Innowacje w projektowaniu konstrukcji – otwieranie drzwi do przyszłości

Po co w ogóle zmieniać cokolwiek w tym, co robimy na co dzień? Czy obecny stan naszych biur projektowych nie jest już wystarczająco dobry? Ilość pracy jest wystarczająco duża, nowe konstrukcje są budowane każdego dnia i prawdopodobnie nie zmieni się to w najbliższym czasie. Cyfrowe narzędzia dzisiejszych inżynierów są już niezwykle wydajne, z prędkościami nie do pomyślenia kilka lat temu. Siła napędowa wszelkich zmian zawsze wynika z potrzeby. Czym jest więc obecna „potrzeba" biur inżynierii lądowej?

Wydaje się, że jest ich kilka... 

• coraz mniej osób jest chętnych do wykonywania tej pracy każdego dnia
• ilość pracy do wykonania rośnie z każdym rokiem dzięki wzrostowi gospodarczemu w wielu regionach
• tempo rozwoju w innych dziedzinach inżynierii związanych z inżynierią lądową jest znacznie wyższe
• złożoność projektów rośnie monumentalnie, z naciskiem na rozwiązania „zielone", zużycie energii i wpływ CO₂

Spróbujmy rzucić okiem w niedalekią przyszłość naszej branży.

Jak będzie wyglądała praca inżyniera konstruktora?

Czy zawód inżyniera konstruktora należy do tych zagrożonych przez pojawienie się sztucznej inteligencji? Niekoniecznie, przynajmniej nie tak szybko. Liczba zmiennych wchodzących w każde zadanie jest po prostu zbyt duża, aby mogły je objąć algorytmy. I nie chodzi tu o niezbędną moc obliczeniową, ale o niesynchronizowane i niekooperujące bazy danych z różnych dziedzin oraz o ludzki zdrowy rozsądek potrzebny do nadania sensu całemu temu chaosowi danych.

Z drugiej strony, czy codzienna praca inżyniera konstruktora będzie wyglądać tak samo jak dziś? Rysunki papierowe, ręczne adnotacje, setki plików DWG i PDF, niekończące się arkusze kalkulacyjne, modele konstrukcyjne o różnym stopniu szczegółowości (niechętne do komunikowania się ze sobą), setki e-maili i wiadomości czatowych dotyczących projektów, terminy, budżety, długie godziny spędzone w biurach pełnych plików, książek, norm projektowych, podręczników i czasopism branżowych? 

Miejmy nadzieję, że nie.

Ale co możemy poprawić, aby przejść od dzisiejszej rzeczywistości do znacznie bardziej przyjaznego środowiska w przyszłości? Jeśli chcemy pracować mądrze zamiast ciężko, powinniśmy korzystać z dostępnych możliwości. A jeśli nie są one teraz widoczne, możemy spojrzeć na sąsiednie dziedziny, takie jak inżynieria mechaniczna, gdzie wyrażenia takie jak uczenie maszynowe, przetwarzanie dużych zbiorów danych czy optymalizacja topologiczna są już od jakiegoś czasu w użyciu.

Co jest już dość oczywiste, choć tytuł zawodowy inżyniera konstruktora przetrwa, zapotrzebowanie na nowe umiejętności i zdolności jest nieuniknione. Posiadanie wiedzy z zakresu matematyki, fizyki, mechaniki konstrukcji, materiałów i wymagań norm projektowych nie będzie już wystarczające. Wymagany będzie zupełnie nowy zestaw umiejętności cyfrowych – praca z danymi, budowanie połączeń danych między różnymi narzędziami, korzystanie z projektowania parametrycznego, rozumienie uczenia maszynowego, wiedza w zakresie efektywnego tworzenia zapytań itp.

Jednym bardzo ważnym aspektem, który nie został dotychczas omówiony w tym artykule, ale nadal kluczowym w procesie projektowania, są rządy, normy projektowe i organy kontrolne. Nie można ich pominąć, ponieważ bez akceptacji i współpracy w tej sferze postęp technologiczny byłby dramatycznie szybszy niż odpowiedź społeczności inżynierskiej.

Optymalizacja topologiczna

Na czym to polega? Mówiąc prosto, to jak rozwiązywanie trudnego zadania, w którym dysponujesz określoną ilością klocków do zbudowania konstrukcji. Chcesz, aby była wystarczająco wytrzymała, aby wytrzymać określone obciążenia, ale jednocześnie chcesz użyć jak najmniejszej liczby klocków.

W optymalizacji topologicznej algorytmy obliczeniowe pomagają nam znaleźć najlepszy sposób rozmieszczenia klocków. Program bawi się różnymi projektami, wypróbowując setki wariantów rozmieszczenia klocków, aby konstrukcja była jak najwytrzymalsza przy użyciu jak najmniejszej liczby klocków. To jakby komputer testował wszelkiego rodzaju projekty mostów, aby sprawdzić, który z nich wytrzyma największy ciężar bez zawalenia się, a jednocześnie nie marnował żadnych klocków.

Ta metoda pomaga inżynierom i projektantom opracowywać bardzo wydajne, a czasem niekonwencjonalnie wyglądające konstrukcje, które spełniają swoje zadanie przy użyciu jak najmniejszej ilości materiału. To inteligentny sposób projektowania, ponieważ oszczędza materiały, redukuje ciężar i często prowadzi do innowacyjnych rozwiązań, na które sami moglibyśmy nie wpaść.

Na powyższym obrazie można zobaczyć trzy zoptymalizowane projekty trójwymiarowego mostu powiązane z różnymi zestawami uwarunkowań [K. Bando, R. Din, M. Fouquerand, L. Gilbert, A. Moissenot, and M. Nicolas, Optimisation d'une structure et application architecturale, PSC MEC07, Ecole Polytechnique (X), 2016].

Co jest już dostępne

Być może najbardziej zaawansowane narzędzie projektowe dla żelbetowych konstrukcji dostępne obecnie, IDEA StatiCa Detail, jest w stanie pokazać użytkownikowi optymalizację topologiczną opartą na przepływach naprężeń w zadanej geometrii. To narzędzie bardzo wyraźnie i wizualnie pokazuje projektantowi, jakie są najbardziej efektywne pozycje i kierunki dla prętów zbrojeniowych. Możesz przejrzeć nasz artykuł na blogu poświęcony optymalizacji topologicznej.

Nawet te zaawansowane modele to dopiero początek tego, co mogłoby być możliwe, gdyby podejść do tego poważnie. Znamy już setki projektów, w których geometria opiera się na organicznych kształtach i wygląda bardziej jak ilustracja z podręcznika biologii niż typowy kształt kratownicy. Możemy znaleźć kilka już zrealizowanych lub będących w trakcie budowy projektów inspirowanych organicznymi kształtami. Jednym z ciekawych przykładów jest aktualny projekt stacji metra w Rijadzie autorstwa Zaha Hadid Architects.

Przy odrobinie wyobraźni te organiczne kształty mogłyby pojawiać się w architekturze nie tylko ze względu na ich piękno, ale także jako geometria konstrukcji nośnych dzięki optymalizacji topologicznej i nowym procesom budowlanym.

Jakie rodzaje konstrukcji i projektów są realizowane dzięki dzisiejszym narzędziom projektowym? Zajrzyjmy do naszej biblioteki studiów przypadków.

Siła danych w inżynierii

Badacze IDEA StatiCa zaprezentowali na jednej z ostatnich konferencji dotyczących konstrukcji stalowych nowe metody stosowane do automatycznego przewidywania stopnia wykorzystania spoin w aplikacji Connection. To rewolucyjne podejście rozwiązuje jedno proste pytanie za pomocą bardzo złożonego rozwiązania. Jaka jest rzeczywista nośność spoiny, gdy dozwolona jest plastyfikacja materiału?

Innowacyjna metoda opisana w dokumencie wykorzystuje zaawansowaną sztuczną inteligencję, a konkretnie konwolucyjne sieci neuronowe, aby znacznie poprawić dokładność przewidywania stopnia wykorzystania spoin w konstrukcjach stalowych. To nowatorskie podejście jest przełomowe dla inżynierów konstruktorów, ponieważ wykracza poza tradycyjne metody poprzez szczegółową analizę rozkładu naprężeń i historii odkształceń wzdłuż linii spoin. Taka szczegółowa analiza pozwala na dokładniejsze szacunki, uwzględniając różne konfiguracje spoin i scenariusze obciążeń. Ten postęp nie tylko zwiększa bezpieczeństwo i efektywność projektów konstrukcyjnych, ale także ilustruje potencjał integracji uczenia maszynowego z konwencjonalnymi praktykami inżynierskimi, torując drogę do inteligentniejszych, opartych na danych rozwiązań w inżynierii konstrukcyjnej. Więcej o tym, jak korzystać z tego usprawnienia, znajdziesz tutaj.

Ponieważ obliczenie setek przyrostów obciążenia w ciągu sekund nie jest łatwe, algorytm wykorzystuje ogromny zbiór danych z poprzednich analiz i jest w stanie znaleźć wartości wymiarów spoin najbliższe poszukiwanemu rozwiązaniu w czasie rzeczywistym.

Słownik pojęć dla nowych inżynierów konstruktorów:

Uczenie maszynowe (ML) to gałąź sztucznej inteligencji, która umożliwia komputerom uczenie się na podstawie danych i podejmowanie decyzji w oparciu o nie. W projektowaniu i analizie konstrukcji ML może być stosowane do przewidywania zachowania materiałów, oceny integralności konstrukcji i optymalizacji procesów projektowych. Analizując ogromne zbiory danych, algorytmy ML mogą identyfikować wzorce i spostrzeżenia, które mogłyby zostać przeoczone przez tradycyjne metody. Może to prowadzić do bardziej efektywnych, bezpieczniejszych i ekonomicznych projektów konstrukcyjnych. ML może również wspomagać monitorowanie w czasie rzeczywistym i planowanie konserwacji konstrukcji, dodatkowo wydłużając ich żywotność i zwiększając bezpieczeństwo.

Konwolucyjne sieci neuronowe (CNN) to rodzaj sztucznej inteligencji szeroko stosowany do przetwarzania danych o topologii siatki, takich jak obrazy. Doskonale sprawdzają się w zadaniach takich jak rozpoznawanie i klasyfikacja obrazów. CNN uczy się rozpoznawać wzorce i cechy w danych wejściowych poprzez warstwy wykonujące konwolucje – operacje matematyczne filtrujące i kompresujące dane. Ta struktura pozwala CNN identyfikować skomplikowane wzorce, czyniąc je potężnymi narzędziami w różnych zastosowaniach inżynierskich, od analizy konstrukcji po zautomatyzowane procesy projektowania. Ich zdolność do efektywnego przetwarzania złożonych zbiorów danych czyni je cennym zasobem w nowoczesnym rozwiązywaniu problemów inżynierskich.

Podsumowanie

Jak właśnie zobaczyłeś, przyszłość jest bliżej, niż myślisz. Nie ta z obrazów generowanych przez sztuczną inteligencję, ale pierwsze zasady automatyzacji i inteligentnej optymalizacji są już wbudowywane w narzędzia do analizy konstrukcji.

Narzędzia same w sobie nie dokonają rewolucji. Aby uwolnić te nowe możliwości, potrzebna jest zasadnicza zmiana myślenia wszystkich stron zaangażowanych w proces projektowania. To od inżynierów zależy, jak dostosują się do dostępnych możliwości i jak włączą je do swoich codziennych procesów pracy.