Hoy en día, los sistemas basados en la inteligencia artificial (IA) y el Machine Learning (ML) permiten aplicaciones que van desde el correo basura o los filtros de texto hasta los vehículos autónomos y los robots. Las empresas de ingeniería y sus empleados han utilizado la IA y el ML para mejorar el proceso de diseño de ingeniería y crear productos altamente optimizados y novedosos. Los primeros en adoptarlos se han beneficiado de ciclos de diseño más cortos, productividad en ingeniería y originalidad, lo que ha transformado por completo los flujos de trabajo de ingeniería y desarrollo de productos.
Examinemos en qué aspectos las técnicas y procesos tradicionales de diseño de ingeniería pueden verse superados por el diseño generativo. Consideraremos algunos ejemplos del mundo real para entender por qué cada vez más ingenieros recurren a técnicas de IA y ML para reinventar y optimizar el proceso de diseño.
Inconvenientes en el diseño actual
Las técnicas estándar de diseño de ingeniería son bien conocidas, ampliamente utilizadas y de gran aplicación. La familiaridad y el éxito de los enfoques tradicionales han dado lugar a innumerables avances en ingeniería de los que nos beneficiamos cada día. El proceso de diseño de ingeniería consta de varios pasos:
- Idea y avance conceptual: identificar el problema e idear un concepto.
- Crear-fabricar un prototipo aproximado del concepto (idealmente in silico)
- Perfeccionamiento del diseño-Rellenar las lagunas con un diseño completo (idealmente también in silico)
- Ingeniería asistida por ordenador (CAE) Validación-Prueba del diseño para establecer que funciona (de nuevo in silico)
- Fabricación: elegir las técnicas de producción óptimas y fabricar el producto a gran escala.
- Lanzamiento: presentar el producto al mercado, idealmente con materiales de venta y marketing generados directamente a partir de archivos de diseño asistido por ordenador (CAD) con renderizado fotorrealista acelerado por unidad de procesamiento gráfico (GPU), realidad virtual (RV) y otras técnicas visualmente atractivas para complementar las herramientas de marketing convencionales.
Este proceso es intrínsecamente lineal y pasa por alto importantes inconvenientes asociados a este enfoque. Cada paso requiere amplios conocimientos técnicos. Aunque se utilizan programas informáticos avanzados, cada dimensión, especificación y característica debe definirse con exactitud utilizando herramientas informáticas elaboradas y específicas del sector para realizar un diseño práctico que esté listo para la fabricación. Los bucles de retroalimentación negativa se producen cuando algo va mal durante la fase de validación, lo que retrasa los proyectos de manera inevitable. Esto puede dar lugar a retiradas de productos, rediseños y pérdida de recursos. La creatividad en ingeniería y diseño se ve limitada por la rapidez con la que los equipos pueden iterar y generar nuevos diseños. Con calendarios ajustados, imperan los enfoques «seguros» habituales, lo que impide considerablemente la innovación a largo plazo.
El software de ingeniería ha mejorado algunos de estos problemas, pero los ingenieros siguen teniendo que completar cada fase de desarrollo. Las nuevas tecnologías pueden aumentar la productividad de la ingeniería y el diseño. El diseño generativo puede aumentar la eficiencia del desarrollo de productos y utilizar nuevas técnicas de fabricación como la impresión 3D (fabricación aditiva).
El diseño generativo lo cambia todo
El diseño generativo utiliza IA y ML para transformar los tediosos procesos de diseño de ingeniería en una interacción fluida entre el ordenador y el ingeniero. El ordenador realiza automáticamente la optimización topológica y la simulación. Los bucles de retroalimentación negativa se eliminan reduciendo las barreras al diseño, lo que da a los ingenieros más espacio para abordar retos que requieren «sentido común».
El diseño generativo puede optimizar un diseño en función de parámetros específicos, como el peso o la durabilidad, o de parámetros comerciales, como los costes
El diseño generativo puede optimizar un diseño en función de parámetros específicos, como el peso o la durabilidad, o de parámetros comerciales, como los costes de producción y las consideraciones estéticas. Lo más interesante es su capacidad para mejorar la funcionalidad (mediante el diseño) durante el uso. Empresas emergentes como Additive Flow han desarrollado aplicaciones que permiten a los ingenieros integrar distintos materiales en un componente al tiempo que optimizan la topología en paralelo. El resultado son productos superiores y plazos de desarrollo más cortos.
El diseño generativo funciona mejor en combinación con otras tecnologías: el diseño generativo y la impresión 3D son un ejemplo clásico, ya que permiten crear rápidamente prototipos y probar nuevos diseños sin necesidad de una costosa y lenta fabricación a medida. Las impresoras 3D no tienen límites geométricos, por lo que pueden fabricarse estructuras extremadamente complejas.
La impresión 3D también facilita la personalización en masa. Puede imprimir productos adaptados a las necesidades específicas de un solo cliente. Imagine utilizar la IA para crear una pieza perfecta, solo para el diseño de su producto, sin los inconvenientes económicos inherentes a los procedimientos tradicionales de fabricación sustractiva.
El diseño generativo en la práctica
Quizá esté diseñando el basculante de una moto. Después de definir el área de diseño, los puntos de conexión y los parámetros de restricción, como el peso o el par, se pasa horas calculando si el diseño propuesto cumpliría cada uno de los requisitos de ingeniería, y eso sólo para un único diseño propuesto.
Además de ahorrar tiempo, los algoritmos de diseño generativo pueden dar lugar a enfoques totalmente nuevos que antes eran inviables.
Para entender la ventaja del diseño generativo, debemos echar un vistazo a los algoritmos clásicos de optimización topológica. Éstos minimizan objetos designados de acuerdo con restricciones predeterminadas, por ejemplo, el volumen o el peso. Los algoritmos de diseño generativo utilizan estos pasos, pero permiten una gama más amplia de restricciones. Los ingenieros añaden una mayor variedad de requisitos, esencialmente un «paisaje de fitness» que impulsa la optimización del diseño. El flujo de trabajo aprovecha la IA para analizar el uso de distintos materiales y técnicas de fabricación.
Empresas que utilizan el diseño generativo
General Motors utilizó el diseño generativo para reducir el peso de los vehículos. GM trabajó con Autodesk para crear 150 nuevos diseños de un soporte de asiento y eligió un diseño final un 40% más ligero y un 20% más resistente que el componente original.
Under Armour ha creado una zapatilla con una combinación ideal de flexibilidad y estabilidad para el entrenamiento atlético, inspirada en las raíces de los árboles. El diseño generativo dio lugar a una geometría poco convencional que se imprimió en 3D en unas zapatillas probadas por más de 80 atletas en una fracción del tiempo que habría llevado antes.
Phillipe Starck utilizó el diseño generativo para combinar estética y funcionalidad. La empresa se planteó una pregunta sencilla: ¿Cómo podemos descansar nuestro cuerpo utilizando la menor cantidad de material posible? La colaboración resultante entre el diseñador y la IA dio lugar a un diseño de silla poco convencional pero muy eficaz.
Qué tener en cuenta cuando se empieza con el diseño generativo
El diseño generativo es un sector que evoluciona rápidamente y cada día se crean nuevas aplicaciones y productos sorprendentes, pero no por el simple hecho de dejar de lado las técnicas tradicionales. Introducir el diseño generativo requiere disposición y cambio entre las múltiples partes interesadas. Crea nuevos productos, pero altera las estructuras tradicionales. No hay que subestimar el reto que supone la transición de los ingenieros a las aplicaciones de diseño generativo. El software puede ser difícil de dominar y la curva de aprendizaje puede ser pronunciada.
Los ingenieros y diseñadores deben tener en cuenta los requisitos de software y hardware para los diseños generativos. Cada vez hay más proyectos de código abierto que ofrecen capacidades de diseño generativo. Autodesk sacó el diseño generativo del laboratorio y lo integró en sus productos. Tanto los enfoques de Autodesk como los de código abierto suelen aprovechar la aceleración masiva que ofrecen GPU profesionales como NVIDIA RTX, disponible en PNY Technologies.
«El diseño generativo puede llevar los diseños de los ingenieros más talentosos y experimentados al siguiente nivel», afirma Frank Scheufens, Jefe de Producto de Soluciones Profesionales en PNY Technologies EMEA. «Complementa las últimas técnicas de fabricación aditiva, depende de la incomparable aceleración de la IA proporcionada por las GPU NVIDIA RTX y, a menudo, ofrece resultados que parecen orgánicos y evolucionados, al tiempo que superan a sus homólogos desarrollados con herramientas de diseño de software tradicionales». PNY se complace en trabajar con NVIDIA y los principales proveedores independientes de software (ISV) para llevar el potencial y los beneficios del diseño generativo a una comunidad cada vez más amplia de ingenieros y diseñadores de productos.»
El diseño generativo es una forma potente e innovadora de abordar los problemas de diseño de ingeniería. Aunque la IA y el ML aún no pueden sustituir a los humanos, automatizan muchos de los tediosos procesos que crean cuellos de botella, desde la optimización del diseño hasta una estética comercialmente aceptable.
