Эффективность многопоточных вычислений в системах компьютерного моделирования литейных процессов

Применение систем компьютерного моделирования литейных процессов (СКМ ЛП) становится обязательным при разработке литейной технологии в авиации и других наукоемких областях техники. В связи с увеличением числа расчетных ядер в современных процессорах актуальным становится осуществление многопоточных вычислений. В работе оценивалась эффективность многопоточных вычислений при моделировании литейных процессов с помощью конечно-элементных СКМ ЛП «ProCast» и «ПолигонСофт», использующих архитектуры параллельных расчетов с распределенной (DMP) и общей (SMP) памятью соответственно. Для вычислений применяли компьютеры на базе платформ от компаний «Intel» и «AMD». Число расчетных потоков варьировали от 4 до 32. Эффективность оценивали по приросту скорости расчета заполнения и затвердевания отливки «ГП25» из сплава МЛ10, а также решения сложной задачи моделирования заполнения и затвердевания корпусных отливок из никелевого жаропрочного сплава с учетом радиационного теплообмена. Показано, что минимальное время расчета в СКМ ЛП «ProCast» наблюдается при использовании 16 вычислительных потоков. Причем это характерно для обеих вычислительных систем (на процессорах «Intel» и «AMD»), и увеличение числа потоков выше этого предела не имеет практического смысла. Снижение производительности в данном случае может быть связано с наличием малопроизводительных энергоэффективных ядер в случае применения системы на процессоре «Intel», а также полной загрузки физических ядер и уменьшением частоты ядер для системы на процессоре от «AMD». Распараллеливание задачи моделирования в СКМ ЛП «ПолигонСофт» менее эффективно, чем в СКМ ЛП «ProCast», вследствие реализации архитектуры с общей памятью. В то же время, несмотря на значительную разницу в эффективности распараллеливания, задача затвердевания отливки «ГП25» в СКМ ЛП «ПолигонСофт» и «ProCast» решается за достаточно близкое время.

1. Schwiegelshohn U., Badia R.M., Bubak M., Danelutto M., Dustdar S., Gagliardi F., Geiger A., Hluchy L., Kranzlmüller D., Laure E., Priol T., Reinefeld A., Resch M., Reuter A., Rienhoff O., Rüter T., Sloot P., Talia D., Ullmann K., Yahyapour R., von Voigt G. Perspectives on grid computing. Future Generation Computer Systems. 2010;26:1104—1115. https://doi.org/10.1016/j.future.2010.05.010

2. Konopka K., Miłkowska-Piszczek K., Trebacz L., Falkus J. Improving efficiency of ccs numerical simulations through use of parallel processing. Archives of Metallurgy and Materials. 2015;60(1):235—238. https://doi.org/10.1515/amm-2015-0037

3. Истомин В.А., Шварц Д.Р., Ишханов Е.А., Тихомиров М.Д. Использование бессеточного метода сглаженных частиц при моделировании гидродинамики в СКМ ЛП «ПолигонСофт». Литейное производство. 2012;(8):20—22.

4. Cai Y., Li G., Wang H., Zheng G., Lin S. Development of parallel explicit finite element sheet forming simulation system based on GPU architecture. Advances in Engineering Software. 2012;45:370—379. https://doi.org/10.1016/j.advengsoft.2011.10.014

5. Posey S., Kodiyalam S. Performance benefits of NVIDIA GPUs for LS-DYNA®. In: 8th European LS-DYNA Users Conference (May 2011). Strasbourg, 2011. P. 1—6.

6. Kaplinger B., Wie B., Dearborn D. Efficient parallelization of nonlinear perturbation algorithms for orbit prediction with applications to asteroid deflection and fragmentation. In: 20th AAS/AIAA Space Flight Mechanics Meeting (15—17 February 2010). San Diego, 2010. P. 1845—1860.

7. Thibault S.E., Holman D., Trapani G., Garcia S. CFD simulation of a quad-rotor UAV with rotors in motion explicitly modeled using an LBM approach with adaptive refinement. In: 55th AIAA Aerospace Sciences Meeting (9—13 January 2017). Grapevine: American Institute of Aeronautics and Astronautics, 2017. P. 1—16. https://doi.org/10.2514/6.2017-0583

8. Pannala S., D’Azevedo E.F., Syamlal M. O’Brien T. Hybrid (OpenMP and MPI) parallelization of MFIX: A multiphase CFD code for modeling fluidized beds. In: Proceedings of the ACM Symposium on Applied Computing (SAC) (9—12 March 2003). Melbourne: Association for Computing Machinery, 2003. P. 199—206. https://doi.org/10.1145/952532.952574

9. Tomsich P., Rauber A., Merkl D. ParSOM: Using parallelism to overcome memory latency in self-organizing neural networks. In: High Performance Computing and Networking: Proceedings of the 8th International Conference (8—10 May 2000). Amsterdam: Springer, 2000. P. 136—145. https://doi.org/10.1007/3-540-45492-6_15

10. Биленко Г.А. Общие возможности пакета программ Welding simulation suite. Металлург. 2011;(5):28—31. Bilenko G.A. General capabilities of the software package Welding simulation suite. Metallurgist. 2011;55(5—6): 323—327. (In Russ.). https://doi.org/10.1007/s11015-011-9430-6

11. Yang W.-H., Peng A., Liu L., Hsu D.C. Parallel true 3D CAE with hybrid meshing flexibility for injection molding. In: Annual Conference of the Society of Plastics Engineers ANTEC 2005 (1—5 May 2005). Boston: Curran Associates Inc., 2005. Vol. 1. P. 56—60.

12. Corke G. Workstations for simulation (FEA). URL: https://develop3d.com/features/workstations-forsimulation-fea-ansys-mechanical-17-0 (accessed: 17.01.2023).

13. Trębacz L., Miłkowska-Piszczek K., Konopka K., Falkus J. Numerical simulation of the continuous casting of steel on a grid platform. In: eScience on distributed computing infrastructure. Lecture notes in computer science (Eds. M. Bubak, J. Kitowski, K. Wiatr). Heidelberg: Springer, 2014. Vol. 8500. P. 407—418. https://doi.org/10.1007/978-3-319-10894-0_29

14. Тихомиров М.Д., Комаров И.А. Основы моделирования литейных процессов. Что лучше — метод конечных элементов или метод конечных разностей? Литейное производство. 2002;(5):22—28.

15. Тарасевич Н.И., Корниец И.В., Тарасевич И.Н., Дудченко А.В. Сравнительный анализ систем компьютерного моделирования металлургических и литейных процессов. Металл и литье Украины. 2010;(5):20—25.

16. Simulate the complete casting process to reach zero defects with a single tool. URL: https://www.esi-group.com/products/casting (accessed: 6.02.2023).

17. Турищев В. Моделирование литейных процессов: Что выбрать? CADmaster. 2005;(2):33—35.

18. Система компьютерного моделирования литейных процессов (СКМ ЛП) «ПолигонСофт». URL: https://poligonsoft.ru (дата обращения: 6.02.2023).

19. Монастырский А., Тихомиров М. СКМ ЛП «ПолигонСофт» 13.Х. Обзор, итоги, планы. CADmaster. 2013;(2):44—48.

20. ESI Group, ProCAST 2010.0 User’s Manual (ESI Group, 2010). URL: https://myesi.esi-group.com/system/files/documentation/ProCAST/2010/ProCAST_20100_UM.pdf (accessed: 12.09.2022).

21. Yang L., Chai L.H., Liang Y.F., Zhang Y.W., Bao C.L., Liu S.B., Lin J.P. Numerical simulation and experimental verification of gravity and centrifugal investment casting low pressure turbine blades for high Nb—TiAl alloy. Intermetallics. 2015;66:149—155. https://doi.org/10.1016/j.intermet.2015.07.006

22. Lu S., Xiao F., Guo Z., Wang L., Li H., Liao B. Numerical simulation of multilayered multiple metal cast rolls in compound casting process. Applied Thermal Engineering. 2016;93:518—528. https://doi.org/10.1016/j.applthermaleng.2015.09.114

23. Dantzig J.A., Rappaz M. Solidification. Lausanne: EPFL Press, 2009. 621 p.

24. Тихомиров М.Д. Основные аспекты решения тепловой задачи при моделировании литейных процессов. Литейное производство. 1998;(4):30—34.

25. Колтыгин А.В., Баженов В.Е., Целовальник Ю.В., Белов В.Д., Юдин В.А. Результаты компьютерного моделирования усадочной микропористости в корпусной отливке из сплава МЛ10. Литейное производство. 2020;(8):23—27.

26. Palumbo G., Piglionico V., Piccininni A., Guglielmi P., Sorgente D., Tricarico L. Determination of interfacial heat transfer coefficients in a sand mould casting process using an optimised inverse analysis. Applied Thermal Engineering. 2015; 78:682—694. https://doi.org/10.1016/j.applthermaleng.2014.11.046

27. Баженов В.Е., Петрова А.В., Колтыгин А.В., Целовальник Ю.В. Определение коэффициента теплопередачи между отливкой из сплава МЛ5 (AZ91) и формой из холоднотвердеющей смеси. Цветные металлы. 2017;(8):89—96.

28. Bazhenov V.E., Tselovalnik Yu.V., Koltygin A.V., Belov V.D. Investigation of the interfacial heat transfer coefficient at the metal—mold interface during casting of an A356 aluminum alloy and AZ81 magnesium alloy into steel and graphite molds. International Journal of Metalcasting. 2021;15(2):625—637. https://doi.org/10.1007/s40962-020-00495-2