Use of cloud technologies and resources in co-simulation

Author:

Wack ThorstenORCID,Schröder Andreas

Abstract

ZusammenfassungSchnell veränderliche (gesetzliche) Rahmenbedingungen, volatile Märkte und immer stärker ausgeprägte Cross-industrielle Netzwerke machen den Einsatz von computergestützten Simulations- und Optimierungslösungen notwendig. Oftmals stellen die beteiligten Komponentenlieferanten ihre Teilmodelle jedoch nur als Black-Box bereit, um ihr geistige Eigentum zu schützen. In diesem Fall ist im Rahmen der Systemintegration eine monolithische Berechnung des Gesamtsystems nicht mehr möglich. Hier kann die Methode der Co-Simulation entscheidend weiterhelfen, mögliche Betriebszustände und Optima effizient zu ermitteln.Im vorliegenden Artikel wird beschrieben, wie diese Methode unter Einsatz von Multi-Cloud-Technologien und -Ressourcen in einem skalierbaren System implementiert wurde. Dabei werden sowohl Privacy-Aspekte der beteiligten Akteure als auch eine optimale Ausnutzung lokaler und in der Cloud verfügbarer Ressourcen unter Berücksichtigung von Performance- und Kostenaspekten betrachtet. Der Einsatz der ausgewählten Technologien erlaubt es, eine Vielzahl an Berechnungen parallel durchzuführen und so komplexe Parameterräume durch entsprechende Variationsrechnungen in kürzester Zeit abzutasten.

Funder

Bundesministerium für Bildung und Forschung

Fraunhofer-Institut für Umwelt-, Sicherheits- und Energietechnik UMSICHT

Publisher

Springer Fachmedien Wiesbaden GmbH

Subject

General Earth and Planetary Sciences,General Environmental Science

Reference16 articles.

1. Amazon Web Services (2021) AWS Lambda Functions Powered by AWS Graviton2 Processor—Run Your Functions on Arm and Get Up to 34 % Better Price Performance | Amazon Web Services. https://aws.amazon.com/de/blogs/aws/aws-lambda-functions-powered-by-aws-graviton2-processor-run-your-functions-on-arm-and-get-up-to-34-better-price-performance/. Zugegriffen: 03. Mai 2023

2. Amazon Web Services (2023) Profiling functions with AWS Lambda Power Tuning—AWS Lambda. https://docs.aws.amazon.com/lambda/latest/operatorguide/profile-functions.html. Zugegriffen: 03. Mai 2023

3. Bronstejn IN, Mühlig H, Musiol G (2020) Taschenbuch der Mathematik, 11. Aufl. Edition Harri Deutsch. Verlag Europa-Lehrmittel Nourney Vollmer GmbH & Co. KG, Haan-Gruiten

4. Bruns B, Herrmann F, Grünewald M, Riese J (2021) Dynamic Design Optimization for Flexible Process Equipment. Ind Eng Chem Res 60(20):7678–7688. https://doi.org/10.1021/acs.iecr.1c00306

5. Busch M (2012) Zur effizienten Kopplung von Simulationsprogrammen. Dissertation, Universität Halle

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3