Ir directamente al contenido

Aprendizaje profundo en el diseño de productos

02/05/2023

Durante décadas, la tecnología digital ha revolucionado silenciosamente el mundo del diseño de ingeniería. Los modelos digitales tridimensionales han sustituido a los dibujos, y el desarrollo del software de simulación ha permitido a los ingenieros reemplazar muchos ensayos físicos por ensayos virtuales más rápidos y económicos. Las empresas de ingeniería han invertido cientos de millones para hacer que estas soluciones informáticas y de uso intensivo de datos sean más eficientes. De ello hablan Mickael Brossard, Jacomo Corbo, Marie Klaeyle y Bill Wiseman, de McKinsey & Company, en el artículo “Deep learning in product design”.

A medida que los ordenadores están volviéndose más potentes, los equipos de ingeniería han podido desarrollar modelos digitales cada vez más detallados que replican más características y comportamientos previstos de un producto. Hoy en día, los gemelos digitales están cambiando la forma en la que se diseñan, operan y mantienen los productos en una gran cantidad de ámbitos, desde máquinas industriales hasta dispositivos médicos.
La digitalización también ha permitido a los ingenieros conferir a los ordenadores un papel más activo en el proceso de ingeniería. El diseño generativo y los enfoques de optimización relacionados funcionan mediante la programación de un ordenador para ejecutar cientos o miles de simulaciones, modificando el diseño entre cada ejecución hasta que encuentre la mejor solución posible. Las geometrías resultantes pueden superar el trabajo de los diseñadores humanos más experimentados.

Aún no es óptima
A pesar de su claro potencial, la optimización digital del diseño también ofrece algunas limitaciones significativas. La simulación del rendimiento de estructuras o flujos de fluidos se basa en solucionadores de ecuaciones diferenciales computacionalmente intensivos, por lo que las optimizaciones de diseño solo pueden centrarse en unos pocos parámetros simultáneos. Como resultado, los sistemas actuales solo exploran una pequeña parte del espacio de diseño y tienden a ofrecer solo mejoras incrementales.
Por las mismas razones, las empresas aún dependen en gran medida del expertise en ingeniería humana para seleccionar y optimizar los parámetros correctos para sus proyectos. Esto es difícil cuando el talento es escaso y aumenta el riesgo de que el sesgo humano conduzca a diseños que no son óptimos. Peor aún, los sistemas de simulación se han vuelto tan complejos que las empresas confían cada vez más en proveedores externos para ejecutar sus simulaciones, lo que erosiona el conocimiento y la competencia internos.
En un mundo en el que la ventaja competitiva depende tanto de la velocidad como de la innovación, es posible que el enfoque de simulación tradicional ya no sea suficiente. Es posible que las empresas de ingeniería deban pensar de manera diferente sobre su enfoque para la optimización del diseño y las tecnologías que utilizan para lograrlo.

Una ruta más rápida
Hoy en día, algunas empresas líderes están explorando una alternativa que promete aumentar la velocidad y la eficacia de la optimización del diseño automatizado, con la posibilidad de ampliar su aplicación a problemas de ingeniería más grandes y complejos. Este nuevo enfoque se basa en modelos de inteligencia artificial como los que han sido clave para muchos otros problemas informáticos difíciles, desde el reconocimiento de imágenes hasta el dominio del juego Go. Los autores llaman a estos modelos “deep learning surrogates” (DLS).
La tecnología DLS reduce la complejidad informática y aumenta la velocidad de forma espectacular, con modelos de aprendizaje profundo que ejecutan varias órdenes de magnitud más rápidamente que las simulaciones físicas tradicionales. Esto, a su vez, se traduce en muchas ventajas competitivas para las organizaciones. Reduce el tiempo de comercialización al reducir el tiempo del proceso de ingeniería. También reduce los costes al reducir la complejidad y la intensidad del esfuerzo de ingeniería requerido. Y las simulaciones de aprendizaje profundo también permiten a las empresas explorar un conjunto mucho más amplio de parámetros para el diseño de productos, descubrir nuevas optimizaciones desconocidas para los ingenieros expertos y generar un mejor rendimiento del producto.

DLS explicado
Al comienzo, un proceso DLS se parece mucho a otros enfoques de optimización digital de diseño. El equipo de ingeniería define las restricciones y las características de rendimiento deseadas del producto, y el ordenador ejecuta múltiples simulaciones convencionales en diferentes opciones de diseño. Sin embargo, en ese punto es donde los enfoques divergen.
 

Para poder ver el contenido completo tienes que estar suscrito. El contenido completo para suscriptores incluye informes y artículos en profundidad

Inicia sesión Suscríbete

Te recomendamos

Cecimo publica un informe que demuestra el potencial de la IA en la industria de fabricación

Cecimo publica un informe que demuestra el potencial de la IA en la industria de fabricación

25/03/2024 Tecnologías Metal

Leer más sobreHaimer un socio de confianza en producción

Una nueva generación de brazos robóticos de 6 ejes que marcan la diferencia: TX2-200 de Stäubli

Una nueva generación de brazos robóticos de 6 ejes que marcan la diferencia: TX2-200 de Stäubli

21/03/2024 Tecnologías Metal

Leer más sobreHaimer un socio de confianza en producción

Automatización de nueva generación

Automatización de nueva generación

21/03/2024 Tecnologías Metal

Leer más sobreHaimer un socio de confianza en producción

Revista

IMHE Marzo 2024 Automatización y robótica, Mercados Energía

Ver la revista

Lo más leído

Innovalia Metrology presentará en Metromeet metrología para una fabricación de cero defectos

Metal Noticias

Leer más sobre Innovalia Metrology presentará en Metromeet metrología para una fabricación de cero defectos

José Manuel Orcasitas, nuevo Presidente de Cidetec

Metal Noticias

Leer más sobre José Manuel Orcasitas, nuevo Presidente de Cidetec

Metrol Springs, nueva incorporación a la familia de normalizados de Daunert

Metal Noticias

Leer más sobre Metrol Springs, nueva incorporación a la familia de normalizados de Daunert

Bystronic y Kurago se convierten en socios en la innovación

Metal Noticias

Leer más sobre Bystronic y Kurago se convierten en socios en la innovación

Diez meses antes del debut de BIMU, ya hay más de 460 empresas expositoras

Metal Noticias

Leer más sobre Diez meses antes del debut de BIMU, ya hay más de 460 empresas expositoras

Customización de cookies

Cookies Analytics

Este sitio web utiliza cookies de terceros para cuantificar el número de usuarios y así realizar la medición y análisis estadístico de la utilización que hacen los usuarios del servicio ofertado. Para ello se analiza su navegación en nuestra página web con el fin de mejorar la oferta de productos o servicios que le ofrecemos por medio de la cookie Google Anlytics

Cookies para compartir en redes sociales

Usamos algunos complementos para compartir en redes sociales, para permitirle compartir ciertas páginas de nuestro sitio web en las redes sociales. Estos complementos colocan cookies para que pueda ver correctamente cuántas veces se ha compartido una página.