Microsoft Word - 特集_小縣様.docx

Transcription

1 285 特集 オープンソースの大きな流れ 建築環境分野におけるオープンソース活用事例 * 株式会社森村設計小縣信也 Projects using Open Source Software in the Building Environment Field Shinya OGATA, P.T.Morimura & Associates,LTD. 1 はじめに 2 OpenFOAM 活用事例 弊社では数年前より建築環境シミュレーション業務にオープンソースソフトウェアを用いている. それまでは主に商用のソフトウェアを用いていたが, 少しずつオープンソースソフトウェアを用いる機会が増え, 現在では業務の大半に利用するまでになった. 使用しているソフトウェアとしては,CFD ツール集の OpenFOAM, 可視化ソフトの ParaView, 建物光環境解析ソフトの Radiance などである. オープンソースを本格的に業務で使い始めたのは 2010 年 8 月頃からである. 国土技術政策総合研究所が実施する簡易プロポーザルにおいて,OpenFOAM を用いた技術提案を行い, その案が採用され受注に至ったことが契機となった. この業務については 2.2 章で詳しく述べる. 弊社の業務において, オープンソースソフトウェアを用いる利点としては以下のようなものがある. ソースコードを自由に改変できるため, 個々の問題に応じた提案ができる. インストール数に制約がないため, 複数のマシンで同時に使用することができる. これにより, 複数台のマシンで平行して計算を進められるなど, 業務の効率化を図れる. ライセンスという制約がないため, 社外計算機サーバーに自由にインストールできる. 詳しくは 2 章以降の事例紹介の中で述べることにする. 弊社は建築設備設計事務所であるため, 活用事例も建築物に関連するものが中心となる. 2.1 OpenFOAM 概要 OpenFOAM とは,CFD をはじめとした様々な数値シミュレーションを行うためのツール集である. オブジェクト指向型言語 C++ で開発されており拡張性に非常に優れていることが特長である. この OpenFOAM には, 商用ソフトのように 3 次元モデルを作成するインターフェースは付属していない. 複雑な建物を計算する場合には, その形状データを他の CAD ソフトなどを用いて準備する必要がある. 弊社では,3 次元モデルの作成に Google スケッチアップを用いている. この Google スケッチアップは, フリーソフトであるが, 一般的な建物モデルを作成するのに十分な機能を備えており, また, プログラミング言語の Ruby を用いてプラグインを作成することもできる. オープンソースではないが, コスト ライセンス 拡張性という観点から, オープンソースソフトウェアと非常に相性が良いソフトウェアと言える. 2.2 OpenFOAM 活用事例 1 密集市街地における換気 通風性能予測 この業務は, 国土技術政策総合研究所が実施する簡易プロポーザルにおいて,OpenFOAM を用いた技術提案を行い, 業務受注に結びついた例である. オープンソースソフトウェアを用いることによって業務を効率的に進められるという提案内容が評価された. なお, 本業務は株式会社 MTS 雪氷研究所との共同企業体で受注 実施したものである. 国土技術政策総合研究所では, 密集市街地における整備 改善の加速化を目的とした協調的建て替え * 目黒区中目黒 ogata@ptmtokyo.co.jp

2 286 特例手法の活用の普及を図るため, 街区特性に応じた協調的建て替えルールの策定を支援する街区性能の簡易予測 評価ツールを開発している. 本業務は, 街区性能の簡易予測 評価ツールの一部を構成する換気 通風性能に関する要素プログラムに用いられるデータベースを CFD シミュレーションによって作成するものである. 業務は, 平成 22 年度と平成 23 年度に簡易プロポーザル方式により実施され, 両年度とも弊社らの提案内容が評価され受注に至った. 平成 22 年度は, 協調的建て替えルールに関する規制項目 ( 市街地構成要素 ) が, 規則的に配置された街区において換気 通風性能にどのような影響を及ぼすかを検討した 1). 図 1 に規則的市街地モデルの全体図を示す. 街区モデルの形状は, 建物高さ, 建物形状 ( セットバック ), 道路幅員, 建物の隣棟間隔, 地盤の傾斜をパラメータとして, それらを組み合わせた計 64 パターンである ( 図 2). これに風向を組み合わせると,CFD 計算を実施する数は合計 336 ケースとなった. 各ケースのセル数は,100 万 400 万であり, これだけの CFD 計算を所定の期間内に終わらせるためには, 効率的に計算を進める必要があった. この課題に対して弊社らは,CFD ソフトに OpenFOAM を用いて, 計算作業の効率化を図るという提案を行った.OpenFOAM は, 当然のことながらライセンス数の制約がないため, 複数のマシンにインストールすることができる. その上, スクリプトを用いて計算を連続的に流すことができるため, 非常に効率よく作業を進めることができる. 弊社では 10 台以上のパソコンを用意し, 空いているパソコンに対して,CFD 計算を順次実施していくという方法で作業の効率化を図った. 計算結果の一例を図 3 に示す. θ= 45 θ= 22.5 θ=0 θ=22.5 θ=45 θ= 67.5 θ=67.5 B A θ= 90 θ=90 図 1 規則的街区モデル 建物 評価対範囲内の建物 ボイド ( 道路空間 ) 評価対象範囲 風向 θ=180 θ=157.5 θ=135 θ=112.5 パラメータ説明設定値説明図 H 建物高さ Sb W D Hb 建物形状 ( セットバック ) 道路幅員 建物の隣棟間隔 地盤の傾斜 6m 9m の 2 種類 上層階の壁面後退距離 0m 1m 2m の 3 種類 2m 3m 4m 5m 6m の 5 種類 0.5m 1m の 2 種類 X 軸 Y 軸それぞれについて緩斜面 急斜面 ( 合計 4 パターン ) H=6m Sb=0m セットバック無し H=9m ボイド H=9m Sb=1m 2m セットバック有り W=2m 3m 4m 5m 6m ボイド 図 2 規則的街区モデルにおける街区形態のパラメータ 図 3 計算結果例 ( 風速分布 ) ボイド D=0.5m 1m D=0.5m 1m 平成 23 年度は, 実市街地をモデルとした街区において, 換気 通風性状に関する計算を行い, 規則的街区モデルと比べて影響が複雑になる実市街地においてどのような簡易評価手法が構築できるかを検討した 2). 計算対象市街地は, 東京都荒川区, 大阪府寝屋川市, 横浜市西区, 神戸市長田区, の 4 地区であり, それぞれの地域について,16 風向の計算を実施した ( 図 4). 図 5 に横浜市西区モデル, 図 6 にその計算格子を示す.CFD 計算実施数は,4 モデル 16 風向 =64 ケースである. 各モデルのセル数は,1000 万以上であり, 平成 22 年度の規則的市街地モデル以上の

3 287 計算時間が予想された. そこで平成 23 年度は, 財団法人計算科学振興財団のスパコン ( 以下,FOCUS スパコン ) を利用し, 計算作業の効率化を図った.FOCUS スパコンでは, 必要な数のサーバーを時間単位 ノード単位で利用できるため, 短期間で大量の計算を処理するのに非常に適している. 計算機サーバーについては 5 章で詳述する. 図 7 に計算結果の一例を示す deg 270deg 247.5deg 337.5deg 315deg 600m 225deg 202.5deg 図 6 計算格子 ( 横浜市西区 ) 0deg 600m 180deg 評価対象領域 N 22.5deg 157.5deg 45deg 135deg 67.5deg 112.5deg 90deg 図 4 計算風向 図 7 計算結果風速分布 ( 横浜市西区 ) 図 5 実市街地モデル ( 横浜市西区 ) 2.3 OpenFOAM 活用事例 2 空調空間と圧縮式ヒートポンプの非定常連成解析 現在, 関西電力, 早稲田大学齋藤研究室と共同で空調空間と圧縮式ヒートポンプの非定常連成解析に取り組んでいる 3). 空調空間における圧縮式ヒートポンプの制御方法としては, 圧縮式ヒートポンプ吸込空気温度やリモコン設置部における空気温度を空調空間の代表温度として, この代表温度が所定の温度となるように圧縮機回転数を変化させる方法が一般的である. この制御方法の場合, 圧縮式ヒートポンプの制御性能は, 機器本体だけでなく, 空調空間の影響を大きく受け

4 288 ることになる. 熱容量 広さ 機器の設置場所などの空調空間側条件は物件によって異なるため, 機器の制御系の設計は非常に難しくなる. 実運転時の問題としては, 連続運転が可能な領域におけるハンチング, 断続運転時に過大な能力を与えてしまうことなどが挙げられる. 本研究は, このような背景を踏まえ, 要素機器の物理現象までをも詳細に考慮した圧縮式ヒートポンプの非定常解析モデルと空調空間の CFD を連成させることにより, 空調空間を含めた機器の総合的な非定常特性を解明し, 圧縮式ヒートポンプの最適な制御手法を確立することを最終的に目指すものである. 空調空間の CFD 解析ソフトには OpenFOAM を用い, 圧縮式ヒートポンプのシミュレータ ( 以下,PAC シミュレータ ) には齋藤研究室で開発された既往のプログラムを用いている. この両者を連成させることにより, 居室と空調機の相互に影響しあう現象を詳細に予測することができるようになる. 図 8 に PAC シミュレータのシステムフローを示す. 図 9 と図 10 に CFD モデルの一例を示す. 図 10 CFD モデルの一例 Outdoor Fan Expansion Valve Condenser Evaporator Indoor Fan Reversing Valve Compressor 図 11 計算フロー 表 1 通信データ Accumulator 図 8 PAC シミュレータのシステムフロー 図 9 CFD における室内機モデル OpenFOAM と PAC シミュレータの通信には TCP を用いた. 図 11 に連成時の計算フローを示す. まず PAC シミュレーションを起動し, 次に OpenFOAM の計算を実行する.OpenFOAM は 1step 分の計算を実行し, 計算結果の一部を Socket1 へ送る.PAC シミュレータは起動後,Socket1 へ継続的にデータを読みにいき, Socket1 からデータを受信できると, 計算を実行する. 計算後,PAC シミュレータは計算結果を Socket2 へ送る.PAC シミュレータが計算を行っている間, OpenFOAM は Socket2 へ継続的にデータを読みにいき,

5 289 Socket2 からデータを受信できると, 次 step の計算を実行する. 各 Socket へ送られるデータは表 1 の通りである.OpenFOAM から PAC シミュレータへ送られるデータは温度検出端温度と室内機吸込空気温湿度であり,PAC シミュレータから OpenFOAM へ送られるデータは吹出温湿度である. このように CFD と他のプログラムを連成させる手法を比較的容易に構築できるのもオープンソースの強みである. 今後は, 構築した連成手法を用いて, 様々な検討を行っていく予定である. 3 ParaView-Python 活用事例 3.1 ParaView-Python 概要 ParaView とは, 米国で開発されたオープンソースの可視化ソフトウェアである.OpenFOAM の計算結果可視化ソフトとしても利用されている.ParaView には非常に多くの機能が備わっているが, 中でも Python スクリプトが便利である.ParaView は, プログラミング言語の Python を用いたスクリプティングをサポートしており, この機能を用いると可視化のための一連の作業を自動化することができる. Python スクリプトによって ParaView を操作する方法としては,ParaView を立ち上げた状態でスクリプトを実行する方法と,ParaView を立ち上げずに端末から直接スクリプトを実行する方法 (pvbatch) がある. 後者の方法は, 作業を完全に自動化できるため, 大量の計算結果に対してポスト処理する場合に適している. 3.2 ParaView-Python の活用事例 2.2 章で紹介した密集市街地の事例では, 計算ケースが 336 と非常に多く, 当然ながら計算結果の可視化作業も膨大な量であった. こういう場合に役立つのが,ParaView の Python スクリプト機能である. Python スクリプトを用いれば, 全計算ケースに対して, 自動的に計算結果の可視化処理を行える. これにより人の手による作業を大幅に削減することができる. 弊社では Python スクリプトを用いてアニメーションの作成も行っている.Python スクリプトを用いると, カメラアングルや可視化断面位置が連続的に変化する静止画を作成することができ, それら静止画をつなぎ合わせると動画になる. スクリプトの書き方を工夫すれば, 様々な表現の動画を作成することができる. 弊社で作成したサンプル動画を YouTube にアップしているので参照されたい 4). 4 Radiance 活用事例 4.1 Radiance 概要 Radiance とは, 米国で開発された建物の光環境解析ソフトであり, このソフトウェアを用いると建物内外の照度分布や輝度分布を算出することができる. このソフトウェアもオープンソースである. 弊社では, 照明点灯時の室内照度分布予測, 昼光利用時の室内照度分布予測, ルーバー形状の検討などにこのソフトウェアを用いている. 4.2 Radiance 活用事例 某市庁舎ルーバー角度検討 Radiance を用いて, 建物壁面に取り付けるルーバーの角度を検討した事例である. 建物にルーバーを取り付ける主な目的は日射を遮ることである. 日射を遮ることは, 夏期における冷房負荷を低減させることにつながる. しかし, 日射を遮るということは室内へ取り込まれる日射熱が減るということでもあり, 冬期においては暖房負荷が増加することにつながる. つまり, 省エネという観点で最適なルーバー角度を決定するには, 夏期の冷房負荷低減量と冬期の暖房負荷増加量のバランスを見定めなければならない. そこで, この業務では,Radiance を用いて, ルーバーが取り付けられている窓面への日射侵入量を算出し, 年間を通して最も省エネになる角度を導いた. 計算は, 冷房期間 (6 月 ~9 月 ) および暖房期間 (11 月 ~3 月 ) の代表日について行った. 代表日は, 夏至 冬至を考慮して各月の 22 日とし, 計算時刻は 9 時 ~21 時までの 1 時間間隔とした. 天空条件は, すべての日時において 快晴 とした. 計算モデルは方位面毎に作成した ( 図 12). 各方位面の計算角度を図 13 に示す. 計算結果の一例を図 15 に示す. 図 12 計算モデル

6 290 Radiance の計算終了後, 窓面への日射侵入量を冷房期間および暖房期間のそれぞれにわたって積算し, その差を求めた. 冷房期間における積算日射量から暖房期間における積算日射量を差し引いた値が小さい角度ほど, 年間を通した空調負荷が小さくなると考えることができる. 最適角度算出例を図 14 に示す. 5 計算用サーバーの利用 積算日射量の差 [Wh/m2] 図 13 計算角度 近似式 : 200 y = x x 最適角度 ルーバー角度 [ ] 積算日射量の差 = 冷房期間における積算日射量 暖房期間における積算日射量図 14 最適角度算出例 ( 西面 ) 5.1 概要オープンソースソフトウェアは, ライセンスの制約がないため, 外部の計算用サーバーへもインストールすることができる. 弊社では,FOCUS スパコンと AmazonEC2( 以下,EC2) をシミュレーション業務に使用している. FOCUS スパコンでは, 時間単位または期間占有で計算用サーバーを利用できる. 利用料金は, 利用形態にもよるが,1 時間 1 ノード (12 コア )100 円 であり比較的安価である.OpenFOAM をはじめとした代表的なオープンソースソフトが標準でインストールされており, 計算ファイルを転送すれば, すぐに計算を実行することができる.Radiance などの特定 ルー方位バー角度 7 月 22 日 9 月 22 日 12 月 22 日 9:00 12:00 17:00 9:00 12:00 17:00 9:00 12:00 17:00 30 北 東 南 西 90 図 15 ルーバー角度別, 時刻別計算結果

7 291 の分野に特化したオープンソースソフトウェアはインストールされていないため, ユーザー自身でコンパイルする必要がある.FOCUS スパコンの最大の特徴は, 産業界におけるスパコン利用の拡大を目指しているところである. 他のスパコンのように, 利用審査や, 研究成果の公表を求められるということがなく, 純粋にビジネス目的に利用できる. EC2 も時間単位で計算用サーバーを利用できるサービスであるが, 計算機スペックが複数に分かれており, 計算目的に応じて選択することができる. 利用料金は, 利用形態にもよるが, 概ね FOCUS スパコンと同等である. ただし,FOCUS スパコンと異なりストレージ料金やデータ転送 ( アウト ) 料金が発生する.OpenFOAM を利用する場合は,OpenFOAM がインストールされたイメージを利用するか,ubuntu などのイメージを選択し, 後でパソコンと同じ要領でインストールすればよい. 図 16 計算時間調査に用いたモデル (refinemesh 前 ) 5.2 計算時間調査結果計算用サーバーを利用する際に把握しておきたい事柄の一つに計算速度がある. ここでは FOCUS スパコンと EC2 で行った計算時間調査の結果を紹介する. 計算モデルには, 日本建築学会ベンチマークテスト casec を用いた ( 図 16).OpenFOAM 用のケースファイルはオープン CAE 学会のホームページからダウンロードできる. 標準の casec のままでは計算規模が小さいため,refineMesh によりセル数を 8 倍にした. これにより総セル数は約 130 万となった. 使用したソルバーは simplefoam, 乱流モデルは標準 k-epsilon, 計算は 2000 ステップまでとした. まず,FOCUS スパコンでの計算所要時間を図 17 に示す. 参考としてワークステーション (HPZ800) での計算結果も併記する. 各計算機のスペックは表 2 の通りである.10 コア以下では,FOCUS スパコンとワークステーションに大きな違いは見られない.24 コア以上になると, ワークステーションに比べ計算時間が大幅に短縮され,74 コアでは約 500 秒程度まで短くなり, ワークステーション 1 コアに対し概ね 20 分の 1 の時間となる. 規模が小さいため, 計算時間はコア数に反比例しないが, 通常の業務においては, 期日までに計算を完了させることの方が重要であるため, 計算時間を大幅に短縮できることは非常に有り難い. 次に,EC2 で計算時間を測定した結果を示す. リージョンは東京を選び,High CPU Extra Large インスタンス ( 以下,High-CPU) と Standard Extra Large 実行した. 計算モデルおよび計算条件は FOCUS スパ 計算時間 [s] 15,000 FOCUS 8 HP Z00 10,000 5, コア数 [core] 図 17 FOCUS スパコンでの計算時間表 2 計算機のスペック OS:Ubuntu CPU:Xeon X GHZ HPZ800 2 基 ( 合計 12 コア ) メモリ :24GB OS:Linux Kernel 2.6 CentOS FOCUS CPU:Xeon L GHz スパコン (12 コア / ノード ) メモリ :48GB/ ノード Amazon EC2 OS:Ubuntu (Standard CPU:8 ECU Extra Large) (2ECU 4 仮想コア ) メモリ :15 GB Amazon EC2 OS:Ubuntu (High CPU CPU:20ECU Extra Large) (2.5ECU 8 仮想コア ) メモリ :7GB

8 292 コンの場合と同じである. EC2 での計算所要時間を図 18 に示す.HPZ800 に比べ計算時間が長くかかっていることがわかる. また,High-CPU より Standard の計算時間が短くなっている. この理由を EC2 技術担当者に確認したところ,High-CPU はデータベース処理や Web などの多スレッドの処理の場合に全体スループットが高くなるインスタンスであるが,OpenFOAM のような垂直処理に近い場合には, 必ずしも Standard よりスループットが高くなるわけではないという回答であった. 今回の調査で使用したインスタンスは,High-CPU と Standard の 2 つであったが, 他にも cc1 と cc2 という数値計算向けインスタンスがある. 今後, それらのインスタンスでも計算時間調査を実施する予定である. 計算時間 [s] HP Z00 EC2/Tokyo/HighCPUExtraLarge EC2/Tokyo/StandardExtraLarge コア数 [core] 8 図 18 AmazonEC2 での計算時間 5.3 FOCUS スパコンと EC2 の使い分け弊社では, それぞれの特長を活かせるよう FOCUS スパコンと EC2 を次のように使い分けている. FOCUS スパコンでは, 高い並列効率が求められ, かつ, 計算結果ファイルが大容量になる CFD 計算を実行している. 計算結果が大容量になってもデータの転送 ( アウト ) に料金がかからないため, 常にローカルの PC とサーバーで同期をとるようにすれば, 計算終了後のポスト処理もローカルマシンですぐに取りかかることができる. 一方,EC2 では光環境解析の計算を行っている. 光環境解析の結果のうちローカルマシンに転送する必要があるのは, 容量の小さなテキストファイルと画像ファイルだけであるため, 転送料金もほとんどかからず, 転送に要する時間を心配する必要もない. 光環境解析では, 一度に数百 数千の小さなジョブを流すため,EC2 のように計算機資源を柔軟に増やせるサービスが向いている. FOCUS スパコンや EC2 が登場し, オープンソース の活躍の場がこれから益々拡大していくものと思われる. しかし, 解析技術者がサーバーサービスを利用するには, サーバーへのログイン方法や完全なコマンドラインでの作業など, 本来の解析技術以外に多くのことを習得しなければならない. こういった解析技術者への負担を減らし, 本来の業務に専念させてくれる新しいサービスの登場を期待している. 6 おわりに弊社でのオープンソース活用事例を紹介した. 学術的な内容に欠ける部分も多々あるが, ご了承頂きたい. 近年, パソコンの価格が低下し, 計算用サーバーも手軽に利用できるようになり, 計算機資源を 1 つの業務に大量に投入できる状況になってきている. 一方, ソフトウェア環境においては, オープンソースソフトウェアが機能性と利便性を高めてきている. この両者を組み合わせれば, ハードとソフトの両方で数という縛りがなくなり, 大量の計算を実施し大量の計算結果から有効な情報を掘り起こすという データマイニング のようなことがこれまでよりも容易に実現できることになる. このように, オープンソースの普及に伴って, 解析業務の形態も大きく変化していくのではないかと日々感じている. 謝辞 : これらの業務でお世話になった方々と, 日頃から OpenFOAM に関してご指導を頂いている東京大学今野助教に謝意を表します. 引用文献 1) 国土技術政策総合研究所 : 平成 22 年度密集市街地の換気 通風性能に関するシミュレーション業務報告書,(2011). 2) 国土技術政策総合研究所 : 密集市街地の換気 通風性能の簡易予測 評価に向けた街区形状のモデル化手法に関する調査業務報告書,(2012). 3) 江口寛航, 大野慶祐, 齋藤潔, 上野清隆, 松本邦康, 小縣信也, 中村北斗, 村田博道 : 空調空間と圧縮式ヒートポンプの非定常連成解析 ~ 最適制御手法の確立を目指して~, 日本冷凍空調学会年次大会講演論文集,(2011). 4) YouTube 株式会社森村設計登録チャンネル :