3. Математическое моделирование при разработке нового
продукта/технологии – экономия времени и
материальных затрат
Идея
Моделирование
Виртуальный
прототип
Виртуальные
испытания
Реальный
прототип
Реальные
испытания
Продукт,
технология
Разработка
собственного
программного
обеспечения
для моделирования
Приобретение
профильного
программного
обеспечение
для моделирования
Стоимость меньше, качество лучше,
выход на рынок - быстрее
Моделированиесокращаетэтот
циклвнесколькораз
4. Что в предыдущем цикле не устраивает?
Математическое моделирование - сравнительно новый подход:
наукоемкий ресурсоемкий
специальные компетенции; дорогостоящее
программное обеспечение
для эффективного использования подхода
нужны мощные вычислительные ресурсы
Оборонная Автомобильная Аэрокосмическая
промышленности
Больше возможностей:
Малый и средний бизнес в R&D
Меньше возможностей:
5. Облачные технологии – адаптация методов
математического моделирования для R&D предприятий
малого и среднего секторов в индустрии
Технология (API) удаленного ресурсоемкого
математического моделирования формализованных
задач
Малый и средний бизнес в R&D
Решение
Больше возможностей: Меньше возможностей:
Предпосылки решения Интернет-технологии:
JavaScript, HTML5, Web Graphics Library, Java Applets
Постоянно растущая пропускная способность интернет-каналов
Разработка высокоэффективных компьютерных алгоритмов
Накопление критической массы методов решения формализованных задач
Больше возможностей:
6. Структура математического моделирования
методом конечных элементов
компьютер – виртуальный мирреальность – окружающий мир математическая модель в МКЭ подходе
физические объекты
физические явления
элемент математического множества компьютерный объект: CAD - модель
дифференциальные уравнения алгоритмы решения: FEM-solvers
CAD - модель
FEM-solvers
создание CAD моделейнастройка параметров для
моделирования
построение расчетной
сетки
проведение вычислений
визуализация результатов
обработка данных; работа
с текстом
настольные приложения
ресурсы:командная
работа,мощный
процессориинтернет
7. Структура предлагаемой технологии удаленного
моделирования методом конечных элементов
создание или импорт CAD моделей
настройка параметров для моделирования
построение расчетной сетки
проведение вычислений
визуализация результатов
обработка данных; работа с текстом
настольные приложения: Comsol, Ansys и т.д.
настольные приложения: PPoint, Corel Draw
Графическийинтерфейспользователя:реализациявбраузере
Суперкомпьютер: FEM-solvers
Интернет: сервисы, данные
Webсервер
Команднаяработа
б
р
а
у
з
е
р
к
а
к
п
л
а
т
ф
о
р
м
а
8. Кому интересно такое решение?
Технология (API) удаленного ресурсоемкого математического моделирования
формализованных задач включает в себя следующее
формализованные
задачи
ресурсоемкое
моделирование
разработка
клиент-серверных API
разработчики программного
обеспечения
разработчики и поставщики
суперкомпьютеров
малые и средние предприятия
индустрии в R&D секторе
новые возможности для
своих продуктов и новый
рынок сбыта –
организация удаленных
высокопроизводительных
вычислений по модели SaaS
дополнительный рынок -
1.увеличение количества
программного обеспечения,
работающего на
суперкомпьютере
2. доступ клиентов к
формализованным задачам
1.снижение требований к
компетенциям
пользователей
2. возможность проводить
математическое
моделирования
Кому это интересно?
9. Как это работает – структура взаимоотношений
партнеров, клиентов и поставщиков суперкомпьютеров
экспертное сообщество;
база данных моделей
компании-партнеры;
поставщики задач
поставщики и разработчики
суперкомпьютеров
новые эффективные
инструменты разработки –
сокращение затрат и сроков
выхода новой продукции
освоение нового рынка –
создание моделей для облачного
технического сопровождения
своей продукции
удешевление процессов
основного производствакомпании-клиенты
10. Пример использования нашей технологии для
разработчиков наукоемкого программного обеспечения
Компания Х – разработчик
программного обеспечения
для обработки изображений
от сканирующего атомно-
силового микроскопа
обработка изображений – 1 час;
производительность - 8-10
изображений в день
обработка изображений – 0.1 час;
производительность - 80-100
изображений в день
AFM - изображение
Клиенты компании Х обрабатывают изображения
быстрее и качественнее - производительность
повышается; прибыль компании Х и поставщиков
суперкомпьютеров увеличивается
11. Пример использования нашей технологии для
решений формализованных задач
Компания Y – разработчик
электронного оборудования
компоненты печатной платы
перегреваются – выходят из
строя; нужна вентиляторная
система охлаждения
печатная плата – компонента оборудования
перебор вариантов положения
вентилятора – 2-7 дней
Компания Y получают новый инструмент –
производительность возрастает в разы
оптимальное расположение
вентилятора – 2-3 часа
модель
модель
12. Демонстрация работоспособности технологии –
разработка прототипа 2D удаленного МКЭ
моделирования CAD задач
веб-ориентированный компьютерный инженерный
анализ CAD задач на основе базовых моделей
математической физики
RD-cadegis
работает на любом компьютере
только открыв браузер – не нужно
инсталлировать
платишь только за то, что
используешь
мощные вычислительные ресурсы
доступны с любого компьютера
Как это работает
заходите на сайт
www.rdtool.org
(тест-запуск:
апрель, 2013)
рисуете свою
2D модель через
конструктивно-
блочную геометрию
выбираете задачу:
эллиптическая
параболическая
гиперболическая
задаете граничные
и начальные
условия для
задачи
получаете картинку
и анализируете
решение
посылаете задачу
на счет серверу
13. К какому рынку относятся идеи
1. Вертикальный рынок - веб-ориентированная платформа для облачного
моделирования CAD (computer aided design) задач – RD-cadegis – прототип 2D и
в стадии разработки – 3D
2. Горизонтальный рынок - технология на основе которой эта платформа создается –
допускается с модификациями перенос на любое ресурсоемкое программное
обеспечение
Существует ли на такие предложения спрос?
1. наши потенциальные партнеры – поставщики задач:
• Информация для инвесторов; (электроника, промышленность)
• Информация для инвесторов; (electronics simulation software)
2. нужно проанализировать рыночные тенденции
14. Рыночные тенденции согласно данным
аналитической компании IDC
Прогнозы (IDC) – 2015-2016:
24% нового программного
обеспечения будет работать по
системе SaaS – на CAE in the Cloud в
этом случае будет приходится ~ $1
млрд
Динамика российского рынка
потребления CAE соответствует
мировой и объем рынка составляет
примерно 5% мирового - что
соответствует $50 млн к 2015 - 2016
Распределение HPC по задачам
Рынок HPC
Рынок CAE
15. Аналоги и наше конкурентное преимущество
Наименован
ие модели/
продукта
Стадия GUI Готовые
модели-
шаблоны
Поддержка
CAD через
GUI
Удаленный
расчет задач с
поддержкой GUI
Широкий
охват
задач
Цена/
стоимость
*дол, $+
Информация
для
инвесторов
На рынке да да да да да ~15000
Информация
для
инвесторов
На рынке нет да нет да нет ~2000
Информация
для
инвесторов
На рынке да да да нет нет ~4000
Информация
для
инвесторов
На
рынке/в
разработ
ке
нет да нет да нет ~1000 (в год)
Локальные
решения:
RD-Cadegis
В
разработ
ке
да да да да нет ~1000 (в год)
16. Схема и план коммерциализации - этапы
реализации проекта и выхода на рынок
Продвижение технологии удаленного моделирования: продажа лицензии на использование технических решений для
удаленного моделирования компаниям-разработчикам ресурсоемкого программного обеспечения либо включение в долю от
прибыли, получаемой компаниями за счет услуги SaaS по нашей технологии.
Оформление подписок для предприятий-клиентов на использование решений формализованных задач
посредством веб-интерфейса. Предоставление удаленного доступа через веб-интерфейс к системе запуска расчетов на
суперкомпьютере готовых CAD моделей и решений.
Информация для инвесторов
Основные направления коммерциализации проекта
Основные этапы развития проекта по годам (детализация по месяцам – в бизнес-плане)
Первый год реализации :
сцепление с рынком
Второй год реализации :
подготовка к выходу на рынок
Третий год реализации : вывод
продукции на рынок
Информация для инвесторов Информация для инвесторов Информация для инвесторов
17. Конкурентные преимущества: стратегия
работы с клиентами
Информация для инвесторов
Информация для инвесторов
Информация для инвесторов
Информация для инвесторов
Информация для инвесторов
Информация для инвесторов
Информация для инвесторов
Информация для инвесторов
18. Схема привлечения инвестиций
Предполагаемое распределение соинвестиций
Время от
начала
реализации
Привлечение
инвестиций, $
со-инвестор 1 со-инвестор 2 со-инвестор 3 со-инвестор 4 со-инвестор 5
1 год 310 000 90 000 220 000
2 год 592 000 200 000 200 000 192 000
3 год 680 000 100 000 200 000 380 000
Итого 1 582 000 290 000 320 000 200 000 392 000 380 000
Годовое распределение расходов
80%
5%
6%
9% ФОТ
аренда
подотчетные
расходы
ФОТ: внеш. совм.
Условия для инвестора и его доход через пять лет
соинвестор доля в
компании
стоимость доли
через пять лет, $
соинвестор1 12% Информация для
инвесторов
соинвестор2 12% Информация для
инвесторов
соинвестор3 5% Информация для
инвесторов
соинвестор4 12% Информация для
инвесторов
соинвестор5 8% Информация для
инвесторов
всего 49% Информация для
инвесторов
19. Ожидаемые ключевые финансовые результаты
Время от начала реализации Ожидаемая прибыль, $
1 год 0
2 год 0
3 год 120 000
4 год 360 000
5 год 720 000
Согласно основным этапам развития проекта по годам на пятилетний срок имеем
Обоснование стоимости долей инвесторов и прибыли компании изложено в бизнес-плане
20. Интеллектуальная собственность
На конец первого года реализации проекта будет осуществлена защита прав
интеллектуальной собственности
будет подана заявка на патент – технология удаленного моделирования на основе браузера
программы для ЭВМ – набор API для связки пользовательского графического интерфейса на
основе браузера с суперкомпьютером
разработанные алгоритмы – алгоритмы эффективной обработки удаленных данных в виде
больших массивов, алгоритмы архивирования научных данных и эффективной
передачи через интернет-канал
По истечении 6 лет проект полностью окупит все вложенные в него за это время инвестиции
браузер-платформа;
графический интерфейс
алгоритмы анализа
математических моделей
управление потоками данных;
организация процессов
открытые коды открытые коды
интеллектуальная собственность
доступно - offline доступно - offline
доступно - online
21. Москва: головной офис,
управление компанией,
привлечение инвестиций.
Резиденты центра Сколково.
Ключевые фигуры:
Информация для инвесторов
Томск: центр разработки
программных решений. Ключевые
фигуры Информация для
инвесторов
.
проф. Информация для
инвесторов
– научные консультации
проф. Информация для
инвесторов
. – научные консультации
Кишинев, Молдова: центр разработки программных
решений. Ключевые фигуры: Информация для
инвесторов
Германия, Дрезден: проф. Информация
для инвесторов
- научные консультации;
Квалификация команды
управленческие навыки: члены команды имеют опыт ведения
международных проектов в научно-исследовательской сфере,
опыт руководства лабораториями и кафедрами в университетах.
Суммарный бюджет проектов за последние пять лет превышает 1
млн. долларов.
экспертная квалификация: подтверждается списком трудов в
ведущих мировых научных журналах: Nature Material, Physical
Review Letters, Nano Letters и др, докладах на международных
конференциях; созданием рабочей версии прототипа RD-Cadegis.
Структура компании
22. Ключевые фигуры компании
Руководитель компании. Кандидат физико-математических наук, доцент. Выпускник
Томского политехнического университета, опыт работы в компании TomskLabs
(резидент ТВЗ) в качестве ведущего специалиста по математическому
моделированию, около трех лет в Германии занимался научным исследованиями на
постдокторской позиции, в Институте физики твердого тела (IFW Dresden),
краткосрочные стажировки в Швейцарии (ETH Zurich).
Ведущий специалист компании. Кандидат физико-математических наук, доцент.
Выпускник государственного университета Молдовы. Заведующий кафедрой
теоретической физики и научный руководитель лаборатории физики и инженерии
наноматериалов. Неоднократно стажировался в университетах США (University of
California), Германии (IFW Dresden) и Бельгии (University of Antwerp). Обладатель
премии «Содружество дебютов».
Ведущий специалист компании. Кандидат физико-математических наук, доцент.
Выпускник Томского политехнического университета. Заведующий лабораторией
рентгеновской оптики. Опыт руководства крупными проектами в области
экспериментальной медицинской физики. Неоднократные стажировки в Германии
(University of Mainz) и Армении (Институт прикладных проблем физики).
Денис Ника
Резаев Роман
Гоголев Алексей
Специалист по внедрению и продвижению технологий на рынок – вакансия свободна
За пять лет научной деятельности коллектив компании выполнил ряд проектов в области фундаментальных
исследований на сумму превышающую 1 млн. долларов
23. Наш электронный адрес:
E-mail: contact@cadegis.com
rezaev.roman@gmail.com
Наш телефон:
+7 (495) 328 1739
Наш юридический адрес:
127006, Москва, ул. Садовая-Триумфальная, д. 16,
стр. 3, оф. I-3; ООО "Кадегис”
Наш сайт:
www.cadegis.com
Наш канал на youtube:
http://www.youtube.com/user/Cadegis
Приложение: Контакты
24. Приложение: Оптимизация граничных условий для
градиента температур для сверхрешетки квантовых точек
Изучение термоэлектрических свойств трехмерных сверхрешеток из квантовых точек необходимо начинать
с оптимизации градиента температуры. Рассмотрим типичную постановку задачи – имеется 3-х слойная
структура, средний слой которой представляет собой 3D массив квантовых точек. Для исследования
термоэлектричества необходимо создать в образце “равномерный” градиент температуры. Нагревание
образца осуществляется лазерным лучом с фиксированными параметрами. На нижнем слое фиксируется
температура, на торцах нижнего слоя и слоя, содержащего квантовые точки, выполняются условия
теплоизоляции (Q - поток тепла равен нулю). Единственный параметр, который можно варьировать в
данной постановке задачи – условия на боковых стенках принимающего излучение слоя: нужно выбрать
тип условий – фиксированное значение температуры или теплообмен – а также определить параметры
выбранных условий.
25. Приложение: Оптимизация граничных условий для
градиента температур для сверхрешетки квантовых точек
Предположим для ясности, что коэффициенты теплопроводности квантовых точек и материала-хоста
равны 0.5 и 4.5 Вт/м*К. Коэффициент теплопроводности слоя, принимающего излучения возьмем равным
1 Вт/м*К, а самого нижнего слоя 3 Вт/м*К. Упростим задачу, предположив, что все излучение поглощается в
поверхностном слое – тогда получим граничное условие с фиксированной температурой, распределенной
по гауссовой кривой плюс теплообмен с внешней средой. Для моделирования переменного коэффициента
теплопроводности в слое с квантовыми точками возьмем:
Формализация (u ≡ T):
26. Приложение: Оптимизация граничных условий для
градиента температур для сверхрешетки квантовых точек
Решение задачи с использованием 2D RD-Cadegis выглядит следующим образом (показан один цикл):
1. заходим на сайт
www.rdtool.org
2. рисуем свою 2D модель
4. выбираем
уравнение теплопров-и
3. задаем граничные
и начальные условия
6. получаем и анализируем
решение
5. посылаем задачу
для вычислений