Використання штучного інтелекту в дизайні машин: інноваційні можливості на службі в конструкторів

Наш професійний шлях значною мірою залежить від нашої готовності до постійного розвитку, активного навчання, пошуку нової інформації та знань. Щоб виділитися на ринку праці, дуже важливо бути обізнаними з тенденціями, передбачати їх та адаптуватися до них.

У роботі конструктора-механіка, широко обговорюваним і перспективним напрямком для розвитку, окрім виробничих технологій, що швидко розвиваються, є використання штучного інтелекту (ШІ). ШІ та МН (машинне навчання) вже багато років відіграють важливу роль у машинобудуванні.

Зокрема, ці засоби використовуються в наступних аспектах роботи конструктора:

• автоматизація CAD/CAM-операцій;
• аналіз та моделювання;
• параметризація;
• та багато інших функцій, про які можна написати окрему статтю.

Без використання штучного інтелекту та машинного навчання деякі види моделювання були б неможливими.

Однак основна мета цієї статті – представити нові тенденції в підході до проєктування з підтримкою штучного інтелекту, підкресливши їхню інноваційну природу, яка часто виходить за рамки стандартного сприйняття. Хоча деякі з цих опцій можуть здатися вам знайомими з попередніх версій вашого програмного забезпечення CAD, вони стають все більш досконалими в умовах стрімкого розвитку штучного інтелекту, завдяки чому їхня корисність значно зростає.

Якщо ви вже давно використовуєте CAD і шукаєте нові можливості, ось кілька інструментів і нових підходів до проєктування, які незабаром можуть стати звичним явищем.

Генеративний дизайн

У традиційному дизайні конструктор втілює свою ідею в комп’ютерній моделі. Очевидним обмеженням цього підходу є те, що через брак часу за їх допомогою можна створити лише кілька спрощених концепцій продукту. Крім того, пропозиції на ранніх стадіях зазвичай надходять від однієї людини з певними конструкторськими уподобаннями, що обмежує різноманітність та інноваційність рішень.

Генеративне проєктування є зворотним процесом – тут конструктор визначає вхідні дані, такі як:

• тип матеріалу;
• вага;
• сила;
• технології виробництва або ціна продукту.

Виходячи з цього, комп’ютер, використовуючи алгоритми на основі штучного інтелекту, створює тисячі концепцій і аналізує кожну з них. Це один з ключових кроків у використанні функції генеративного проєктування, оскільки якщо ми неправильно визначимо граничні умови, то за допомогою цього типу моделювання будуть усі шанси отримати неправильне рішення.

Погляньмо на результати General Motors. У співпраці з Autodesk компанія General Motors створила кронштейн для сидіння, до якого в рамках описаної технології кріпляться ремені безпеки. Програма створила 150 інноваційних концепцій, які кардинально відрізняються від стандартної коробкоподібної форми і більше нагадують металеві об’єкти з космосу.

Беззаперечною перевагою такого рішення є освоєння конструкторського простору таким чином, якого неможливо було б досягти за допомогою людського розуму під час створення елементів футуристичної форми.

Роль конструктора

Наступним кроком є перевірка отриманих конструктором концепцій, вибір найточнішої моделі, а потім уточнення та модифікація існуючих припущень.

Отримане таким чином рішення зазвичай виготовляється за допомогою технології 3D-друку, яка часто є невід’ємною частиною процесу генеративного дизайну. Готовий компонент має зменшену вагу при збільшеній міцності, оскільки алгоритму вдалося видалити матеріал там, де він не потрібен.

Більше того, спроєктовані конструкції можуть мати специфічні аеродинамічні або механічні властивості вже на початковій стадії проєкту, що зменшує навантаження на людину і, таким чином, скорочує час, необхідний для розробки продукту.

Ще однією відмінною рисою отриманих рішень є консолідація деталей. У випадку з вищезгаданим кронштейном сидіння General Motors вісім компонентів було замінено на один. Деталь стала на 40 % легшою і на 20 % міцнішою.

Поєднання генеративного дизайну та інкрементних технологій може повністю змінити світ автомобільного виробництва. Раніше галузь була обмежена здатністю машин створювати лише прості геометричні фігури.

Це також дає надію, що конструктори отримають більше часу, щоб зосередитися на більш важливих рішеннях, таких як максимізація продуктивності деталі з одночасною мінімізацією повторюваних задач.

Поведінкове моделювання

Ще одна функція, корисна під час проєктування, – це поведінкове моделювання, в якому для аналізу поведінки існуючої моделі та прогнозування її реакції на зміну параметрів або умов використовуються нейронні алгоритми. Щоб краще зрозуміти цей підхід, розгляньмо приклад проєктування ремінної передачі.

Такий процес передбачає виконання низки кроків, які вимагають врахування різних чинників, таких як:

• коефіцієнт безпеки;
• потужність, що передається ременем;
• обертання валів;
• тип і розміри ременів;
• а також визначення монтажних обмежень.

Крім того, необхідно визначити міжосьову відстань та інші відповідні параметри. Без використання поведінкового моделювання інженеру довелося б покладатися на метод проб і помилок, проводити численні аналізи або мати великий досвід проєктування приводів, щоб підібрати стандартні компоненти, такі як шківи і ремені, до конкретної конструкції приводу.

У випадку поведінкового моделювання процес складатиметься з трьох етапів:

1. Введення інформації та даних (також у вигляді 3D-моделі або аналізу) в систему;
2. Тестування поведінки моделі в разі зміни умов довкілля;
3. Вирішення проблем дизайну.

Після того, як для спостереження за поведінкою будуть підготовлені всі вхідні дані (навантаження, моменти, напруження, вихідна швидкість приводу тощо) і деякі геометричні припущення, виконується симуляція реакції моделі на зміну параметрів. В результаті створюється кілька сценаріїв з різними конфігураціями вхідних параметрів.

В разі ремінного приводу інженер може дослідити, яким чином зміна довжини ременя або навантаження впливає на його стабільність і продуктивність. Функції аналізу створюються за допомогою поведінкового моделювання, яке автоматично оцінює параметри для різних конфігурацій. На основі результатів цих аналізів можна легко вибрати найоптимальніше рішення, яке відповідатиме вимогам продуктивності та компактності.

AI–Assisted Design – проєктування за допомогою ШІ

Якщо штучний інтелект допомогло з проєктуванням у кожному з описаних методів, чому його виділяють в окрему категорію?  Щоб краще зрозуміти проєктування за допомогою штучного інтелекту, слід звернути увагу на різні аспекти, в яких ключову роль відіграє термін «допомога».

У контексті вищезгаданого генеративного дизайну ми говоримо про так зване проєктування на основі ШІ – рішення з високим ступенем автономності, яке здатне самостійно генерувати та оптимізувати конструкцію, виступаючи в ролі первинного «конструктора».

Але як бути, коли нам потрібні більш стандартизовані деталі, визначені на основі передового досвіду нашого виробничого підприємства, але при цьому ми хочемо заощадити час? Проєктування за допомогою штучного інтелекту – це інструмент, який більше допомагає конструктору, оскільки пропонує рекомендації та допомагає автоматизувати проєктування й оптимізувати структури, а не виконує роботу за нього. Воно спирається на раніше реалізовані проєкти, бази даних матеріалів, 3D-моделі, проєктну документацію та результати моделювання. Важливо, що його ефективність підвищується завдяки інтеграції з системами управління життєвим циклом продукту (PLM).

Практичне використання проєктування з допомогою ШІ

Проаналізуймо спрощений приклад того, як можна використати описаний інструмент для проєктування композитної підлоги в транспортному засобі. Аналіз слід почати з визначення та введення конструктивних вимог, таких як:

• розміри;
• навантаження;
• властивості матеріалу;
• стандарти безпеки тощо.

В результаті проєктування за допомогою ШІ ми отримаємо запропоновані матеріали на основі попередніх проєктів або відомих властивостей композитних матеріалів.

Після того, як ми попередньо визначилися з композитними матеріалами, ми переходимо до етапу моделювання. Під час створення геометрії інструмент може автоматично рекомендувати такі параметри, як товщина композитного шару або розташування волокон відповідно до попередньо визначених вимог. Потім проєктування за допомогою ШІ може допомогти виконати аналіз методом скінченних елементів (FEA). Асистент запропонує оптимізацію конструкції за рахунок зміни геометрії або розподілу матеріалів для досягнення найкращих результатів моделювання.

Нарешті, програма може автоматично генерувати технічну документацію на основі двох джерел. Перше джерело черпає «натхнення» з креслень, які вже є в нашій системі, а друге автоматично генерує креслення на основі геометрії та функцій програмного забезпечення.

Відтак, такий інструмент є особливо ефективним у компаніях, яка реалізує відносно однотипні проєкти – так звані «схожі, але різні» :).

Подібні функції були присутні в 3D-програмах протягом багатьох років як окремі опції, але зараз вони набувають дедалі більшого значення завдяки стрімкому розвитку технологій штучного інтелекту і машинного навчання, які стають все більш корисними і створюють комплексний ланцюжок підтримуваних операцій, об’єднаних одним терміном – «Проєктування з допомогою ШІ».

Підсумок

Щодня з’являються нові інструменти та методології проєктування на основі штучного інтелекту. Відкритість і гнучкість перед обличчям динамічних змін високо цінуються в роботі інженера. Навіть якщо ваш досвід використання штучного інтелекту на роботі був епізодичним або негативним, я наполегливо рекомендую вам спробувати цей інструмент знову, оскільки його ефективність зростає з кожним днем. Ми не єдині, хто вчиться і розвивається, ШІ теж! 🙂

Якщо ви роздумуєте над тим, чи варто витрачати час на вивчення ще однієї CAD-програми, можливо, зараз саме час розглянути більш глобальні зміни в підході до проєктування.

Джерела

1. General Motors, Driving a lighter, more efficient future of automotive part design
2. Engineering Applications of Artificial Intelligence in Mechanical Design and Optimization, Jozef Jenis, Jozef Ondriga
3. Ford Service Content
4. A quick introduction to the Creo Behavioral Modeling Extension
5. Siemens adds intelligence-based design to Xcelerator portfolio with latest release of NX