Пришествие искусственного интеллекта
Искусственный интеллект, казалось бы, внезапно появился повсюду. И, если верить экспертам, это только начало. В широком смысле, искусственный интеллект относится к компьютерным системам, которые способны выполнять сложные задачи, которые традиционно могли выполнять только люди, например, распознавание речи и рассуждений, принятие решений или выявление закономерностей и решение проблем. В современном понимании искусственный интеллект включает в себя широкий спектр технологий, включая машинное обучение, глубокое обучение и обработку естественного языка (НЛП). В производстве эти технологии могут поддерживать и оптимизировать производственные процессы, среди прочего, за счет улучшения анализа данных и принятия решений. И хотя может показаться, что производство несколько отстает от других секторов в использовании искусственного интеллекта, и это связано с переменами.
По данным Национального института стандартов и технологий США (U.S. National Institute of Standards), существует пять областей, в которых искусственный интеллект может обеспечить повышение производительности в производстве: профилактическое обслуживание, прогнозирование качества, сокращение отходов, увеличение доходов и производительности, и прогнозирование спроса и запасов. Одной из производственных технологий, которые в настоящее время получают выгоду от технологии искусственного интеллекта, является аддитивное производство.
Искусственный интеллект может принести пользу аддитивному производству по-разному. В прошлом одной из проблем был высокий уровень брака, который препятствовал широкому внедрению процессов 3D-печати в промышленности, а также тот факт, что сложные формы, получаемые с помощью 3D-принтеров, могут быть достаточно дорогими и сложно контролируемыми в плане качества.
Искусственный интеллект может улучшить контроль качества и обнаружение дефектов за счет использования систем технического зрения для мониторинга производственного процесса в режиме реального времени. Потенциальные дефекты можно обнаружить по мере их возникновения, даже если они не видны невооруженным глазом, что позволяет сократить количество производимой потенциально дефектной продукции.
Более того, применение искусственного интеллекта на этапе проектирования и выработки идей может помочь оптимизировать проектирование и снизить сложность процесса. Его можно использовать не только для определения того, предлагает ли аддитивное производство лучший выбор для производства конкретной детали, но также способствует более быстрому и эффективному процессу проектирования, создавая проект на основе набора параметров или требований. А поскольку оптимальные параметры печати определяются до изготовления, на тестирование и проектирование тратится гораздо меньше времени, усилий и материалов. Если проектировщикам больше не придется вносить коррективы методом проб и ошибок, это дает значительные преимущества во времени, эффективности и затратах, одновременно оптимизируя использование ресурсов и способствуя более простому процессу обеспечения качества.
В конце концов, успех напечатанной детали во многом зависит от выбора правильного материала, отвечающего конкретным функциональным требованиям. Использование баз данных материалов на базе искусственного интеллекта может значительно облегчить этот процесс выбора. Инженеры могут вносить свои требования в эти базы данных, которые затем, используя алгоритмы машинного обучения, предлагают материал, наиболее подходящий для этой цели. Модели машинного обучения также позволяют делать прогнозы относительно поведения и производительности материала в различных условиях. В результате инженеры могут принимать обоснованные решения и с большей уверенностью выбирать материалы и проектировать детали.
Достижения такого рода могут также помочь уменьшить потребность в обширной последующей обработке, тем самым значительно сокращая необходимое время производства. Кроме того, разрабатываются автоматизированные решения для постобработки для оптимизации и улучшения процесса постобработки.
Искусственный интеллект также может играть роль в профилактическом обслуживании самого принтера, отслеживая жизненный цикл и прогнозируя потребности в обслуживании на основе исторических данных.
Генеративный дизайн и 3D-печать уже сегодня совершают революцию в проектировании и производстве, используя искусственный интеллект в создании инновационных проектов. Авиастроение, космонавтика, автомобилестроение, медицина, производство различных спортивных товаров, предметов декора и элементов архитектуры — во всех этих и многих других сферах поощряют применение в своей практике чрезвычайно высокопроизводительных компьютерных вычислений, способствующих ускорению разработки продукции и улучшению её потребительских свойств, снижению расхода материалов, повышению производительности при изготовлении компонентов.
Генеративное проектирование находится сегодня на переднем крае производственной революции. В нём используются вычислительные алгоритмы для создания оптимизированных по определённым критериям моделей, которые почти всегда превосходят возможности человеческой инженерии. Генеративный дизайн в сочетании с технологиями 3D-печати переворачивает концептуальное мышление, проектирование и производство продуктов, открывая новую эпоху эффективности, творчества и инноваций.
В этом цикле статей мы исследуем основные принципы генеративного дизайна, его применение в 3D-печати, глубокое и часто революционное влияние на различные отрасли промышленности, жаждущие инноваций. Пришло время быть на шаг впереди. Вы готовы?
Что такое генеративный дизайн?
Генеративное проектирование или порождающее моделирование — это метод использования компьютерных алгоритмов ИИ, машинного обучения и автоматизированного проектирования для быстрого создания множества (сотен и тысяч) вариантов ви́дения продукта на основе описания инженером параметров и ограничений.
Делегирование человеком части процесса компьютерным технологиям приводит к созданию оптимизированной модели с уменьшением объёма материала, количества деталей, и, как следствие, массы и стоимости производства, а форма изделий начинает походить на природные бионические структуры (биомимикрия). Генеративное проектирование формирует новые требования к современным и будущим САПР для инженеров и дизайнеров в различных отраслях промышленности.
Рис. Биомимикрия из самого лона природы
В отличие от традиционных методов проектирования, которые полагаются на опыт, интуицию разработчика, а также бесконечную ручную оптимизацию параметров после натурных экспериментов, генеративное проектирование использует возможности быстрых и сложных вычислений для аналитики компонентных взаимосвязей и поиска инновационных решений, результатом которых становится появление нетрадиционных, воодушевлённых природой высокоэффективных форм. Поэтому несмотря на свою сложную природу, генеративное проектирование приобретает всё большую практическую значимость и всё более активно применяется в различных областях техники и дизайна.
Рис. Форма самолета, подсказанная птицей
Разница между топологической оптимизацией и генеративным проектированием
Возможности генеративного проектирования и топологической оптимизации в последнее время привлекают пристальное внимание учёных из вузов и исследовательских институтов, а также инженеров из предприятий и КБ. Однако очень важно различать эти два понятия, поскольку их часто ошибочно отождествляют.
Топологическая оптимизация не является новой концепцией, она используется более двух десятилетий в САПР и полностью зависит от опыта инженера-расчётчика, задающего нагрузки и ограничения на деталь в соответствии с условиями эксплуатации изделия. Топологическая оптимизация входит в состав CAE (англ. Computer-aided engineering) – программ и программных пакетов, предназначенных для решения различных инженерных задач: расчётов, анализа и симуляции физических процессов. По требованию инженера CAE «разбивает» модель на конечные элементы (КЭ) методом триангуляции и применяет численный метод решения дифференциальных уравнений с частными производными, а также интегральных уравнений, возникающих при решении задач прикладной физики. В результате упрощённая сетчатая модель гораздо легче поддаётся вычислениям, особенно если для расчётов используется вычислительный кластер (суперкомпьютер).
Генеративное проектирование — это более объёмное понятие, включающее в себя ряд инновационных подходов к проектированию, а топологическая оптимизация является его частью. Для генеративного проектирования не требуется модель, разработанная человеком, ведь оно само берёт на себя роль инженера или дизайнера, ставя себе задачу разработки ряда вариантов в соответствии с техническим заданием, полученным от человека.
Понимание этапов генеративного проектирования
Когда инженеры и дизайнеры работают над проектом, им обычно приходится создавать изделие с самого начала, учитывая различные требования. Однако этот процесс отличается от процесса генеративного проектирования. Вот подробное пошаговое описание того, как работает генеративный дизайн:
- Задание параметров проектирования. Вместо традиционного подхода с проектированием в CAD с нуля вы задаёте цель и параметры проектирования в ПО для генеративного проектирования, например, вводите ограничения, такие как вес, размер и габариты пространства для функционирования деталей.
- Силы, давление и нагрузки. Необходимо задать подробную информацию о силах, давлении и нагрузках, которые должна выдержать деталь. Эта информация помогает компьютерным алгоритмам рассчитывать форму детали, усиливая слабые места с высоким напряжением и удаляя излишки материала там, где его количество избыточно.
- Материал. Выбирается материал для создания модели. Этот ответственный шаг позволяет программе оперировать ограничениями, не выходя за возможности материала и оптимизируя его количество с учётом областей напряжений.
- Производственный процесс. На этом этапе требуется описать производственный процесс, например, аддитивное производство или обработку на станках с ЧПУ, поскольку каждый метод имеет свои особенности, которые ПО для генеративного проектирования должно учитывать для обеспечения технологичности производства.
- Вариативность конструкций. ПО для генеративного проектирования использует алгоритмы искусственного интеллекта для поиска лучшего дизайна на основе предоставленных на предыдущих шагах ограничений.
- Анализ и выбор. После произведённого расчёта предлагается множество вариантов геометрии, каждый из которых удовлетворяет требованиям, заданным ранее. Затем инженеры или дизайнеры анализируют предложенное ПО и выбирают конструкцию, которая лучше всего соответствует их конкретным критериям, опыту и текущим производственным возможностям.
Рис. <#link#Рабочий процесс#URL%3Ahttps%3A%2F%2Fedstechnologies.com%2Fblog%2Fgenerative-design-a-new-era-in-product-design%2F#> проектирования детали с помощью генеративного дизайна в 3DEXPERIENCE (Dassault Systemes)
ПО для генеративного проектирования обычно использует облачные вычисления и машинное обучение для поиска новых решений, анализа и обучения на многочисленных итерациях и оптимизированных вариантах. Таким образом имитируется эволюционный подход природы к дизайну, но с использованием возможностей ИИ и машинного обучения.
Эволюция генеративного проектирования
Чтобы лучше понимать инновационность генеративного проектирования и его перспективы, давайте коротко рассмотрим его эволюцию.
- 1960—1970-е годы: зарождение генеративного проектирования приписывают новаторскому вкладу таких математиков, как Джон Конвей и Бенуа Мандельброт. Их реализация передовых математических моделей и алгоритмов проложила путь к созданию сложных проектов, в первую очередь в архитектуре и искусстве.
- 1980-е годы: появление САПР изменило правила игры в сфере проектирования. Это позволило инженерам создавать цифровые модели и манипулировать ими с беспрецедентной лёгкостью. Несмотря на первоначальные ограничения по сложности, эти ранние САПР заложили основу для будущих разработок.
- 1990-е годы: появление параметрического проектирования, в котором инженеры могли работать с проектами на основе параметров и правил. Этот новый подход обеспечил повышенную гибкость и вариативность, а изменения в параметрах тут же отражались на всей модели.
- Начало 2000-х: исследователи углубились в область генетических алгоритмов для решения проблем оптимизации и автоматизации процесса проектирования.
- 2010-е годы: появление ПО для генеративного проектирования — многообещающего сочетания передовых алгоритмов и ИИ. Используя вычислительные возможности облачных вычислений, эти инструменты могут охватывать обширные пространства проектирования и извлекать информацию из предыдущих проектов, предлагая заглянуть в будущее эффективности и результативности проектирования.
- 2020-е годы: современные инструменты генеративного проектирования развились и стали включать в себя сложные возможности моделирования. Теперь проектировщики могут оценивать и уточнять проекты по множеству критериев, включая структурную целостность, тепловую динамику и движение жидкости. Сегодня — это вершина эволюции генеративного дизайна.
Рис. Совершенствование оптимизации кронштейна (PTC)
В следующей статье цикла мы подробно рассмотрим преимущества генеративного проектирования, стоящие пред ним вызовы и расскажем о том, как оно применяется в различных сферах.
<#link#Часть 2.#URL%3Ahttps%3A%2F%2Findustry3d.ru%2Fat-news%2Fgenerativnoe-proektirovanie-ili-armiya-inzhenerov-s-ii-na-vashem-kompyutere-chast-2%2F#>
<#link#Часть 3.#URL%3Ahttps%3A%2F%2Findustry3d.ru%2Fat-news%2Fgenerativnoe-proektirovanie-ili-armiya-inzhenerov-s-ii-na-vashem-kompyutere-chast-3%2F#>
<#link#Часть 4.#URL%3Ahttps%3A%2F%2Findustry3d.ru%2Fat-news%2Fgenerativnoe-proektirovanie-ili-armiya-inzhenerov-s-ii-na-vashem-kompyutere-chast-4%2F#>
