Мы подготовили эту заметку, чтобы обратить внимание читателей на недавно появившуюся публикацию на сайте Engineering.com “Порождающее проектирование и новая топологическая оптимизация: подробный обзор двух новых технологий” (Generative Design and Topology Optimization: In-Depth Look at the Two Latest Design Technologies). Наше мнение. Да, Generative Design однозначно перспективен, им обязан заниматься каждый лидер, а также тот, кто хочет стать лидером или же продаться какому-то из лидеров. Рекламная шумиха в подобных случаях неизбежна, к ней стоит относиться снисходительно: она и полезна, и вредна. Полезна потому, что привлекает к инновации внимание тех, кто способен её продвинуть или в неё инвестировать. Вредна потому, что стимулирует вендорскую суету и спешку, которые, с одной стороны, неконструктивно-обобщенно педалируют AI-свойства GD, а с другой – часто сужают GD до задач топологической оптимизации и даже – сугубо до снижения веса оптимизируемого изделия.

Иногда бывает методологически полезно взглянуть на сложный ландшафт с высоты птичьего полёта. Оттуда общий смысл GD видится так: каким-то образом породим всё множество разумных вариантов проектируемого изделия, а затем каким-то образом выберем из него те варианты, которые нам сейчас особенно подходят. Возникает естественный соблазн – в рамках рекламной акции забыть про «каким-то образом», «разумных», «выбрать», «подходят» и объявить, что уже совершён AI-прорыв в будущее, и теперь задачи решаются самим компьютером – фактически нажатием одной кнопки. Однако важно то, что принцип «автоматически породим и эффективно выберем», хотя он в самом общем виде выглядит тупо переборным, действительно имеет большой потенциал, весьма универсален и уж, конечно, применим далеко за пределами удачно подвернувшихся топологической оптимизации и экономии веса изделий.

В этой заметке приводится оглавление обзора от Engineering.com, введение к этому обзору, перечень вендоров, причастных к GD, и упоминаются примеры применения GD. Переходя к самому Обзору, подчеркну ещё раз от себя: оснований для скепсиса много, но те, кто вместе с водой выплеснут очень перспективного ребёнка, проиграют.

Введение

Термины «порождающее проектирование» (generative design, GD) и «топологическая оптимизация» (topology optimization, TO) стали популярным жаргоном инженерного сообщества. Однако самые разные участники рынка злоупотребляют этими терминами, применяют их непоследовательно и во взаимозаменяемых смыслах. В результате оба термина стали двусмысленными и запутанными. Каков же точный смысл порождающего проектирования? Чем оно отличается от топологической оптимизации? Разные специалисты отвечают на эти вопросы по-разному.

Мы постараемся уточнить эти термины и представим доступные программные средства, с помощью которых инженеры могут испытать обе новые технологии. Независимо от того, причисляются ли эти средства к GD или к TO, все они предоставляют инновационные практические технологии, помогающие инженеру-проектировщику. Некоторые специалисты начали характеризовать GD и TO как новое поколение CAD.

Большинство компаний, которые упоминаются в нашем обзоре, согласны с тем, что GD всё ещё находится в зачаточном состоянии. Однако даже в начальной стадии развития GD демонстрирует замечательный потенциал.

Эта технология позволяет не только получать более лёгкие и прочные детали и сборки, но и снижать сложность с помощью консолидации повторяющихся элементов. Мы рассмотрим несколько таких примеров.

Наш обзор мы начнём с общего представления GD, с характеристики предоставляемых им возможностей, а также с упоминания недостатков этой технологии. Затем будут приведены примеры применения GD. Наконец, мы перечислим уже доступные инженерам программные продукты.

Игроки рынка GD

См. ниже раздел «Программные средства для GD».

Следующее поколение CAD

«GD – это средство проектирования для следующего поколения CAD», – говорит основатель и CEO Frustum Jesse Coors-Blankenship. Складывается впечатление, что с такой характеристикой соглашаются все, независимо от терминологических разногласий. GD изменит мышление инженеров-проектировщиков.

Но – почему? Вот топологическая оптимизация известна примерно три десятилетия, так почему же порождающее проектирование лишь недавно породило нынешние волны? Отчасти дело – в вычислительных возможностях: по сравнению с 90-ми годами они стали более развитыми, и поэтому порождающие алгоритмы смогли выполняться быстрее и с более высокой точностью. Однако для взлёта GD есть и более серьёзная причина: аддитивное производство.

«Следует отметить, что аддитивные технологии снизили зависимость от непреодолимых ограничений традиционного производства, – говорит Bjorn Sjodin, вице-президент по управлению продуктом компании COMSOL. – То, что раньше считалось даже в принципе нереализуемым, сегодня может быть реально произведено».

Это обстоятельство важно для GD. Порождаемые детали часто имеют странные, органические формы, для воспроизведения которых методы традиционного производства попросту оказались бы непрактичными или даже принципиально неприменимыми. По мере того как растут возможности аддитивного производства и его популярность, инженеры получают средства для реализации причудливых геометрий, характерных для GD.

«В топологической оптимизации нет ничего нового, так же как нет ничего нового в идее компьютерного проектирования. Новое – только методы производства, которые сегодня позволили реально произвести подобные объекты», – говорит Bradley Rothenberg, CEO компании nTopology. Однако ничто не говорит о несовместимости GD с традиционными методами производства.

«Я считаю, что существует общее заблуждение относительно того, что GD предназначено исключительно для аддитивного производства: это неверно, – говорит Rani Richardson, директор технических продаж CATIA, Dassault Systèmes. – Этот метод применим для любого процесса производства, будь то литьё, фрезерование и др.».

Вероятно, самым известным преимуществом GD сегодня является возможность облегчать вес объектов, и GD справляется с этим весьма успешно. «Сегодня наши клиенты получают до 40% снижения веса традиционных деталей и до 70% снижения веса деталей, производимых аддитивно», – добавляет Richardson.

Преимущество уменьшения массы на 70% оценить очень легко. В аэрокосмической отрасли подъём массы над поверхностью Земли непосредственно влияет на стоимость. В автомобилестроении лишняя масса для производителя связана с увеличением затрат на материалы, а для потребителя – с расходом топлива. Не случайно именно в этих отраслях встречается большинство примеров применения GD. RUAG Space, компания, о которой ещё будет рассказано, снизила вес кронштейна антенны спутника на 40%. Впрочем, снижение веса деталей важно и в других отраслях промышленности, а легкость изделия способна даже повлиять на его эстетические качества.

«Процедуры снижения веса порождают тела, удовлетворяющие структурным требованиям к детали, и одновременно позволяют использовать минимум материалов, – говорит Steve Scampoli, ведущий менеджер по продукту в ANSYS. – Это позволяет экономить затраты в ходе производства и энергию в процессе эксплуатации изделия. Получающиеся изделия выглядят почти органическими, временами – противоречащими здравому смыслу: и человеку было бы трудно или невозможно получить подобный результат с помощью традиционных методов».

Другое огромное преимущество GD – способность консолидировать детали. «Поскольку GD справляется со сложностью, недоступной человеку-проектировщику, и поскольку аддитивное производство обеспечивает реализацию сложной геометрии, которую часто производит GD, – можно создавать цельные детали, заменяющие сборки, в которые входят 2, 3, 5, 10, 20 или даже большее число отдельных деталей. Такие консолидированные детали упрощают цепочки поставок и сопровождение, что может снизить общие затраты на производство», – пишет Ravi Akella, директор по управлению продуктами в Autodesk. В одном из примеров от Autodesk GD-программа компании снизила число компонентов сборки педали в 86 раз.

О том, что указанные впечатляющие результаты не противоречат тому, что GD находится на ранней стадии развития, нас предупреждают эксперты отрасли. «Да, я определенно считаю, что мы – в зачаточном состоянии», – говорит Dan Staples, вице-президент Mainstream Engineering в Siemens PLM.

Каковы недостатки GD?

Детство GD выражается в недостатке, известном почти каждой компании, сталкивающейся с новой технологией: всё ещё требуется экспертное участие человека или, по крайней мере, – человеческий контроль результата, который вы стараетесь получить.

«В каждом случае применения анализа вам необходимо понимать, как его подключить. Вы должны быть инженером, вы должны понимать задачу, и, чтобы получить толковый конечный результат, вы должны задать правильные граничные условия», – говорит Joe Dunne, Head of Developer Relations в Onshape. Dan Staples из Siemens формулирует это проще: «Введёте не то, значит не то и получите» (Garbage in, garbage out).

В связи с усилиями по демократизации вычислений и по мере развития GD указанный недостаток может стать менее выраженным. В частности, некоторые из представленных далее программных решений предоставляют максимально интуитивный и дружелюбный интерфейс, а другие предназначены для более продвинутых пользователей.

Steve Scampoli из ANSYS упоминает ещё две потенциальные проблемы TO и GD: вычисления и технологичность (технологичная производственная реализуемость). «Для получения оптимального решения оба метода могут потребовать больших вычислительных мощностей и, как следствие, – доступа к подходящему оборудованию. Технологичность полученного проектного решения также может оказаться проблемой. Органические формы решений, получаемые этими методами, будет трудно реализовать методами традиционного производства. В некоторых случаях получаемое на выходе топологической оптимизации можно непосредственно реализовать методами аддитивного производства, однако иногда для технологичности результаты топологической оптимизации требуют дополнительных модификаций».

Оба указанных недостатка развеиваются по мере того, как облачные подходы предоставляют всё больше вычислительных мощностей и исчезает необходимость вкладывать средства в приобретение дорогих аппаратных средств. В следующем разделе мы увидим примеры GD, реализуемого в облаках.

«Я считаю, что облачные решения хорошо справятся с такими проблемами», – говорит Dunne.Что касается технологичности, сегодня аддитивное производство демонстрирует прогресс. Некоторые GD-средства научились порождать детали, которые можно непосредственно произвести как аддитивным, так и традиционным способом. В целом технологии GD имеют вполне ясную перспективу к расширению промышленного применения. В следующем разделе мы рассмотрим некоторые примеры применения GD.

Разница между порождающим проектированием и топологической оптимизацией

Термин GD появился сравнительно недавно, а вот идея топологической оптимизации известна уже десятилетия: научные статьи на эту тему появились в начале 90-х годов. «Топологическая оптимизация – это методология, предназначенная для того, чтобы в процессе проектирования определить оптимальное распределение материалов при заданных условиях использования изделия, – говорит Jeffrey Brennan из Altair. – Этот подход позволяет получить оптимальную форму детали или изделия, всего лишь руководствуясь ограничениями наличного проектного объёма».

Почти все компании, с которыми мы общались, едины в определении концепции TO. По сути, речь идёт о такой трансформации модели детали, в процессе которой постепенно удаляются фрагменты – до тех пор, пока не будет достигнута некоторая заданная цель. Например, целью может стать нахождение наиболее прочной конструкции при минимальном расходовании материала.

TO начинается с того, что деталь разбивается на множество мелких элементов, после чего, как сообщает Juan Pablo Leiva из Vanderplaats, «удаляются наименее значимые элементы при сохранении наиболее значимых – так, чтобы была достигнута цель и удовлетворены требования».

GD – гораздо более новая концепция, отличающаяся от топологической оптимизации тем, что не связана с каким-либо специфическим алгоритмическим процессом. Похоже, что каждый по-своему представляет себе, что такое GD, и бытующие определения не всегда пересекаются. «GD выглядит как перегруженный термин. На мой взгляд, им пользуются без какого-либо внятного определения», – говорит Bradley Rothenberg из nTopology.

Несмотря на отсутствие консенсуса относительно того, чем же именно должен быть GD, можно выделить две превалирующие точки зрения: либо GD – это широкий зонтик, охватывающий, в частности, топологическую оптимизацию, либо это совершенно иная, самостоятельная технология. В первом случае многие полагают, что GD – нечто вроде общего термина, характеризующего вычисления, которые поддерживают процесс проектирования. Тогда топологическая оптимизация – всего лишь частный случай GD.

«Топологическая оптимизация – один из полезных алгоритмов, позволяющих продвигаться от ручного порождающего проектирования к автоматическому. Это алгоритм, поддерживающий GD», – говорит Rothenberg.

Некоторые, говоря о GD, упоминают природу, как, например, Bjorn Sjodin из COMSOL: «Большинство методов GD возникли по аналогии с природными процессами, многие подобные методы известны как генетические алгоритмы». «Хотя оба метода технически различны, они часто упоминаются взаимозаменяемо, и граница между ними размыта», – говорит Steve Scampoli из ANSYS. В результате, рассматривая GD и его соотношение с TO, мы обойдёмся без точных определений и вместо этого сосредоточимся на содержательных аспектах темы.

Примеры применений

Д. Левин: Эти примеры хорошо известны, поэтому здесь ограничимся картинками-напоминаниями.

Программные средства для GD

Этот раздел особенно рекомендуется специалистам, которые захотят и смогут рассмотреть сравнительно подробно представленные программные средства, в том числе для того, чтобы сравнить их со своими уже имеющимися или задуманными.

Доступ к полному отчету (51 страница) можно бесплатно получить по этой ссылке.

Автор: Давид Левин
Источник: http://isicad.ru/