ARGO ha aderito con grande entusiasmo all'evento della comunità italiana di Code_Aster tenutosi il 23 novembre 2018 a Modena. Sono finalmente online le presentazioni di tutti i relatori al sito code-aster.it. Potete anche leggere la nostra presentazione sulla simulazione del trattamento di tempra di un acciaio cliccando qui.
La prova di non combustibilità UNI EN ISO 1182 è un test che permette di valutare la resistenza alla fiamma di un materiale collocato all'interno di un fornetto a "tiraggio" naturale. La macchina di test ha una geometria speciale caratterizzata da un lungo cono di imboccatura al fornetto posizionato nella parte inferiore. Il cono rovesciato ha diametro uguale a quello del forno (75mm) nella parte alta e un diametro di soli 10 mm nella parte inferiore, l'aria viene movimentata verso l'alto dalla parte calda del forno che genera una depressione all'altezza del foro da 10mm. Il tiraggio naturale per sua natura è fortemente influenzabile da molti parametri, non a caso nella norma si menziona l'esigenza di posizionare l'equipaggiamento di test lontano da correnti d'aria. Il flusso d'aria attraverso l'imboccatura del cono è bilanciato in modo da garantire l'adeguato apporto di ossigeno (favorendo la combustione) senza asportare eccessivo calore (evitando di rallentare così la combustione). Come ARGO abbiamo simulato la portata d'aria della prova in condizioni ideali di tiraggio naturale. Questi valori sono particolarmente utili per monitorare la ripetibilità di questi test rapportandoli ai dati sperimentali ottenuti posizionando un anemometro all'ingresso del cono di aspirazione naturale.
ENGLISH VERSION COMING SOON - FOR ANY INFO WRITE ME @ Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
Leggi tutto: Simulazione della prova di non combustibilità UNI EN ISO 1182
Nonostante la grande attenzione mediatica (es. Industria4.0) i reali benefici dell’innovazione e della cultura del miglioramento continuo fanno fatica ad arrivare nelle imprese italiane. Il motivo di questa scarsa adesione risiede principalmente nel tessuto industriale italiano, come noto, composto in larga maggioranza da Piccole Medie Imprese (PMI).
Cosa significa dire che le piccole imprese non innovano? Bisogna precisare, le piccole imprese italiane sono spesso parte di un indotto o in ogni caso di un mercato globale, pertanto esse non sono totalmente stagne all’innovazione: i prodotti si sono aggiornati, sono più performanti e ottimizzati concorrendo a mantenere alta la percezione di manifattura italiana di qualità.
Allora in quali aspetti le PMI tendono a non innovare? L’innovazione latita prevalentemente nei processi produttivi, rimasti tecnologicamente indietro rispetto ai prodotti stessi. Di conseguenza emerge che le stesse procedure manifatturiere di 20 anni fa non sono più applicabili ai prodotti odierni. In questo contesto il vero tallone d’Achille della PMI italiana è la cultura del “si è sempre fatto così”.
Perché viene trascurata l’innovazione nei processi ? Non esiste un unico motivo quanto piuttosto un habitat in cui il “si è sempre fatto così” trova terreno fertile. In primis in una realtà piccola è oggettivamente difficile avere a disposizione un ventaglio di competenze industriali sempre aggiornate e sufficientemente vaste. Spesso le decisioni sia tecniche sia amministrative vengono prese da una singola persona, generalmente il titolare, la quale con il passare del tempo diventa meno recettivo e sensibile ad innovare. In nessun caso si può dire che la scelta di non innovare è consapevole, nella maggior parte dei casi non sono semplicemente noti e a portata l’ammontare dei costi che la stagnazione porta.
Qual è l’impatto sull’azienda di un processo non ottimizzato? Diverse analisi dimostrano che non innovare e trascurare l’ottimizzazione dei processi equivale a produrre in non-qualità. Non è per nulla semplice definire con certezza l’ammontare delle perdite finanziare associate alla scarsa innovazione. Esse sono specifiche per ogni azienda e rare sono le regole comuni. Esistono però dei valori medi, estrapolati da studi universitari o consortili, sull’incidenza media. Una PMI che ha investito poco o nulla nell’innovazione di processo negli ultimi 10 anni o più può arrivare ad avere una percentuale di scarti effettivi anche superiore al 30%. I danni derivati da un numero elevato di pezzi non conformi sono molteplici e comprendono le misure correttive in corso d’opera, il valore aggiunto perso ed il danno di immagine con conseguente perdita di quote mercato.
Quindi a quanto ammontano i costi del non innovare? Produrre per inerzia, senza innovazione o strategie di risoluzione problemi costa all’azienda un valore compreso tra il 6% ed il 13% del fatturato dell’azienda. Un valore non di rado superiore all’utile stesso dell’azienda! Considerato pari a circa 850 miliardi di € il fatturato delle PMI in Italia e che la % di aziende dove l’innovazione e l’ottimizzazione non trovano spazio sia ancora troppo estesa emerge chiaramente la quantità di profitto non realizzato.
Quanto costa innovare? L’innovazione di un processo non ha valori prestabiliti, dipende dal singolo caso specifico e può variare di uno o due ordini di grandezza, non esiste un valore medio. Spesso molti imprenditori chiudono le porte dell’azienda al pensiero di investire in innovazione cifre dell’ordine di alcune decine di migliaia di € a fronte di risparmi calcolabili in centinaia di migliaia di €. La base di tutto questo è ancora una volta la non consapevolezza dei costi non preventivati sostenuti in produzione per raggiungere il risultato “teorico” previsto in progettazione.
Non c’è limite alle spese di innovazione? Diversamente dal pensiero di certe culture tecnologico-entusiaste esiste un chiaro limite all’investimento in innovazione, ottimizzazione e R&S. Esiste una soglia oltre la quale la misura di innovazione ha un costo superiore al vantaggio economico prodotto. Spesso un’errata valutazione degli strumenti da impiegare per innovare porta ad investimenti cospicui che non sono ammortabili nel medio periodo o addirittura non sostenibili.
Come si innova e come si stabilisce un budget? L’approccio all’innovazione deve essere condotto da esperti in Innovation Management (IM) o esperti in ricerca industriale, possibilmente con l’appoggio di centri di ricerca o Università. Queste figure specifiche sono spesso assenti nelle PMI, per i motivi sopracitati, e pertanto è più conveniente per le aziende reperirle esternamente sotto forma di consulenza. Una consulenza che deve però procedere in totale sincronia con i vertici aziendali, stimando sulla base dell’esperienza e con i responsabili di produzione l’ipotetico incremento in produttività, definendo così l’entità della sacca di inefficienza e calibrando di conseguenza le misure degli investimenti.
Questa guida è una traduzione in italiano, un po' rivisitata, dell'ottima “Tips and tricks in OpenFOAM” scritta dai ragazzi di www.wolfdynamics.com che ringrazio personalmente.
This is just a translation, if you are looking for the english version take a look at the complete original guide written by the guys of www.wolfdynamics.com
Capitolo #1 : la mesh – trucchi e suggerimenti
A livello generale per qualsiasi software CFD ai volume finiti la mesh, o griglia di calcolo, è un elemento fondamentale per la buona riuscita della simulazione. Ricordate che il computer per definizione è un moltiplicatore, pertanto: spazzatura in ingresso = spazzatura in uscita, oppure rileggendolo in forma positiva: buona mesh = buoni risultati. A fronte dell’esperienza maturata negli anni non mi stancherò mai di ripeterlo in questa guida: per ottenere risultati di qualità serve una mesh di altrettanta buona qualità, una mesh non idonea porta a risultati falsati, quindi totalmente inutili, o addirittura “all’esplosione” della simulazione per mancata convergenza. Provare a correggere la simulazione attraverso schemi di risoluzione più robusti può migliorare la situazione ma non è in grado di risolverla completamente. Il consiglio è sempre quello di rigenerale la mesh (anche se costa ore di calcolo) e quindi procedere con la simulazione. Ma come faccio a sapere se la mia mesh è idonea?
checkMesh
Ogni programma ha il suo strumento di analisi e pertanto anche OpenFOAM ha la sua utility: checkMesh che è possibile lanciare dal terminale aperto nella cartella della simulazione. checkMesh, come dice il nome stesso, controlla la mesh presente nella cartella e fornisce un report finale che indica la presenza o meno di errori e la loro tipologia.
checkMehs inoltre è in grado di salvare tutte le celle “difettose” (inclusi le facce e i punti problematici) in un dataset all’interno della cartella constant/polyMesh/sets/. Convertendoli in formato VTK attraverso il comando foamToVTK è possibile aprire questo dataset in paraFoam o paraview e visualizzare direttamente cosa “non piace” a OpenFOAM della vostra mesh.
Linee guida generali per una mesh a scopo CFD.
Queste regole sono valide anche per altri software, cito ad esempio Code_Saturne sviluppato dall’EDF, in quanto sono “naturale conseguenza” delle dinamiche risolutive del metodo ai volumi finiti. Facendo una breve lista:
Suggerimento finale : renumberMesh
Prima di lanciare una simulazione può essere molto utile eseguire il comando renumberMesh. Questa utility rinumera la mesh compattandone la banda e rendendola quindi più facilmente risolvibile. Ciò significa che il risolutore lineare sarà in grado di procedere più velocemente (almeno per i primi time-step) ed è pertanto un’ottima abitudine da eseguire sempre dopo il checkMesh e prima dell’inizio del calcolo, specialmente per le mesh di grandi dimensioni.
Il principale utilizzo della fluidodinamica computazione (CFD) è quello di risolvere un dominio composto da uno o più fluidi in movimento atraverso le equazioni di Navier-Stokes. La risoluzione per via analitica di queste equazioni è fattibile solamente in casi semplici con flussi laminari, e geometrie semplici (sfere, lastre piane), mentre le risoluzioni di casi reali, in cui compaiono di frequente flussi turbolenti, richiedono necessariamente un approccio numerico approssimato, ovvero in cui qualcosa viene semplificato o trascurato, al fine di ridurre drasticamente il costo computazionale mantenendo comunque un risultato significativo.
Esistono quindi diversi metodi per risolvere le equazioni di Navier-Stokes:
Direct Numerical Simulation (Simulazione Numerica Diretta: DNS): è l'approccio concettualmente più semplice, si discretizzano lo spazio e il tempo con griglie della dimensione voluta e si eseguono i calcoli su esse. È l'approccio che restituisce i risultati più accurati ma ha un costo computazionale elevatissimo, devono essere impiegati dei supercomputer. Per le applicazioni industriali risulta quindi troppo dispendioso.
Reynolds Averaged Navier-Stokes (Equazioni mediate alla Reynolds: RANS): si basano sull'assunzione che si possa vedere il moto turbolento come formato da un moto medio e da una sua fluttuazione nel tempo. Le grandezze delle equazioni di partenza vengono mediate in un certo intervallo di tempo; così facendo i tempi di calcolo vengono notevolmente ridotti in quanto le scale del moto medio risultano essere notevolmente maggiori di quelle del moto turbolento. Richiedono l'utilizzo di ulteriori set di equazioni (ad esempio il modello turbolento k-ε) per mantenere chiuso il bilancio fisico del problema.
Large Eddy Simulation (LES): consiste nel calcolare numericamente il comportamento delle scale turbolente più grandi e “tagliare” opportunamente attraverso un filtro le scale più piccole (Sub-grid Scale o scale di Kolmogorov). Fornisce risultati più accurati ad un costo computazionale leggermente superiore delle RANS ma al contempo notevolmente inferiore a quello della DNS, per questo motivo è un metodo in forte sviluppo.
Nel software opensource Code Saturne, sviluppato da EDF, è possibile impostare la risoluzione del modello sia con i metodi RANS sia con i metodi LES. Nel video allegato la differenza di modellizzazione per lo stesso condotto a T in cui due fluidi si incontrano a velocità diverse e si mischiano per proseguire lungo il condotto.
L’accortezza dell’operatore sta nella realizzazione della griglia di calcolo (mesh) in modo che sia ottimizzata per un metodo piuttosto che per un altro e nella scelta del modello più opportuno per la scala temporale che si intende analizzare. La precisione di un risultato è sempre un costo ed è opportuno sapere esattamente il livello di dettaglio necessario per risolvere in maniera affidabile il problema senza “spendere” troppo. Risulta quindi ovvio che non ha senso calcolare tutti i vortici “istantanei” in una simulazione semi-stazionaria (flussi mediamente stabili nel tempo) e quindi convengono i metodi RANS per costo computazionale e rapidità di soluzione. Allo stesso modo non ha senso utilizzare metodi LES su griglie troppo grossolane in quanto il software non avrebbe modo di risolvere correttamente il movimento turbolento.
Le nuove tecniche di produzione, ad esempio la stampa 3D o più genericamente l'additive manufacturing, permettono di estremizzare il concetto di geometria liberandosi dai vincoli di formatura delle tecniche convenzionali. Non è quindi un caso che l'ottimizzazione topologica negli ultimi anni stia guadagnando sempre più appeal nella progettazione di componenti strutturali. L'approccio dell'ottimizzazione topologica consiste nell'impiegare materiale solamente dove è strettamente necessario a sostenere i carichi di impiego. In questo modo è possibile sfruttare in maniera omogenea il materiale e ottenere al contempo componenti notevolmente alleggeriti. Proprio la possibilità di risparmiare preziosa materia prima e di ridurre il peso complessivo del componente (minori consumi in un veicolo = minori emissioni) rendono l'ottimizzazione topologica un processo estremamente "green". L'ottimizzazione topologica può quindi diventare il fattore chiave della progettazione del futuro, consentendo di rientrare nei sempre più stringenti vincoli ambientali promossi dagli enti normativi.
ARGO srl, grazie alla maturata esperienza nei software opensource, contribuisce attivamente allo sviluppo di una piattaforma libera per il calcolo di geometrie ottimizzate.
I primi algoritmi, liberamente disponibili alla pagina dedicata, sono ereditati dal lavoro di Frederic Renou sugli algoritmi SIMP sviluppati per il software Code_aster.
Come esempio di ottimizzazione topologica su di una geometria semplice è stato pubblicato un video disponibile a questo link.
 Andrea |
Vuoi approfondire le tematiche presentate nelle nostre simulazioni o nei casi studio? Contattaci liberamente per una discussione dettagliata o per qualsiasi domanda tu abbia. Siamo pronti a offrirti il nostro supporto e la nostra esperienza. Clicca qui per inviarci un messaggio e ti risponderemo al più presto. |
