ATENCIÓN: este contenido tiene más de 2 años de antigüedad y, debido a su temática, podría contener información desactualizada o inexacta en la actualidad.
En un artículo anterior comentábamos cómo está impactando la inteligencia artificial y el aprendizaje automático en la industria 4.0. En otros artículos poníamos ejemplos concretos, como el mantenimiento predictivo o la cadena de suministro. En el de hoy nos centraremos en cómo afecta el uso de la IA en el diseño de producto, desde el punto de vista industrial.
Ventajas de uso de herramientas de diseño con IA
A la hora de diseñar una nueva pieza los ingenieros de diseño deben cumplir con una serie de especificaciones técnicas. La información que el ingeniero debe considerar a la hora de enfrentarse a un diseño es ingente: a los requisitos impuestos por el cliente hay que añadir la posibilidad de que existan requerimientos legales, además debe tener en cuenta las propiedades del material con el que se construirá dicho producto, así como el proceso de fabricación.
Hasta ahora, una vez el ingeniero tenía un primer diseño, lo sometía a un análisis por elementos finitos (FEA) y en función de los resultados obtenidos, corregía las deficiencias del diseño previo. Una vez logrado el diseño adecuado, se fabricaban los primeros prototipos, se sometían a ensayos reales y se hacían de nuevo modificaciones hasta obtener el diseño que se decide fabricar (obviamente, esto es un resumen un tanto tosco del proceso, pero se capta la idea).
La incorporación de tecnologías de inteligencia artificial y aprendizaje automático (machine learning), incluido el aprendizaje profundo (deep learning), en el diseño de ingeniería y el software de simulación representa una evolución significativa para la industria, pues permite crear diseños de alta precisión más rápido que nunca.
Entre las ventajas que supone usar IA en la fase de diseño encontramos:
- La carga de trabajo de los ingenieros de diseño se reduce drásticamente y aumenta su productividad, ya que el software elige automáticamente la mejor solución en función de los parámetros de entrada.
- Se producen diseños con una velocidad extraordinaria, lo que reduce miles de horas de tiempo de resolución a solo unos minutos.
- Por último, potencia el diseño generativo, ya que crea innumerables diseños de productos y selecciona los mejores diseños para su consideración, lo que le permite elegir el mejor para la creación de prototipos físicos.
Si incorporamos IA en la fase de diseño, podremos acelerar esta fase y los ingenieros podrán tomar decisiones mejores y con mayor rapidez.
Diseño generativo vs Optimización topológica
Aunque se usa IA en ambos casos, y es mucha la gente que considera la optimización topológica una forma básica de diseño generativo, es importante distinguir ambos conceptos.
De forma sencilla podemos decir que, en el caso de la optimización de topología, el diseño inicial de un ingeniero se analiza algorítmicamente y se identifican las áreas donde es posible eliminar masa sin comprometer la integridad del mismo.
El diseño generativo es una forma de generar de forma autónoma diseños óptimos a partir de un conjunto de requisitos de diseño del sistema. Con el diseño generativo, los ingenieros pueden especificar de forma interactiva los requisitos funcionales y los objetivos de su diseño, incluidos los materiales y los procesos de fabricación preferidos, y el programa de software producirá automáticamente un diseño listo para la fabricación.
¿Cómo influye la IA en el diseño generativo?
Los ingenieros que emplean software de diseño generativo no inician un proceso de diseño con ideas basadas en su propio conocimiento (recuerda toda la información que se debe tener en cuenta para diseñar una pieza). En su lugar, introducen parámetros de diseño como tamaño, peso, método de fabricación y restricciones de costes en dicho software y este utiliza inteligencia artificial para generar varias opciones de diseño.
Con el uso de inteligencia artificial se logra aumentar la experiencia y las capacidades del diseño mediante:
- La optimización de diseños para múltiples objetivos simultáneamente. Además, se proporciona al diseñador varias alternativas de diseño novedosas, lo que permite a las empresas reducir sustancialmente los ciclos de ingeniería.
- Creación de diseños no intuitivos, sino basados en los requerimientos de entrada: esto reduce la brecha que existe entre diseñadores experimentados y aquellos que carecen de conocimientos, pudiendo ambos obtener resultados comparables.
- Permite a los ingenieros explorar técnicas de fabricación tradicionales y avanzadas para obtener productos diferenciados, aportando valor no solo a la productividad sino a la diferenciación competitiva.
Otra vuelta de tuerca: gemelo digital
Las posibilidades de innovación se amplían aún más cuando el diseño generativo se combina con otras tecnologías de la cuarta revolución industrial. Por ejemplo, los sensores de IoT pueden proporcionar una gran cantidad de datos de rendimiento del mundo real a partir de piezas mecánicas activas. Estos datos, a su vez, se pueden enviar al gemelo digital (digital twin) del producto, ajustando el diseño para tener en cuenta las condiciones del mundo real. En esta etapa, los ingenieros ya no necesitan definir los parámetros físicos que afectan su diseño; los sensores proporcionarán esta información en tiempo real.
Con mayores aumentos en la potencia computacional, el diseño generativo podrá simular todo el ciclo de vida de un producto y extender su rendimiento máximo. Mientras más datos de IoT del mundo real se incluyan en la simulación, más real se vuelve esta. El proceso tradicional de diseño, prueba e iteración será reemplazado por el ciclo de retroalimentación de mejora automática del diseño generativo.
Conclusión
Con ayuda de la inteligencia artificial se diseñan cada vez piezas más precisas en un menor tiempo. Si además incluimos datos del mundo real para construir gemelos digitales, tendremos un modelo digital que permite a los ingenieros predecir con precisión el desgaste, el movimiento y las interacciones con otros dispositivos.
Con ayuda de procesos y algoritmos de machine learning los ingenieros de diseño sabrán cómo las especificaciones de diseño cambiantes afectarían el producto, la línea de producción, la cadena de suministro y el mantenimiento.
La IA no reemplazará a los ingenieros, sino que les permitirá tomar decisiones de diseño mejores, más rápidas y más informadas.
Fecha de publicación: