxa de compressão, as tendências de eficiência e a faixa de operação antes de gerar o modelo completo do Simcenter Amesim. Após a conclusão do dimensionamento e das verificações da faixa de operação, o botão “Gerar Esboço” cria automaticamente o modelo de turbina a gás correspondente no Simcenter Amesim. Geração automática de esboços do modelo Simcenter Amesim O modelo completo da turbina a gás foi gerado com seus parâmetros predefinidos. Ele está preparado para a próxima etapa de integração com os sistemas auxiliares: a transmissão, o gerador, a carga computacional da IA ​​e os controladores dos diferentes subsistemas. Leva apenas alguns minutos para alcançar essa grande conquista. Agora, vamos para a próxima etapa: obter o modelo dinâmico para os transientes completos do gêmeo digital. Modelo dinâmico para análise transiente O modelo dinâmico amplia essa arquitetura com inércias do eixo, dinâmica da embreagem e da caixa de câmbio, malhas de controle de combustível, sequenciamento de partida, comportamento do regulador de queda de potência e um perfil de carga computacional estocástico de IA de data center para avaliar a resposta transitória e o rastreamento de potência. Modelo completo do SGT-800 com a turbina a gás e seus subsistemas ao redor. O modelo compreende três subsistemas interconectados: O núcleo termodinâmico: compressor “Inlet Guide Pale” (mapas SAE, mistura de gases de 6 espécies: N₂, O₂, Ar, CH₄, CO₂, H₂O), zona de combustão primária (combustível CH₄, PCI = 47 MJ/kg, η_comb = 99,95%) e turbina de alta pressão. O sistema de transmissão: inércia do eixo de alta pressão (J₁ = 1000 kg·m², assistida por IA), embreagem principal, caixa de câmbio (relação Ngen/Ngg_nom = 1500/6600), inércia do lado do gerador (J = 14000 kg·m², assistida por IA), acoplamento rotativo mola-amortecedor. Controle e Carga: Controlador de combustível PID, regulador de queda de potência, máquina de estados de sequência de partida e modelo estocástico de demanda de data center. Em vez de tentar simular diretamente os algoritmos de IA, a conexão da rede do centro de dados é representada como um sinal estocástico de demanda de energia composto por dois componentes matemáticos: Um componente aleatório para as flutuações de curto prazo Um sinal aleatório uniformemente distribuído r(t) representando os eventos imprevisíveis de troca de carga da GPU. Isso captura a natureza rápida e não determinística dos picos de carga de trabalho de IA em um horizonte de agendamento de 10 segundos. Um componente harmônico para as interações da grade periódica Três termos sinusoidais modelam os ciclos de carga periódicos impulsionados pela demanda de refrigeração, pelo agendamento de tarefas em lote e pelos ciclos de gerenciamento térmico. O sinal combinado passa por um filtro de atraso de primeira ordem (τ_DC = 0,5 s) antes de ser enviado ao regulador de queda de potência, impedindo que o sistema de combustível da turbina reaja aos picos instantâneos. Evolução variável da carga computacional de IA representada por um sinal estocástico de demanda de energia. Uma estratégia de controle hierárquica, totalmente eficaz graças à IA A turbina a gás não deve seguir diretamente cada flutuação da carga de IA. Em vez disso, é necessária uma arquitetura de controle hierárquica, composta por diferentes camadas e seus respectivos controladores. Camada 1: Dinâmica da Turbina a Gás: No nível mais baixo, o modelo SGT-800 representa a dinâmica do compressor, o comportamento do sistema de combustível, o processo de combustão, a velocidade do eixo e a geração de energia elétrica. Camada 2: Controlador da Unidade de Turbina: Cada turbina contém suas próprias funções de controle. Elas estão disponíveis para sequenciamento de partida, regulação de velocidade, controle de carga, limitações de temperatura e sistemas de proteção. O objetivo é garantir uma operação segura e eficiente, acompanhando os pontos de ajuste de potência fornecidos pelos controladores de nível superior. Camada 3: Controle Supervisório da Usina: O controlador supervisor gerencia um conjunto de turbinas. Por exemplo, uma usina de 300 MW pode operar 6 unidades × SGT-800 de 47,5 MW ≈ 285 MW de capacidade instalada. Suas principais responsabilidades incluem o despacho de unidades, o compartilhamento de carga, as decisões de partida/parada, a gestão de reservas e a otimização da disponibilidade. Essa abordagem torna-se particularmente relevante à medida que os recentes complexos de usinas hidrelétricas implantam múltiplas unidades de turbinas a gás operando em paralelo. A estratégia de controle utiliza um regulador de queda de potência (droop governor) e um controlador PID. Trata-se, na verdade, da estratégia clássica de queda de potência combinada com um controlador de combustível PID em cascata. O regulador de queda de potência ajusta o ponto de ajuste do fluxo de combustível com base no erro de velocidade do gerador, impedindo que a turbina acompanhe cada microflutuação da demanda estocástica do data center. ΔP_setpoint = P_nom · (−1/R) · (N_act − N_nom) / N_nom [R = 5% de queda] Arquitetura de controle com estratégia de queda de tensão clássica e controlador de combustível PID em cascata. Uma queda de 5% (R = 0,05) significa que um desvio de velocidade de 5% produz uma resposta de potência de 100% — proporcionando um comportamento semelhante ao de um compressor isócrono na faixa de operação. O controlador PID a jusante aciona então a válvula de combustível para atingir o ponto de ajuste de fluxo de combustível corrigido, com saturação de saída para evitar sobrepressão ou superaquecimento do compressor. Algumas chaves dinâmicas sequenciam os laços de controle durante as fases de partida, autossustentação e potência nominal. Vale ressaltar que o assistente de IA do Simcenter Amesim desempenhou um papel significativo no dimensionamento e ajuste de vários parâmetros-chave que, de outra forma, exigiriam extensas iterações ou dados experimentais. Foi fundamental para o sucesso e para a obtenção rápida dos primeiros resultados. Parâmetro Valor sugerido por IA Justificativa Física Arquitetura de Controle Global hierarquia de 4 camadas IA propôs uma arquitetura em camadas: PID da turbina → regulador de queda → chave supervisora ​​→ filtro de carga CC Temporização da sequência inicial t₁=1 s, t₂=30 s, t₃=90 s, t₄=30 s Desligamento → autossustentação → rampa de velocidade nominal; inspirado nos dados de comissionamento do SGT-800 Ganhos PID (Kp, Ki) 4,0 / 0,5 Ganhos proporcionais-integrais ajustados via IA para uma resposta robusta do controle de combustível com queda de 5%. Equações de Demanda de Energia Modelo harmônico + aleatório A IA recomendou a superposição aleatória estocástica de harmônicos de 3 frequências para simular os perfis de carga da GPU da IA. Inércia do gerador J 14 000 kg·m² Inércia do lado do gerador; reflete uma máquina síncrona típica da classe de 47 MW. Inércia do eixo HP J₁ 1 000 kg·m² Inércia rotacional do lado da turbina; dimensionada para dinâmica de velocidade estável durante transientes de carga. A parametrização é bastante aprimorada graças ao Assistente de IA do Simcenter Amesim. Muito bem, agora tem-se s turbina a gás SGT-800 completa, com sua estratégia de controle e subsistemas. As equipes de engenharia podem começar a investigar diversos tipos de testes correspondentes a vários cenários. Resultados da simulação para a sequência completa de inicialização Chegou a hora de analisar as grandes conquistas que pode-se obter com este gêmeo digital da turbina a gás SGT-800 no Simcenter Amesim. O modelo executa uma simulação transiente de 600 segundos, capturando toda a sequência de inicialização, seguida pela operação com carga nominal sob demanda estocástica de um data center. Primeiramente, são analisados os resultados do rastreamento de potência. No canto superior esquerdo, é apresentada a saída do gerador em função da demanda de energia do data center [MW]. No canto superior direito, é exibido o gráfico da taxa de fluxo de combustível [kg/s], juntamente com os comandos de partida e conexão à rede. No canto inferior esquerdo, é apresentada a carga do gerador [%]. Já no canto inferior direito, são mostradas a velocidade do GG (gerador a gás) [rpm] e a potência líquida do gás [MW]. O transiente de partida é claramente observado durante o período de 0 a 150 s, enquanto, posteriormente, verifica-se o estado estacionário controlado por queda de tensão. Gêmeo digital SGT-800 – Potência e operação global Tudo sob controle! A análise passa agora para outras grandezas importantes para garantir o funcionamento adequado da turbina a gás nos diferentes pontos de operação durante a fase transitória. As informações relevantes são apresentadas, da esquerda para a direita, para o compressor, a turbina e o escapamento. Na parte inferior, os gráficos mostram, respectivamente, a margem de sobrepressão e a taxa de compressão do compressor, a vazão mássica de ar da turbina, a taxa de fluxo de calor e a temperatura da câmara de combustão. Gêmeo digital SGT-800 – Evolução da pressão e temperatura, margem de sobrepressão e relação de pressão Finalmente pode-se verificar as informações sobre o compressor e a turbina referentes às suas linhas de operação em seus respectivos mapas. Gêmeo digital do SGT-800 – Mapa do compressor (esquerda) e mapa da turbina (direita) À esquerda, é apresentado o mapa do compressor, contendo sua linha de surto, as linhas de iso-velocidade (70–105% da velocidade corrigida) e a linha de operação simulada. À direita, é apresentado o mapa da turbina, com suas linhas de iso-velocidade de vazão mássica em função da relação de pressão corrigida, além da linha de operação nas condições de projeto. Ambos os mapas utilizam dados de desempenho no formato SAE, disponíveis na biblioteca "Gas Turbine Engine" do Simcenter Amesim. Principais conclusões – Uma implementação bem-sucedida desde o primeiro dia. Este modelo SGT-800 demonstra uma estrutura de simulação viável em nível de sistema para avaliar a operação de turbinas a gás em ambientes de data centers de IA. Os resultados mostram que a sequência de inicialização, o controle de queda de potência e o regulador de combustível PID atuam em conjunto para acompanhar uma demanda estocástica de computação de IA que representa bem os padrões de carga de trabalho da GPU. O Simcenter Amesim permite que engenheiros identifiquem a melhor tecnologia para turbinas a gás para alimentar Data Centers de IA, reduzindo drasticamente a necessidade de protótipos físicos. Dessa forma, contribui para o fornecimento de sistemas adequados para geração de energia, garantindo operação bem-sucedida no local desde o primeiro dia. O retorno sobre o investimento (ROI) com a redução das iterações de projeto, do ciclo de desenvolvimento e do comissionamento é enorme. A verdadeira inovação não reside apenas na turbina a gás, mas na capacidade de simular e otimizar todo o ecossistema energético de um centro de dados com inteligência artificial. Indo além – Tantas possibilidades com uma estrutura tão flexível Agora que o gêmeo digital da sua turbina a gás para Data Centers está pronto, só há benefícios em explorá-lo para aproveitar seu potencial intrínseco e aumentar a produtividade em casos de uso relevantes. Há muitos próximos passos interessantes a serem investigados. Por exemplo, podemos listar algumas ideias iniciais aqui: Geração de energia para data centers combinando turbinas a gás, energias renováveis, sistemas de armazenamento de energia em baterias (BESS), sistemas de alimentação ininterrupta (UPS) e controles. ⚙️Considere N turbinas a gás em paralelo para obter a geração de energia total. Isso pode ser feito duplicando o modelo de turbina a gás individual, que leva 12 segundos de tempo de CPU para simulações de 600 segundos, ou substituindo-o por um modelo de ordem reduzida (ROM) ainda mais rápido, caso sejam necessárias centenas de simulações. 🔋Investigar configurações híbridas para gerenciar as variações lentas e rápidas da carga de computação de IA. Normalmente, avalia-se o Sistema de Armazenamento de Energia em Baterias (BESS) em instalações alimentadas por IA, em vez de forçar as turbinas a gás a reagir a cada flutuação de energia. As variações rápidas são gerenciadas pela bateria, enquanto as variações lentas são gerenciadas pelas turbinas a gás. ♻️Considere complementar a geração de energia com fontes renováveis, como painéis solares ou turbinas eólicas. Com um Sistema de Gestão de Energia (SGE) de alto nível para coordenar as turbinas a gás, as baterias, as fontes renováveis ​​e a conexão à rede, minimizando também os custos operacionais. 💧Investigar combustíveis alternativos como o hidrogênio (H₂) para turbinas a gás em substituição ao metano (CH₄). Combustíveis sustentáveis ​​são alternativas aos combustíveis fósseis tradicionais que podem reduzir significativamente as emissões de carbono. Derivados do hidrogênio, como a amônia (NH₃) e o metanol (CH₃OH), também podem ser utilizados para descarbonizar turbinas a gás e apoiar a transição para um futuro energético mais sustentável. 💰Explore a avaliação técnico-econômica da microrrede completa com turbinas a gás e controladores para calcular o custo de energia em cenários realistas, considerando condições climáticas, métricas de OPEX/CAPEX e previsões de emissões de CO₂. Com o crescimento dos data centers impulsionados por IA, a necessidade de sistemas de geração de energia mais eficientes e confiáveis se torna cada vez maior. Com o Simcenter Amesim, é possível simular e otimizar sistemas de turbinas a gás, microrredes e armazenamento de energia, avaliando diferentes cenários antes da implementação física. Agende uma reunião com a CAEXPERTS e conheça como a simulação de sistemas pode contribuir para o desenvolvimento e a otimização dessas soluções. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho da ferramenta e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Ao simular a demanda realista de água quente e o comportamento de controle, a Alklima pôde investigar o desempenho de seu sistema de armazenamento térmico ao longo do dia e identificar oportunidades para melhorar a eficiência energética, mantendo a disponibilidade confiável de água quente. Você já entrou em um chuveiro de hotel e se perguntou se a água quente estava sendo gerada de forma sustentável e o mais eficiente possível? Para proprietários de edifícios e projetistas de sistemas, essa questão está se tornando cada vez mais importante. Os sistemas de água quente sanitária não são fáceis de descarbonizar, pois exigem temperaturas de água relativamente altas. Uma bomba de calor de CO₂ é uma das soluções sustentáveis ​​disponíveis para enfrentar esse desafio. Essas bombas de calor atingem seu desempenho máximo quando a diferença de temperatura dentro do reservatório é grande. Isso exige uma otimização cuidadosa do sistema de armazenamento de água quente, levando em consideração tanto a demanda de água quente quanto a geração de calor, garantindo que o conforto do usuário permaneça a principal prioridade. Reclamações sobre água fria ou morna no chuveiro são simplesmente inaceitáveis. O desafio de projetar um reservatório de água quente com desempenho otimizado é, portanto, essencial para alcançar um sistema de água quente sustentável e confiável. Para melhor compreender esses desafios, a Alklima e a Femto Engineering utilizaram simulação de dinâmica de fluidos computacional (CFD) para investigar como um sistema de bomba de calor com armazenamento de CO₂ se comporta durante o uso diário realista. Para a Alklima, o objetivo era garantir um fornecimento confiável de água quente para hotéis, mantendo o sistema de bomba de calor de CO₂ o mais eficiente possível em termos energéticos. O sistema de armazenamento precisava, portanto, responder às variações na demanda de água quente sem consumir mais energia do que o necessário. Água quente confiável atende às metas de descarbonização Água quente confiável é algo que a maioria das pessoas simplesmente espera, seja em hotéis, prédios residenciais ou instalações esportivas. Por trás desse conforto, existe um sistema complexo. À medida que os edifícios adotam tecnologias mais sustentáveis, como bombas de calor de CO₂, garantir água quente suficiente durante os horários de pico de demanda torna-se essencial. Ao mesmo tempo, produzir essa água quente com a máxima eficiência se torna um desafio de engenharia cada vez maior. A Alklima, distribuidora exclusiva das soluções de climatização da Mitsubishi Electric na Holanda, trabalha continuamente no desenvolvimento de tecnologias de aquecimento inovadoras e sustentáveis. Para melhor compreender o comportamento de um de seus sistemas de água quente, a Alklima firmou uma parceria com a Femto Engineering para investigar o desempenho de um sistema de armazenamento com dois tanques, mantendo o conforto do usuário. A questão fundamental era simples: como o sistema mantém a maior diferença de temperatura possível dentro do tanque de armazenamento em condições operacionais realistas, enquanto continua a atender à demanda de água quente sanitária. Figura 1. Desenho CAD do sistema de tanque de compensação duplo Por que esse desafio é importante para os operadores de edifícios? O sistema consistia em dois tanques de água interligados que funcionavam como um amortecedor térmico para uma instalação de bomba de calor de CO₂. À primeira vista, armazenar água quente pode parecer simples. Na realidade, porém, a água dentro desses tanques está em constante movimento e com temperatura variável. A demanda também varia ao longo do dia. Banhos matinais, atividades de limpeza e períodos de baixo consumo influenciam a forma como o calor é distribuído dentro do sistema. Outro aspecto importante é a recirculação de água quente. Em muitos edifícios, um pequeno fluxo contínuo garante que a água quente esteja imediatamente disponível nos chuveiros e torneiras. Embora isso melhore o conforto, também pode perturbar a separação natural das camadas de água quente e fria dentro dos reservatórios. Esses efeitos são difíceis de prever com cálculos de engenharia simples. A construção de um protótipo físico também exigiria tempo e custos consideráveis. É aí que a simulação CFD pode agregar valor. Ao criar um modelo virtual do sistema, os engenheiros podem entender como a água flui, como as temperaturas mudam e como o sistema de controle se comporta muito antes de o sistema ser instalado. Para fabricantes, integradores de sistemas e engenheiros de HVAC, isso pode reduzir significativamente os riscos de engenharia e evitar redesenhos dispendiosos mais tarde no projeto. Simulações do Simcenter STAR-CCM+ revelam oportunidades de otimização ocultas Analisar apenas o fluxo e a temperatura mostraria como o calor e a água se movem pelos tanques, mas não como o sistema de controle responde. Por outro lado, analisar os controles sem considerar o comportamento subjacente do fluxo e da temperatura não explicaria o funcionamento do sistema. Ao combinar ambos, a simulação mostrou como a localização dos sensores e as configurações de controle influenciam a distribuição de temperatura e a quantidade de água quente utilizável disponível ao longo do dia. A verdadeira questão não era se o sistema conseguia produzir água quente, mas sim se conseguiria continuar a fornecer água quente suficiente quando a procura aumentasse subitamente. Para responder a essa pergunta, foi necessário mais do que apenas analisar temperaturas e padrões de fluxo. A equipe também precisava entender como a bomba de calor reagiria conforme as condições mudassem ao longo do dia. Utilizando o Simcenter STAR-CCM+, a Femto Engineering conseguiu modelar o comportamento completo do sistema, incluindo os controles automáticos que ligam e desligam a bomba de calor. Isso criou uma representação virtual realista da operação diária e ajudou a revelar problemas potenciais muito antes da construção do sistema. Crie um modelo virtual do sistema A Femto Engineering criou um modelo virtual dos dois tanques de armazenamento e de parte da tubulação de ligação. Para manter a eficiência do modelo, o próprio trocador de calor foi simplificado. Utilizando dados realistas de consumo de água quente da Alklima, a equipe simulou um ciclo operacional completo de 24 horas, incluindo um segundo cenário com recirculação contínua de água quente. As simulações mostraram como as temperaturas variam ao longo do dia e como a água se move naturalmente dentro dos tanques. A água quente é mais leve e sobe, enquanto a água fria desce. Isso cria camadas naturais dentro dos tanques, o que afeta significativamente a quantidade de água quente utilizável disponível. Diferentes tamanhos e configurações de malha também foram testados para garantir resultados confiáveis. Essa abordagem virtual permitiu que a equipe compreendesse melhor o comportamento do sistema e identificasse melhorias antes dos testes físicos ou da instalação. O posicionamento do sensor de temperatura proporciona ganhos de eficiência cruciais As simulações mostraram que a estratégia de controle geral funcionou conforme o esperado. No entanto, também revelaram um problema importante: durante certos períodos do dia, a temperatura de saída caiu abaixo do nível desejado. Figura 2. Os resultados da simulação sem recirculação de água quente mostram que a temperatura de saída permanece acima de 30°C durante a maior parte do dia, mas cai na última hora, revelando uma oportunidade para otimizar o projeto do sistema e a estratégia de controle. Figura 3. Os resultados da simulação com recirculação contínua de água quente mostram que a temperatura de saída permanece acima de 50°C ao longo do dia, embora o trocador de calor precise operar por períodos mais longos para manter esse desempenho. A análise mostrou que a localização dos sensores de temperatura e as configurações de controle selecionadas influenciaram fortemente a quantidade de água quente disponível. Com base nessas descobertas, várias opções de melhoria foram identificadas. Uma possível melhoria seria mover um sensor de temperatura para uma posição mais baixa dentro de um dos tanques, aumentando efetivamente a reserva de água quente utilizável. Outras opções incluíam o ajuste das configurações de controle para que o reaquecimento começasse mais cedo. As simulações mostraram que a adição de um fluxo instantâneo de água quente alterou o funcionamento do sistema. Em vez de as temperaturas do tanque serem o principal fator determinante, as configurações de proteção do trocador de calor tiveram o maior impacto no comportamento do sistema. Figura 4. A lógica de controle implementada no Simcenter STAR-CCM+ liga e desliga automaticamente o trocador de calor com base nas leituras do sensor de temperatura, replicando com precisão o comportamento operacional real do sistema ao longo de um ciclo de 24 horas. A simulação CFD reduz o risco de engenharia e acelera as decisões de projeto Para a Alklima, o projeto não se tratava simplesmente de validar um design. Tratava-se de alcançar a eficiência ideal, mantendo o nível de conforto esperado pelos usuários finais. Ao utilizar o Simcenter STAR-CCM+, a Femto Engineering conseguiu testar virtualmente o sistema antes mesmo de sua construção. As simulações forneceram informações sobre o comportamento da temperatura, estratégias de controle e cenários operacionais que seriam difíceis de obter apenas por meio de cálculos tradicionais. Isso permitiu identificar melhorias potenciais precocemente, reduzindo os riscos de engenharia e apoiando melhores decisões de projeto. Para fabricantes, integradores de sistemas e engenheiros de HVAC que enfrentam desafios semelhantes, a simulação CFD oferece uma maneira poderosa de entender o comportamento do sistema, otimizar projetos e reduzir custos com retrabalho em fases posteriores do projeto. Agende uma reunião com a CAEXPERTS e conheça como o Simcenter STAR-CCM+ pode ajudar sua empresa a otimizar sistemas térmicos, melhorar a eficiência energética e reduzir riscos de engenharia por meio da simulação CFD. Nossa equipe oferece suporte especializado para aplicar a ferramenta aos desafios do seu projeto. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho da ferramenta e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Toda equipe de análise estrutural possui um repositório de dados como este: centenas de modelos resolvidos armazenados em uma unidade de rede — estudos de hipóteses, simulações de colisão, análises modais, o projeto do Departamento de Energia (DOE) que alguém iniciou no último trimestre e nunca explorou completamente. Assim que o relatório foi divulgado, esses dados deixaram de fornecer informações úteis para a equipe. O software Simcenter PhysicsAI pode mudar o que acontece com esses dados. Ele lê os resultados que você já possui, incluindo os softwares Simcenter Optistruct, Simcenter Radioss, Simcenter Nastran e Simcenter STAR-CCM+, e então treina um modelo geométrico de aprendizado profundo com base neles, prevendo resultados completos de campos 3D em novas geometrias em segundos, em vez de horas. Não é necessário executar novos solvers para começar. Os dados de treinamento são referentes ao trabalho que você já pagou. O que é o Simcenter PhysicsAI? O Simcenter PhysicsAI é uma ferramenta de modelagem preditiva integrada à plataforma de software Simcenter Hypermesh. Também está incluído nos softwares Simcenter Inspire, Simcenter Simlab e no recém-anunciado Simcenter STAR-CCM+. Uma vantagem adicional é que ele pode ser usado para fluxos de trabalho estruturais, de fluidos ou multifísicos. Ele utiliza aprendizado profundo geométrico para construir modelos preditivos rápidos diretamente a partir de dados CAE, e a palavra-chave aqui é "geométrico". Os modelos substitutos tradicionais exigem que você parametrize o projeto primeiro. Defina as variáveis, estabeleça os intervalos e permaneça dentro desses limites. Se um novo conceito tiver uma topologia diferente, um novo modelo substituto precisará ser parametrizado. O Simcenter PhysicsAI não funciona dessa maneira. Ele aprende com a própria malha, então lida com geometrias variadas e topologias diferentes sem parâmetros definidos pelo usuário. Ele também aceita entradas não geométricas, como propriedades de materiais e condições de contorno, como recursos além da forma. E prevê resultados completos de campo 3D, não apenas um indicador-chave de desempenho (KPI) escalar. Você obtém um gráfico de contorno, não um número. É isso que o torna interessante especificamente para estruturas. Um único valor de pico de tensão indica se uma peça foi aprovada. Um campo previsto indica onde ela irá falhar e o que precisa ser alterado. Os solvers Eis a parte que costuma surpreender as pessoas: o Simcenter PhysicsAI não é exigente quanto à origem dos dados, sendo independente do solver. Ele ingere resultados da maioria dos principais solvers de física estrutural diretamente. Se a sua empresa utiliza o Simcenter Optistruct para otimização, o Simcenter Radioss ou LS-DYNA para análise de impacto, o Simcenter Nastran por exigência do cliente e o Simcenter STAR-CCM+ para análise avançada de fluidos, cada solver pode alimentar seu próprio pipeline de treinamento. Não é necessário consolidar em um único solver nem executar nada em um novo formato. O arquivo existente é a entrada. Isso importa mais do que parece. O obstáculo usual para a modelagem substituta por IA não é o ceticismo em relação à matemática, mas sim a suposição de que adotá-la implica um projeto que demanda muitos recursos e tempo. Quando a ferramenta lê o que você já possui, o custo inicial, tanto em recursos quanto em tempo, cai para um investimento muito mais razoável. Como funciona o workflow O processo é simples: crie um projeto, construa um conjunto de dados (ou use um conjunto de dados existente), treine um modelo, teste-o e preveja novas variantes. Confira este passo a passo simples para uma explicação mais detalhada. Um conjunto de dados nada mais é do que uma coleção de resultados de simulação. Em seguida, você direciona o Simcenter PhysicsAI para esses conjuntos de dados. A partir daí, você escolhe as características de entrada (coordenadas, rótulos das peças, espessura, material), seleciona suas respostas de saída (dados de campo, KPIs ou curvas) e escolhe uma arquitetura. Existem três arquiteturas de rede para escolher, e a escolha é prática, não acadêmica: O Graph Context Neural Simulator (GCNS) é o padrão. Requer menos memória e é um bom ponto de partida para uso geral. O Transformer Neural Simulator (TNS) é invariante à malha e mais rápido em GPUs, além de lidar melhor com resultados transitórios, que é onde os dados de testes de colisão e queda se acumulam. O Shape Encoding Regressor (SER) é o mais rápido, mas produz apenas KPIs e curvas, não campos. O treinamento é executado localmente ou submetido a um sistema de computação de alto desempenho (HPC). A melhor prática é começar com um conjunto pequeno. Teste em um subconjunto menor dos seus dados de treinamento (cerca de 20% é o ideal) com os hiperparâmetros padrão apenas para confirmar que o pipeline funciona e, em seguida, aumente a escala. Este processo foi projetado para ser executado pelo usuário da simulação, e não para ser entregue a uma equipe de ciência de dados. Figura 1: Exemplo de workflow do Simcenter PhysicsAI Saber quando confiar na previsão A objeção legítima a qualquer modelo substituto é: como posso saber se ele é preciso no projeto que ainda não resolvi? O Simcenter PhysicsAI responde a isso de duas maneiras. Primeiramente, a validação já está integrada à divisão dos dados. A melhor prática é particionar o conjunto de dados com 80% para treinamento e reservar um conjunto de validação quando houver mais de 13 amostras. Você obtém o erro médio absoluto e as curvas de perda como saída padrão. Em segundo lugar, cada previsão possui uma Pontuação de Similaridade Geométrica. Ela varia de 1,0, o que significa que a nova geometria corresponde de perto àquela com a qual o modelo foi treinado, a 0, o que significa que não há correspondência próxima. Uma previsão com uma pontuação de similaridade de 0,9 é um resultado de triagem que você pode usar como referência. Figura 2: Modelo com pontuação de similaridade A documentação da Siemens é clara quanto à dependência fundamental: um modelo Simcenter PhysicsAI só é tão bom quanto os dados usados ​​para treiná-lo (assim como todos os modelos de IA). A curadoria do conjunto de dados contribui mais para a precisão do que o ajuste de hiperparâmetros. Isso significa remover valores discrepantes, descartar partes inconsistentes e filtrar os dados para incluir apenas os passos de tempo e componentes que realmente importam. A imagem abaixo mostra os resultados obtidos dentro do software Simcenter Inspire Form, comparando um modelo treinado usando o Simcenter PhysicsAI (à esquerda) com os resultados reais do solver (à direita). Os resultados mostram uma discrepância inferior a 1% entre os dois cenários. Figura 3: Resultados do modelo treinado versus resultados do solver Onde isso se encaixa O Simcenter PhysicsAI complementa seus solvers, não os substitui. Execuções completas de solvers estruturais e de fluidos continuam sendo a referência para validação, e qualquer workflow sério as mantém como tal. O que muda é a etapa inicial do processo. Você pode avaliar centenas de variantes em uma fração do tempo, selecionar os poucos resultados promissores e investir o tempo de processamento, que é caro, em projetos que realmente o justificam. Na maioria dos casos, o verdadeiro obstáculo da simulação nunca foi a física, mas sim quantas possibilidades você pode se dar ao luxo de explorar antes que o prazo final force uma decisão. Transforme dados de simulação existentes em um recurso de engenharia reutilizável O Simcenter PhysicsAI complementa a simulação de alta fidelidade, em vez de substituí-la. Os solvers estruturais e de fluidos continuam sendo essenciais para análises detalhadas e validação final. O Simcenter PhysicsAI agrega valor mais cedo no processo, ajudando os engenheiros a avaliar mais variantes de projeto e a identificar as opções mais promissoras antes de alocar recursos para execuções adicionais do solver. Mais importante ainda, isso dá uma finalidade contínua aos dados de simulação existentes. Resultados originalmente gerados para um projeto específico podem ser usados ​​para treinar modelos preditivos e apoiar futuras explorações de design. Isso permite que as equipes de engenharia aproveitem o trabalho já realizado, em vez de começar do zero a cada nova questão de design. A oportunidade é prática: utilize os dados de simulação que você já possui para explorar mais possibilidades, concentre a análise detalhada onde ela é mais importante e tome decisões de projeto informadas mais rapidamente. Agende uma reunião com a CAEXPERTS e descubra como o Simcenter PhysicsAI pode transformar dados de simulação existentes em modelos preditivos, acelerando a exploração de novas geometrias e reduzindo o tempo de desenvolvimento. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho da ferramenta e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

O alto grau de automatização das ferramentas da SIEMENS DIGITAL INDUSTRIES garantem que, mesmo enquanto a equipe de engenharia descansa, sua empresa continua gerando valor, produtos e soluções inovadoras. Projeto estrutural, térmico, acústico, elétrico e o que mais for necessário. HEEDS; CAD e CAE Topológico. Otimização de Projetos Na otimização, pode-se buscar valores minimizando/maximizando uma função matemática através da escolha sistemática dos valores que permite o comparativo entre diversas configurações e um estudo detalhado dos modelos em diferentes físicas. Contate um Especialista Continue projetando, mesmo no contraturno Projeto estrutural, térmico, acústico, elétrico e o que mais for necessário O alto grau de automatização das ferramentas da SIEMENS DIGITAL INDUSTRIES garantem que, mesmo enquanto a equipe de engenharia descansa, sua empresa continua gerando valor, produtos e soluções inovadoras. Essa característica garante que o time de engenharia possa dedicar seu tempo aos processos de inovação e desenvolvimento de produtos, enquanto o software se encarrega de testar as soluções, entregando a melhor opção possível. Os softwares de otimização da Siemens Digital Industries têm a capacidade de lidar com diversas físicas em conjunto, integrando rotinas de cálculos já validadas pelas empresas com as aplicações CAE mais conhecidas do mercado. Isto permite a integração completa de todo o ciclo produtivo e de projeto, integrando as áreas de engenharia, sendo possível otimizar produtos e projetos com foco em redução de custo de matéria-prima, tempo produtivo, eficiência e robustez do produto. Tudo isso no mesmo software , de maneira integrada e automatizada. HEEDS Software especializado em otimização, capaz de avaliar dados de diversas fontes em busca das melhores alternativas de projeto usando parâmetros de CAD/CAE. ⇐ Voltar para Disciplinas

O software Simcenter 3D para simulação estrutural oferece um conjunto de solvers estruturais de elementos finitos (FE). Simcenter Nastran; estruturas inovadoras; tecnologia síncrona; estática ou dinâmica, linear ou não linear, composta ou outra. simulações multidisciplinares; Simcenter 3D Simulação Estrutural O software Simcenter™ 3D para simulação estrutural oferece um conjunto de solvers estruturais de elementos finitos (FE) que fazem parte do portfólio Simcenter de ferramentas de simulação. Eles são usados por engenheiros em todos os setores como parte de seu processo de desenvolvimento de produtos para avaliar o desempenho estrutural de seus sistemas. Integrando o solver do Simcenter Nastran, as soluções estruturais do Simcenter 3D oferecem recursos escalonáveis, abertos e extensíveis para analistas gerais e avançados. Eles podem ser usados em laptops, estações de trabalho e servidores para resolver tudo, desde pequenos modelos até os maiores modelos industriais de última geração. O Simcenter Nastran está disponível com licenciamento empresarial, o que significa que pode ser usado independentemente das soluções pré/pós Simcenter e pode ser executado em sistemas operacionais Windows e Linux. Benefícios da solução Reduza o risco usando simulação para economizar tempo e custo Acelere a inovação com iterações rápidas Investigue o desempenho do produto virtualmente sob condições operacionais Co-simulação com Simcenter Nastran Uma plataforma para simulação multidisciplinar Reduza riscos e custos enquanto desenvolve estruturas inovadoras Investigue o desempenho do produto virtualmente em todas as condições operacionais possíveis, incluindo condições operacionais influenciadas termicamente Obtenha resultados de solução mais precisos do que a análise linear quando as suposições lineares padrão são inválidas Aumente a confiança nos projetos finais investigando virtualmente o desempenho do seu produto em todas as condições operacionais possíveis O software Simcenter 3D aborda a engenharia de produtos complexos, oferecendo melhorias significativas na eficiência da simulação. Com tecnologias de simulação 3D de capacidade avançada e uma poderosa tecnologia de preparação de modelos, o Simcenter 3D oferece novos métodos que aumentam o realismo e fornecem uma melhor percepção. A tecnologia síncrona no Simcenter 3D ajuda a reduzir o tempo gasto na abstração do modelo e edição de geometria. Malhas, cargas e condições de contorno estão todas associadas ao projeto básico, portanto, quando a topologia do projeto muda, você pode atualizar rapidamente os resultados da simulação. Os solvers e as ferramentas de análise fornecem toda a precisão e velocidade de que você precisa para obter informações oportunas orientadas por simulação. O Simcenter 3D inclui solvers que permitem que você mergulhe profundamente na física. Todo especialista em aplicação encontrará tecnologia de ponta que se adapta ao problema – estática ou dinâmica, linear ou não linear, composta ou outra, incluindo materiais dependentes da temperatura e cargas térmicas que atuam em uma estrutura. Além das soluções estruturais, o Simcenter Nastran também permite a co-simulação de física estrutural, térmica e de fluxo. Um ambiente multifísico dedicado permite definir a solução completa em um único modelo, tornando a co-simulação facilmente acessível a um amplo conjunto de usuários. A solução de simulação estrutural Simcenter 3D faz parte de um ambiente de simulação multidisciplinar maior e integrado com o Simcenter 3D Engineering Desktop no núcleo para pré/pós-processamento centralizado para todas as soluções Simcenter 3D. Esse ambiente integrado ajuda você a obter processos CAE mais rápidos e simplificar simulações multidisciplinares que integram simulação estrutural com outras disciplinas, como simulação térmica, dinâmica de fluidos, dinâmica multicorpos ou simulação eletromagnética. Aplicações da indústria O Simcenter Nastran ajuda fabricantes e fornecedores de engenharia em muitos setores com suas necessidades críticas de computação de engenharia para que possam produzir projetos seguros, confiáveis e otimizados em ciclos de projeto cada vez mais curtos. Fuselagem - Aeroespacial e defesa - Motores aeronáuticos Automotivo – Veículos terrestres Marinho Eletrônicos Bens de consumo Quadro do avião – Rigidez, durabilidade do quadro, frequência modal Asas – Rigidez, flambagem da pele, frequência modal Escotilha do avião - Vedações, resistência estrutural Pilões de avião, ailerons , estabilizadores – Rigidez, força Satélite – Estresse térmico e distorção, compostos, frequência modal Veículos lançadores – Estresse térmico, cargas de manobra, cargas de raquete de carga útil Estruturas de lançamento – Cargas de vento, cargas de lançamento Ventiladores de motores aerodinâmicos – Cargas rotativas, distorção, compostos Compressor de motores aerodinâmicos – Cargas rotativas, tensão e distorção térmica, vida, tensões de parafusos, simetria cíclica, simetria de eixos Turbinas de motores aeronáuticos - Cargas rotativas, estresse térmico e distorção, vida, fluência, simetria cíclica, simetria de eixos, modelagem de ruptura Carcaça de motores aeronáuticos – Cargas de rolamento, cargas de manobra Setores Corpo – Esmagamento do telhado, resistência do painel, rigidez, durabilidade do quadro Trem de força/linha de transmissão – Cargas de torque, estresse térmico e distorção Chassis - Cargas de dureza, deflexões de suspensão Veículos fora de estrada – Resistência, durabilidade, estruturas de proteção contra capotamento (ROPs), estabilidade Ferramentas de fabricação – Tensão térmica e distorção, frequência modal, tensões aparafusadas Estruturas de suporte - Estabilidade, estresse Navios cheios – Rigidez, deformação, força Cascos - Ruptura da pele Anteparas - Resistência estrutural Equipamento portátil – Simulação de queda, estresse de componente plástico Placas de circuito impresso (PCB) – Estresse térmico e distorção, força da junta de solda Caixas eletrônicas - Resistência do suporte, frequência modal Embalagem – Resistência, estabilidade, hiperelasticidade, fluência Módulos O software Simcenter 3D Structures é um ambiente de engenharia assistida por computador (CAE) 3D unificado, escalável, aberto e extensível para analistas de simulação. O Simcenter 3D Structures é um pacote que combina o Simcenter 3D Engineering Desktop, o ambiente Simcenter Nastran e o solver Simcenter Nastran Basic. Juntos, o Simcenter 3D Structures oferece a melhor modelagem de simulação da categoria com o poder de realizar análises estruturais básicas com um solver padrão do setor. O Simcenter 3D Engineering Desktop contido no Simcenter 3D Structures acelera o processo de simulação, ajudando você a construir com eficiência o modelo de simulação que você precisa a partir de geometria 3D mais rápido do que os pré-processadores CAE tradicionais. O solver Simcenter Nastran integrado no Simcenter 3D Structures permite que você envie modelos de análise perfeitamente para análises estáticas lineares, modos normais, flambagem e transferência de calor básica. O Simcenter 3D Structures também forma a base sobre a qual você pode adicionar soluções adicionais para análises dinâmicas estruturais, não lineares em várias etapas, térmicas, de fluxo, acústicas, de movimento, otimização e multifísicas, tudo em um único ambiente. O Simcenter Nastran permite que você inicie a simulação digital em seu processo de desenvolvimento de produtos, fornecendo acesso a uma ampla biblioteca de tipos de elementos finitos e modelos de materiais, manipulando casos de carga de forma robusta e fornecendo várias sequências de soluções eficientes para análises em modelos de tamanho ilimitado. Você também pode realizar estudos de sensibilidade com base nesses tipos de análise. A licença básica do Simcenter Nastran vem com um conjunto básico completo de recursos estruturais como ponto de entrada para o Simcenter Nastran. Ele também vem com um solver básico de transferência de calor e as temperaturas resultantes podem ser usadas como cargas em uma solução estrutural. O Simcenter Nastran Multistep Nonlinear é uma solução avançada que fornece recursos abrangentes para não lineares geométricos, contato, plasticidade, fluência, hiperelasticidade e outros comportamentos de materiais. A solução de várias etapas permite que os usuários configurem subcasos sequenciais para modos de pré-carga, estática não linear, transiente não linear, modal, flambagem, pós-flambagem e harmônico. Este é um produto complementar a uma licença básica que oferece duas opções de solução não linear: solução Simcenter Nastran SOL 401 e SOL 402. Ambas são adequadas para uma ampla variedade de problemas não lineares, mas cada uma também possui recursos exclusivos. O Simcenter Nastran DMP é um módulo complementar ao Simcenter Nastran Basic. Ele permite o processamento paralelo usando memória distribuída. É uma abordagem eficiente para resolver grandes modelos e pode ser usada em estações de trabalho com multiprocessadores usando Windows. As soluções DMP estão disponíveis para soluções estáticas (SOL 101), soluções modais de autovalor (SOL 103), soluções modais de resposta dinâmica (SOL 111 e 112), soluções de frequência direta (SOL 108) e soluções não lineares (SOL 401 e SOL 402). O DMP também pode ser usado em combinação com o SMP, que vem como parte do Simcenter Nastran Basic. Benefícios do módulo: Acelere os processos de simulação em até 70 por cento Realize análises estruturais precisas e confiáveis com o solver Simcenter Nastran Basic integrado Aumente a qualidade do produto simulando rapidamente estudos de compensação de design Reduza os custos gerais de desenvolvimento de produtos, reduzindo pedidos de alteração de projeto caros e tardios Gerencie com eficiência modelos de análise grandes e complexos Capture e automatize as melhores práticas e processos comumente usados Adicione facilmente recursos de simulação multidisciplinar à medida que suas necessidades de análise crescem Características principais: Pacote de software completo com o Simcenter 3D Engineering Desktop para pré/pós junto com o Simcenter Nastran Basic para análise estrutural O NX é um kernel de geometria líder que é usado como parte do Simcenter 3D para fornecer edição e abstração de geometria rápida Ferramentas de malha abrangentes combinadas com gerenciamento eficiente de montagem FE Imerge engenheiros no ambiente Simcenter Nastran usando terminologia familiar e amplo suporte de elementos e entidades específicos do produto Simule análises estruturais para estática linear, modos normais, flambagem e transferência de calor usando o confiável solver Simcenter Nastran Benefícios do módulo: Reduza o risco usando a simulação para economizar tempo e custo em comparação com os ciclos de teste físico Acelere a inovação com iteração rápida e vários estudos hipotéticos Investigue o desempenho do produto virtualmente sob todas as condições operacionais possíveis, incluindo condições operacionais influenciadas termicamente Características principais: Estática linear, modos normais, flambagem Sensibilidade do projeto Básico não linear Compósitos Processamento paralelo de memória compartilhada (SMP) Além do conjunto básico de recursos, os usuários podem adicionar recursos estruturais mais avançados, incluindo: Multipasso não linear (estático, transitório) Processamento paralelo de memória distribuída (DMP) Dinâmica linear (transitória, frequência, aleatória) Dinâmica do rotor Otimização de design e topologia Aeroelástico Vibroacústico Benefícios do módulo: Use os mesmos modelos já construídos e analisados linearmente com o Simcenter Nastran Basic Aumente a confiança nos projetos finais investigando virtualmente o desempenho do seu produto em todas as condições operacionais possíveis Obtenha resultados de solução mais precisos do que a análise linear quando as suposições lineares padrão não são válidas Características principais: Análise estática/dinâmica de modelos, incluindo comportamentos não lineares materiais e geométricos Solver de várias etapas permitindo os seguintes tipos de análise em diferentes etapas: modos estático, dinâmico, pré-carga, modal, flambagem, simetria cíclica, modos harmônicos de Fourier Material não linear: modelos de hiperelasticidade (Mooney-Rivlin, Ogden, hiperespuma, efeito Mullins, amortecimento com série Prony), elastoplástico (critério de escoamento de Von Mises, endurecimento isotrópico, endurecimento cinemático, endurecimento misto), elastoplástico térmico, fluência, fluência combinada e elastoplástico Geométrico não linear: grandes deformações, grande deformação, análise de snap-through (pós-flambagem), forças de seguidor Contato: contato de face de elemento sólido e concha, contato de borda para modelagem axissimétrica, contato de um e dois lados, autocontato, vários modelos de fricção, contato amarrado, deslocamentos de superfície de contato, elementos de folga, ativação/desativação de contato por subcaixa, pressões de contato e resultados de força, separação de contato e resultados de deslizamento Benefícios do módulo: Mais núcleos fornecem soluções mais rápidas Permite resolver grandes modelos que não são possíveis de resolver em uma única unidade central de processamento (CPU) ___________________________________________________________________________ Simcenter Nastran ___________________________________________________________________________ Simcenter Nastran Multistep Nonlinear ___________________________________________________________________________ Simcenter Nastran DMP ___________________________________________________________________________ Simcenter 3D Structures ⇐ Voltar para o Simcenter

Software de Elementos Finitos Simcenter MAGNET 2D/3D, Simulação de campo eletromagnético. Projeto de motores, geradores, sensores, transformadores, atuadores, solenóides, etc. Modelagem Avançada de Materiais; incorporação histerese; circuitos e sistemas; Campo Elétrico; Magnetostrição; Anisotropia; SIMCENTER 3D; Mentor Simcenter MAGNET Realize simulações de campo eletromagnético de baixa frequência com o software de Elementos Finitos Simcenter MAGNET 2D/3D, uma poderosa solução de simulação de campo eletromagnético para previsão de desempenho de motores, geradores, sensores, transformadores, atuadores, solenóides ou qualquer outro dispositivo eletromagnético. A prototipagem virtual do Simcenter MAGNET é eficiente em termos de custo e tempo. Estudos paramétricos e de otimização permitem a exploração de múltiplas configurações para melhorias de desempenho. A replicação precisa das condições de operação extremas fornece informações sobre hotspots de perdas e temperatura, desmagnetização de ímãs permanentes, material não utilizado e análise de falhas. Contate um Especialista Simulação Eletromagnética AC Modelagem Avançada de Materiais Eletromagnéticos Efeitos da incorporação histerese na simulação de dispositivos eletromagnéticos Modelagem de circuitos e sistemas Simulações de Campo Elétrico Simulação de Movimento Eletromagnético Simulação eletromagnética transitória As simulações eletromagnéticas AC são baseadas em uma única frequência, o que reduz o tempo de simulação. Com essa abordagem, você pode simular campos eletromagnéticos dentro e ao redor de condutores, na presença de materiais isotrópicos que podem ser condutores, magnéticos ou ambos. Isso leva em conta as correntes de deslocamento, correntes parasitas e efeitos de proximidade, que são importantes na análise de hotspots . A precisão das simulações eletromagnéticas de baixa frequência é altamente dependente dos dados do material. A modelagem de materiais eletromagnéticos avançados do Simcenter leva em consideração não linearidades, dependências de temperatura, desmagnetização de ímãs permanentes, perda de histerese e efeitos anisotrópicos. Isso torna possível analisar efeitos como desmagnetização em ímãs permanentes para verificar sua vida útil, analisar perdas dependentes de frequência em peças finas, enquanto reduz o tempo de solução e contabilizar todas as perdas para um balanço energético preciso. A modelagem de histerese no software Simcenter MAGNET permite que engenheiros e cientistas modelem um cenário do mundo real, incorporando os efeitos das perdas de ferro na simulação de ondas eletromagnéticas de baixa frequência. A representação precisa de um material ferromagnético pelo loop BH completo, em vez da curva BH, afeta as quantidades locais. A análise em nível de sistema ou baseada em modelo requer modelos de subcomponentes precisos para levar em conta as interações e os transitórios locais que afetam o comportamento geral do sistema. O eletromagnetismo de baixa frequência do Simcenter inclui recursos como simulações de circuitos nativos, conexões para co-simulação e exportação de modelos de sistema 1D para Simcenter Flomaster, Simcenter Amesim e outras plataformas. Método dos elementos finitos para campos elétricos pode ser usado para simular campos elétricos estáticos, campos elétricos CA e campos elétricos transientes. Ele também pode simular o fluxo de corrente (que é a densidade de corrente estática) produzida por tensões DC em eletrodos em contato com materiais condutores. As simulações de campo elétrico são normalmente usadas para aplicações de alta tensão para prever falhas de isolamento e enrolamento, simulações de impulsos de raios, análise de descarga parcial e análise de impedância. A simulação eletromagnética de campos transientes pode incluir movimento. É possível simular movimentos rotacionais, lineares e arbitrários com seis graus de liberdade (X, Y, Z, Roll , Pitch e Yaw ) para um número ilimitado de componentes móveis. Os efeitos mecânicos incluem atrito viscoso, inércia, massa, molas e gravitação, bem como restrições de movimento impostas por batentes mecânicos. Forças de carga arbitrárias podem ser especificadas em função da posição, velocidade e tempo. As correntes induzidas devido ao movimento são levadas em consideração. Permite a simulação de problemas complexos que envolvem fontes e saídas de corrente ou tensão de forma arbitrária, variante no tempo com não linearidade em materiais e efeitos dependentes de frequência. Isso inclui oscilações em dispositivos eletromecânicos, desmagnetização em ímãs permanentes, efeitos de comutação, torque induzido por correntes parasitas, efeitos pelicular e de proximidade. ⇐ Voltar para Ferramentas