Lockheed Martin crea modelli a eventi discreti per prevedere le prestazioni della flotta di F-35
"Costruendo un modello con Simulink e SimEvents ed eseguendo simulazioni a eventi discreti su un cluster di computer, abbiamo rapidamente identificato molte opportunità per massimizzare le prestazioni della flotta di F-35, riducendo al minimo gli sforzi di sviluppo e di esecuzione".
Sfida
Soluzione
Creazione di un modello a eventi discreti della flotta con Simulink e SimEvents, utilizzo di MATLAB Parallel Server per accelerare migliaia di simulazioni e interpolazione dei risultati con Deep Learning Toolbox
Risultati
- Riduzione dei tempi di configurazione della simulazione da alcuni mesi a poche ore
- Dimuzione degli sforzi di sviluppo
- Tempi di simulazione ridotti di mesi
La fase Mantenimento del programma Lockheed Martin F-35 Lightning II riduce i costi del ciclo di vita e aumenta la prontezza alla missione della flotta di F-35 riducendo al minimo i tempi di inattività, sostenendo l'addestramento dei piloti e assicurando la disponibilità di pezzi di ricambio senza inutili accumuli di scorte. Per raggiungere questi obiettivi, il programma si affida a previsioni accurate sulle prestazioni della flotta, incluse proiezioni sui tempi di fermo degli aerei.
Gli ingegneri di Lockheed Martin hanno utilizzato Simulink®, SimEvents®, Deep Learning Toolbox™ e MATLAB Parallel Server™ per modellare le prestazioni della flotta e fare previsioni in base a decine di migliaia di simulazioni svolte su un cluster di elaborazione con 256 worker.
"Con Simulink e SimEvents abbiamo creato un modello che incorpora i dati dell'intero programma F-35 e simula migliaia di velivoli che operano ogni giorno, ciascuno con migliaia di parti, in centinaia di località in un arco di tempo di molti anni", spiega Justin Beales, ingegnere di progetto di Lockheed Martin. "Accelerare migliaia di simulazioni Monte Carlo sul nostro cluster e quindi interpolare i risultati con Deep Learning Toolbox ridurrà di diversi anni i nostri tempi di elaborazione".
Sfida
Simulare le prestazioni della flotta di F-35 è un processo estremamente impegnativo a causa della complessità del velivolo e del sistema logistico globale necessario per supportarlo. Inizialmente Lockheed Martin ha cercato di generare previsioni con strumenti già a sua disposizione, i quali tuttavia hanno aggiunto un ulteriore grado di complessità al problema.
Il team di Lockheed Martin voleva sviluppare un modello dettagliato e facilmente configurabile da utilizzare per simulare rapidamente migliaia di combinazioni di parametri e scenari. Doveva applicare tecniche avanzate per generare e analizzare i risultati, tra cui la progettazione di esperimenti (DoE), il Machine Learning e altri metodi statistici e probabilistici.
Soluzione
Gli ingegneri di Lockheed Martin hanno sviluppato un sofisticato modello Simulink della flotta di F-35 e lo hanno simulato utilizzando il motore di simulazione a eventi discreti di SimEvents.
Hanno costruito il nucleo del modello con SimEvents per creare le entità e implementato la logica di sistema utilizzando blocchi Attribute Function con codice MATLAB®. Il modello includeva dati sulle prestazioni dei componenti e dei velivoli, oltre a dati sulle modifiche dei velivoli, sugli eventi di manutenzione anomala, sulla disponibilità dei componenti e sull'attività dei velivoli.
Il modello è stato verificato utilizzando casi di test e le linee guida per la verifica, la convalida e l'accreditamento del Dipartimento della Difesa.
Gli ingegneri hanno eseguito simulazioni Monte Carlo con migliaia di prove utilizzando eventi casuali e variazioni dei parametri basati sull'approccio DoE. Per generare risultati più rapidamente, il team ha utilizzato Parallel Computing Toolbox™ e MATLAB Parallel Server per eseguire più simulazioni in parallelo su un cluster di elaborazione con 256 worker.
Utilizzando Deep Learning Toolbox, ha addestrato una rete neurale con i risultati della simulazione, riuscendo a interpolare i dati della simulazione.
Durante le simulazioni, Simulink ha registrato e memorizzato tutti gli eventi che si sono verificati. Per post-elaborare questi dati, il team ha sviluppato script MATLAB per calcolare metriche prestazionali, generare grafici MATLAB annotati e creare file Microsoft® Excel utilizzabili da altri analisti.
Lockheed Martin sta già utilizzando il modello per prevedere le prestazioni della flotta a supporto della fase Mantenimento del programma F-35. Attualmente il team sta valutando come utilizzare il modello in altri programmi.
Risultati
Riduzione dei tempi di configurazione della simulazione da alcuni mesi a poche ore. "Ci sarebbero voluti mesi per configurare i dati da inserire nel vecchio sistema", dichiara Beales. "Ora invece possiamo configurare ed eseguire il nostro modello Simulink e SimEvents con un nuovo set di dati in un solo giorno".
Dimuzione degli sforzi di sviluppo. "Simulink e SimEvents hanno notevolmente rafforzato le nostre capacità di previsione delle prestazioni della flotta, riducendo al minimo i processi di sviluppo", afferma Beales.
Tempi di simulazione ridotti di mesi "Eseguendo le simulazioni in parallelo su un cluster, anziché sui nostri computer desktop 12 core, abbiamo potuto completarle a una velocità oltre 20 volte superiore", sottolinea Beales. "Inoltre l'interpolazione con Deep Learning Toolbox ha ridotto notevolmente il numero di simulazioni da eseguire, con un ulteriore risparmio di tempo di CPU."
