|
|
Por Ebenezer Oliveira, Director de Industry X de Accenture Chile. |
Hoy en día, la Inteligencia Artificial (IA) y los algoritmos de Aprendizaje Automático (ML) impulsan todo, desde los filtros de spam hasta los vehículos autónomos. Las empresas de ingeniería han recurrido a estos algoritmos para ayudar en el proceso de diseño de ingeniería y crear productos altamente optimizados. Los primeros en adoptarlos no solo experimentan ciclos de diseño más cortos, sino que también desbloquean un mayor potencial, lo que altera todo el ciclo de vida de los productos de ingeniería y digitalización.
Veamos en qué se queda corto el proceso de diseño de ingeniería convencional y cómo el diseño generativo puede superar los procesos tradicionales. Veamos algunos ejemplos del mundo real en acción para entender por qué muchos ingenieros han recurrido a la Inteligencia Artificial y a los algoritmos de aprendizaje automático para ayudar en el proceso de diseño.
Los procesos tradicionales de diseño de ingeniería se han aplicado durante cientos de años para todo, desde muebles hasta cohetes. Un proceso de probada eficacia ha sido el responsable de innumerables maravillas de la ingeniería a lo largo de la historia. El proceso de diseño de ingeniería suele ser el siguiente: primero, la idea, identificar un problema y crear un concepto. Luego, crear, construir un prototipo aproximado del concepto. En tercer lugar, diseñar, completar los detalles con un diseño completo. A continuación, validar, probar el producto para asegurarse de que funciona. Finalmente, fabricar, construir el producto a escala y lanzarlo al mercado.
Esto representa un proceso bastante lineal, y presenta algunos inconvenientes importantes. En primer lugar, se requiere una gran cantidad de conocimientos técnicos en cada paso. Aunque se utiliza un software sofisticado, cada dimensión y característica debe definirse con precisión utilizando herramientas de software complejas y específicas del sector para producir un diseño utilizable, listo para la fabricación. Además, existe un bucle de retroalimentación negativa que se produce cuando algo va mal durante la fase de validación o fabricación. La mayoría de las veces, esto da lugar a la retirada de productos, a esfuerzos de rediseño y a un importante desperdicio de recursos.
Así también, la creatividad de los diseñadores e ingenieros está limitada por la rapidez con la que pueden iterar y generar nuevos diseños. Si tienen un calendario apretado, las soluciones no creativas se convierten rápidamente en el statu quo, lo que perjudica la innovación a largo plazo.
El software de diseño de ingeniería convencional ha ayudado a resolver algunos de estos problemas. A pesar de los cálculos automáticos y las capacidades de diseño más rápidas que el papel y el lápiz, los ingenieros siguen teniendo que pasar por cada fase de desarrollo. Dicho esto, las nuevas tecnologías tienen el potencial de ampliar la productividad del mismo modo que lo han hecho en otras industrias. El diseño generativo es un buen ejemplo de cómo los medios digitales pueden aumentar la eficiencia en el desarrollo de productos. Esto da pie a una mayor optimización de las cadenas de valor, especialmente cuando se introducen nuevos principios de fabricación, como la impresión 3D.
El diseño generativo aprovecha la IA y el ML para convertir los tediosos procesos de diseño de ingeniería en una interacción sofisticada pero natural entre el computador y el ingeniero. La parte principal de la optimización de la topología y la simulación la realiza automáticamente la unidad de cálculo. Además, los bucles de retroalimentación negativa se acortan al reducir las barreras del diseño. Como resultado, el ingeniero tiene más espacio para abordar los retos que requieren "sentido común" o que no pueden ser resueltos por los ordenadores.
Los algoritmos de nueva generación pueden entrenarse no sólo para optimizar un diseño en función de parámetros de ingeniería específicos, como el peso o la durabilidad, sino también de parámetros comerciales, como los costos de producción o incluso los requisitos estéticos.
Como ya se ha mencionado, el diseño generativo funciona mejor en combinación con otras tecnologías: el diseño generativo y la impresión 3D son una combinación perfecta. En primer lugar, la impresión 3D permite crear rápidamente prototipos y probar nuevos diseños sin tener que comprometerse con una costosa y lenta fabricación a medida. En segundo lugar, y aún más sorprendente, no hay límites geométricos para una impresora 3D. Esto significa que puede producir estructuras extremadamente complejas que los métodos tradicionales no pueden fabricar. En tercer lugar, la impresión 3D facilita la personalización en masa, es decir, puede imprimir productos adaptados a las necesidades específicas del cliente.
Algunos ejemplos prácticos. General Motors se convirtió en una de las primeras empresas de la industria automotriz en aprovechar el diseño generativo para reducir el peso de sus vehículos. En 2018, la empresa trabajó con ingenieros de Autodesk para crear 150 nuevas ideas de diseño para un soporte de asiento y eligió un diseño final que resultó ser un 40% más ligero y un 20% más fuerte que el componente original.
Under Armour aprovechó los algoritmos de diseño generativo para crear una zapatilla con una combinación óptima de flexibilidad y estabilidad para todo tipo de entrenamiento atlético, inspirada en las raíces de los árboles. El algoritmo dio lugar a una geometría poco convencional que se imprimió en 3D en una zapatilla y que fue probada por más de 80 atletas en una fracción del tiempo que habría llevado en el pasado.
El diseño generativo es un campo que evoluciona rápidamente y cada día se crean nuevas y sorprendentes aplicaciones. La introducción del diseño generativo en su empresa o departamento de ingeniería requiere la disposición y el cambio entre los múltiples stakeholders. No solo crea nuevos productos, sino que altera por completo las estructuras tradicionales. Se deben considerar los cambios en el sistema interno de gestión del ciclo de vida del producto (PLM) cuando, por ejemplo, los ingenieros de simulación o la gestión de variantes se vuelven obsoletos. Además, no hay que subestimar el reto que supone la incorporación de los ingenieros a las aplicaciones de diseño generativo. Es difícil dominar el software y hay que tener en cuenta una mayor curva de aprendizaje: no es una aplicación plug & play.
Muchas aplicaciones populares de diseño de ingeniería ya admiten el diseño generativo impulsado por la Inteligencia Artificial. Por ejemplo, Autodesk ha sacado el diseño generativo del laboratorio con la integración en sus productos. También hay un número creciente de proyectos independientes de código abierto que ofrecen capacidades de diseño generativo.
El diseño generativo es una nueva y poderosa forma de abordar los problemas de diseño de ingeniería. Aunque la IA y el ML no pueden sustituir a los humanos (todavía), pueden automatizar muchos de los tediosos procesos que crean cuellos de botella, desde la optimización hasta la estética. Muchas de estas capacidades ya están presentes en las herramientas modernas, es momento de tomar la oportunidad.
|