spot_img
martes, abril 16, 2024
HomeEspecialesColumnasLa IA acelera la simulación del diseño

La IA acelera la simulación del diseño

Dr. Justin Hodges,
Siemens Digital Industries Software

En la era moderna de los productos cada vez más complejos, la necesidad de simulaciones exhaustivas es vital para el proceso de desarrollo, pero también cada vez más difícil y requiere más tiempo. La inteligencia artificial (IA) y el aprendizaje automático (ML, por sus siglas en inglés) permiten reducir considerablemente el tiempo necesario para configurar los flujos de trabajo y ejecutar estas complejas simulaciones.

Las herramientas avanzadas integradas en IA, como las que se encuentran en Simcenter, parte de la plataforma empresarial Siemens Xcelerator de software, hardware y servicios, pueden permitir una reducción de órdenes de magnitud en el tiempo de los proyectos de simulación, reduciendo a horas lo que antes llevaba días o semanas.

La IA está cambiando el proceso de diseño de simulaciones.

Al aprovechar el poder de la IA para acelerar el proceso de simulación, se libera un tiempo valioso en el ciclo de desarrollo, lo que permite una exploración más amplia del espacio de diseño, ciclos de desarrollo más cortos o pruebas más rigurosas. A medida que aumente la demanda de productos más inteligentes con plazos de entrega más cortos, la IA se convertirá en una importante herramienta de apoyo a la invención de estas tecnologías de vanguardia.

Los desafíos de la simulación moderna

Muchos productos modernos han alcanzado un nivel de complejidad, tanto por el número de componentes como por el diseño de cada uno de ellos, que hace casi imposible validar los diseños manualmente. A lo largo de los años, los diseñadores han recurrido a simulaciones por ordenador, pero a menudo se tarda tanto en prepararlas y ejecutarlas que sólo se puede realizar un número limitado de ellas y, aun así, sacar el producto al mercado en el plazo previsto.

Esto deja poco tiempo para explorar el espacio de diseño y obliga a los diseñadores a realizar tareas manuales y repetitivas para preparar los modelos de simulación, lo que ralentiza aún más el proceso de diseño. Incluso una vez seleccionados los mejores diseños, es necesario realizar miles de simulaciones adicionales para garantizar un funcionamiento seguro en la gran variedad de condiciones de funcionamiento que pueden experimentar durante su vida útil.

Tomemos, por ejemplo, el diseño de un coche. Para preparar el modelo digital para la simulación, hay que etiquetar manualmente hasta las tuercas, pernos y tornillos para poder asignar a cada componente los materiales y niveles de detalle adecuados, con las operaciones específicas necesarias para cada uno. Obviamente, se trata de un proceso muy manual y lento para cientos o miles de piezas individuales. Del mismo modo, ejecutar una simulación aerodinámica con la alta fidelidad necesaria requiere mucho tiempo de cálculo en el centro de datos, lo que limita la posibilidad de probar diseños alternativos o aprovechar simulaciones detalladas en otras fases del diseño.

El poder de la automatización basada en la IA

La IA y la automatización siempre se han llevado bien y ahora, gracias a los últimos avances, la IA es capaz de asumir también algunas de las tareas más laboriosas de la simulación, creando cómodos flujos de trabajo automatizados. Con grandes redes neuronales capaces de reconocer con precisión cientos o miles de piezas a la vez, el proceso de clasificación de piezas, que antes era muy manual, ahora puede gestionarse automáticamente.

En el ejemplo anterior de un modelo de automóvil, el proceso de clasificación tradicional podría llevarle a un ingeniero experimentado más de una semana. En cambio, un modelo de IA puede entrenarse para completarlo en unas pocas horas.

Los modelos virtuales de coches son muy complejos, con miles de piezas que hay que etiquetar manualmente.

Además del ahorro de tiempo, confiar en la IA para automatizar estas tareas repetitivas y altamente manuales minimiza los errores involuntarios, ya que el ordenador es capaz de clasificar con precisión y coherencia todas las piezas dentro de un margen de error establecido. Por el contrario, un humano suele ser más propenso a cometer errores a lo largo del etiquetado de muchos miles de piezas, en comparación con la tarea relativamente sencilla de comprobar el trabajo realizado por el ordenador.

Permitir que la IA se encargue de tareas menores también libera un tiempo valioso que los diseñadores pueden dedicar a tareas más importantes y de mayor nivel. La IA ofrece un sinfín de ventajas a la hora de apoyar el proceso de diseño, pero sólo los diseñadores tienen la imaginación necesaria para crear algo realmente nuevo. A medida que la IA se encarga de la lista cada vez mayor de tareas sencillas, pero que requieren mucho tiempo, necesarias para apoyar el proceso de diseño, los diseñadores pueden centrarse en las áreas para las que están mejor preparados.

Los modelos alternativos aumentan la velocidad

Otro aspecto en el que la IA está aportando importantes beneficios a la simulación de diseños es el de los modelos sustitutos (también denominados modelos de orden reducido o ROM). Realizar simulaciones de alta fidelidad lleva mucho tiempo y es costoso, por lo que a menudo se reserva para los pasos más críticos del proceso de diseño.

Aunque se trata de una consecuencia natural de las limitaciones de los métodos de simulación tradicionales, significa que cualquier simulación fuera de esas áreas críticas se ve obligada a utilizar sustitutos de baja fidelidad o simples aproximaciones. Sin embargo, el uso de modelos sustitutos basados en ML permite obtener las ventajas de una simulación de alta fidelidad precisa y detallada con la velocidad de una aproximación 1-D.

Los modelos de baterías de IA funcionan 55.000 veces más rápido que las simulaciones tradicionales

Los modelos sustitutivos basados en ML se entrenan utilizando las enormes cantidades de datos generados por las simulaciones tradicionales de alta fidelidad, extrayendo de este costoso proceso un valor adicional que va más allá de los propios resultados de la simulación. Una vez entrenados, estos modelos sustitutos pueden inferir resultados en tiempo real, lo que permite a los diseñadores aprovechar las ventajas de la simulación de alta fidelidad sin los costes informáticos y de programación asociados. Los modelos sustitutos son incluso capaces de inferir resultados más allá del alcance de sus datos de entrenamiento, lo que les permite proporcionar una validación básica para diseños nuevos y no probados.

Una vez entrenado e integrado en el proceso de diseño, un modelo alternativo puede reducir casi a cero el tiempo necesario para realizar simulaciones en su área de entrenamiento, liberando un tiempo valioso para otros aspectos del proceso de diseño. Todo, desde pruebas de seguridad más rigurosas a un ciclo de diseño más corto, pasando por la exploración de un espacio de diseño más amplio, es posible simplemente disponiendo de más tiempo para hacerlo.

Aunque es evidente que la creación y el uso de sustitutos aceleran el proceso de simulación, también pueden ayudar a simplificar las cadenas de herramientas multisoftware. A menudo, estas cadenas de herramientas pueden llegar a ser incómodas y poco intuitivas, ya que hay que orquestar muchas herramientas diferentes para que trabajen juntas, ya sea en paralelo o en serie, sin perder el ritmo, puesto que los resultados de simulación generados en una herramienta son necesarios para completar tareas en otra.

Los modelos sustitutos pueden ayudar a eliminar este problema proporcionando directamente inferencias y predicciones basadas en los resultados de una herramienta en el marco de otra. De este modo, se puede incluir una variedad de física en las evaluaciones de diseño sin complicados y tediosos flujos de trabajo que impliquen muchas herramientas y software diferentes. 

Simulaciones de sistemas de mayor fidelidad

El uso de modelos alternativos no se limita a sustituir a las simulaciones de alta fidelidad, sino que también pueden utilizarse en ámbitos en los que sería deseable una simulación de alta fidelidad, pero que tradicionalmente ha sido poco práctica. Por ejemplo, la simulación de un coche mediante un software de simulación de sistemas como Siemens Amesim, que combina resultados de muchas disciplinas diferentes para crear un modelo de sistema completo.

Debido a las limitaciones del hardware moderno, es imposible que este tipo de sistema simule cada elemento del coche con todo detalle, por lo que los resultados de varias simulaciones de distintos componentes, como la aerodinámica de la carrocería o las características del motor, se introducen en el modelo como aproximaciones estáticas 1-D.

La IA permite a los ingenieros comprender rápidamente cómo afectan los distintos parámetros a un modelo

Sin embargo, la sustitución de estas aproximaciones 1-D para determinados componentes del modelo del sistema por modelos sustitutos permite realizar simulaciones detalladas de todos los componentes en el mismo modelo al mismo tiempo. Esto puede ampliarse aún más para permitir un mayor flujo de información entre disciplinas, como por ejemplo que un equipo que diseña un motor tenga pleno acceso para examinar el impacto de la aerodinámica de diferentes diseños de carrocería en la eficiencia del motor.

Hoy en día, la mayoría de los diseños de productos se basan en generaciones anteriores: el smartphone o el coche de este año tienen muchas similitudes con los diseños de años anteriores. Esto permite reutilizar los modelos sustitutivos existentes en futuros ciclos de diseño o servir como punto de partida para perfeccionar más rápidamente el modelo del producto que se está diseñando.

Tener acceso a modelos razonablemente precisos de componentes críticos desde el principio del proceso de diseño ofrece muchas ventajas. Permite a los diseñadores explorar más alternativas en una fase más temprana del ciclo de diseño gracias a la validación temprana de los conceptos de diseño. Este efecto combinado ayuda a mejorar la velocidad y el valor de los sustitutos a lo largo de los años, a medida que se van perfeccionando con cada generación de productos.

La IA está cambiando la naturaleza de la simulación

La simulación es una parte vital del proceso de diseño que cada año adquiere mayor protagonismo a medida que los productos se hacen más complejos. Aunque la simulación ha demostrado ser una forma rentable de validar y probar los diseños, los modelos informáticos tradicionales pueden tener problemas para seguir el ritmo a medida que los diseños se vuelven más complejos.

Gracias a los recientes avances en IA y ML, los tiempos de simulación pueden reducirse de días o incluso semanas a minutos, con una complejidad y un nivel de detalle que antes se consideraban imposibles al alcance de la mano de cualquier diseñador. Esto, a su vez, está redefiniendo la forma en que se utiliza la simulación en el proceso de diseño, cambiando no sólo la simulación, sino el proceso de diseño en su conjunto, para permitir la creación de productos más inteligentes e innovadores con mayor velocidad y eficiencia que nunca.

Te puede interesar

Siemens inaugura nuevas oficinas en Guadalajara

Cómo el software está cambiando el desarrollo del automóvil

Últimos Artículos

Otras Noticias

Artículos Relacionados

“Reconstruir la confianza”, un reto en el que el mundo deberá trabajar para garantizar su desarrollo

Por Alejandro PreinfalkPresidente y CEO de Siemens para México, Centroamérica y el Caribe En un escenario en el que temas como la creciente hostilidad, el...

Implicaciones Éticas: certeza laboral en la industria

Por: Dr. Moisés Moreno MedellínDoctor en filosofía, profesor investigador del Instituto Politécnico Nacional De antemano, el título de este comentario parece controvertido y casi ilógico....

La IA aumentará la inteligencia humana, no la reemplazará

Por Jim Chappell Director global de IA de AVEVA ¿La inteligencia artificial (IA) te quitará el trabajo? Esa es la pregunta equivocada. Pregúntate cómo la...