NVIDIA日前表示，发电厂技术供应商西门子能源 (Siemens Energy)，现正使用 NVIDIA Omniverse 平台来建立数位分身，以支援发电厂的预测性维护，每年将可省下 17 亿美元的经费。

西门子能源技术组合经理 Stefan Lichtenberger 表示：「NVIDIA 的开放平台加上符合物理原理的神经网路，为西门子能源带来了极大的价值。」

西门子能源提供复合循环电厂建造和检修保养服务，其中包括大型燃气轮机和蒸汽轮机。余热回收锅炉 (Heat recovery steam generators；HRSGs) 利用燃气轮机的废热，产生用于驱动蒸汽轮机的蒸汽。西门子能源表示此举使得发电厂的热力学效率提升超过 60%。

在余热回收锅炉的某些部分，蒸汽及水会腐蚀锅炉，进而影响到余热回收锅炉零件的使用寿命，若停机以进行维修保养，将会导致公用事业收入大减。

西门子能源估计，若是将业界平均规划的 5.5 天余热回收锅炉停机时间减少 10% (需要检查腐蚀造成的管道壁厚损失)，每年将可省下 17 亿美元的经费。

西门子能源利用 NVIDIA 的技术发展一项全新的工作流程，借此能够在维持安全性的情况下，减少计画停机的频率。预先处理进水温度、压力、pH 值、燃气轮机功率和温度等即时资料，以计算水及蒸汽的压力、温度与速度。将压力、温度及速度等数据投入使用 NVIDIA Modulus 框架建立的物理机器学习模型，以即时精确模拟蒸汽和水如何流经管道。

接着在 NVIDIA Omniverse 中以视觉化技术呈现管道中的流动状况，Omniverse 为用于 3D 工作流程的虚拟环境模拟与协作平台，Omniverse 可扩大至跨多个 GPU 运行，帮助西门子能源即时掌握与预测腐蚀的综合影响性。

西门子能源利用在 NVIDIA A100 Tensor 核心 GPU 上运行的 NVIDIA 软体框架，模拟热、水和其它条件对金属的长期腐蚀作用，以微幅调整其维护需求。利用机器学习模型更准确地预测维护工作，有助于减少维护检查的频率且不会存在故障风险。缩放规模后的 Modulus PINN 模型在 AWS Elastic Kubernetes Service (EKS) 上运行，其由具备 A100 GPU 的 P4d EC2 执行个体支援。

为每个余热回收锅炉建立计算流体动力学模型的过程中，每个模型需要花上长达八周的时间，才能估算出余热回收锅炉工厂管道内的腐蚀情况，且超过六百台设备有此需求。西门子能源透过 NVIDIA 加速工作流程，因此不用数周、只需数小时便能估算出腐蚀情况。

Lichtenberger 表示：「作为加速运算、人工智慧软体平台及模拟领域的领导者，NVIDIA 为西门子能源的工业数位孪生提供所需的规模和灵活性。」