Design Graph: ecco come cambia la progettazione 3D grazie al machine learning (apprendimento automatico)

Motori a reazione, mostri verosimili utilizzati nei film, nano robot impiegati nella lotta contro il cancro e prodotti altamente personalizzati. Viviamo in un mondo in cui gli oggetti che ci circondano sono stati progettati da qualcuno, e allo stesso tempo stiamo affrontando il più grande cambiamento in atto sin dalla rivoluzione industriale nel modo in cui facciamo le cose.

Ma questo cambiamento non riguarda solo la tecnologia; progettisti e ingegneri stanno evolvendo i processi e sperimentando nuove e differenti modalità di lavoro. Ma, progettisti e ingegneri, come possono affrontare le sfide derivanti da tali cambiamenti?

In Autodesk, ci siamo chiesti: e se ci fosse un modo migliore per organizzare tutte le informazioni di un progetto e potessimo sviluppare le idee e le creazioni in modo più organico?

Immaginiamo di avere a disposizione funzionalità di ricerca come quelle di Google anche per i modelli 3D. Pensiamo alla semplicità e alla velocità con cui potremmo lavorare.

E’ qui che entra in gioco Design Graph. Design Graph è un nuovo e potente sistema di machine learning (apprendimento automatico) integrato in Autodesk A360 che utilizza algoritmi per estrarre un grande numero di dati progettuali 3D. Tale sistema categorizza ogni singolo componente e progetto creato dal team di progettazione in modo da creare un catalogo “vivente” in grado di adattarsi a un mondo in continua evoluzione.

Progettisti e ingegneri devono semplicemente effettuare una ricerca tra tutti i loro file relativi a una tipologia di componente, come ad esempio un bullone o la sella di una bicicletta, e Design Graph genererà centinaia di opzioni.

Design Graph è disponibile in tutto il mondo come parte della piattaforma di progettazione e collaborazione basata su cloud A360 di Autodesk.

“Abbiamo creato Design Graph per permettere ai progettisti di focalizzarsi sulla risoluzione dei problemi legati alla progettazione invece che sulle modalità o i meccanismi per rappresentare il loro progetto,” ha commentato Mike Haley, Sr. Director of Machine Intelligence di Autodesk. “Design Graph permette di risparmiare tempo prezioso, di evitare lavori ridondanti così come errori costosi”.

Machine Learning

image009Negli ultimi anni, le innovazioni nella programmazione e la potenza di elaborazione praticamente infinita del cloud, hanno permesso al computer non solo di “pensare” ma anche di apprendere autonomamente, identificare i modelli e fare previsioni in base a ciò che ha imparato – piuttosto che fare affidamento unicamente alle logiche con cui è stato programmato. Il sistema di machine learning agisce come un acceleratore che potenzia e evolve ciò che le nostre macchine e i nostri strumenti sono in grado di fare.

Nel caso di Design Graph, l’obiettivo è insegnare ai computer a identificare e comprendere i progetti in base alle loro caratteristiche intrinseche – la forma e la struttura – invece che in base a tag o metadati. Dopotutto, chi progetta il componente potrebbe denominarli in decine di modi diversi, utilizzando parole intere o abbreviazioni. I metadati creati dalle persone, senza un’attenta gestione, tendono ad essere inaffidabili. Con Design Graph, il computer utilizza le proprie osservazioni sulle geometrie 3D contenute in ciascun modello 3D.

Come funziona?

Prediamo ad esempio la progettazione di una moto: dobbiamo creare una determinata scatola del cambio. Mentre lavoriamo dentro A360, possiamo utilizzare Design Graph per fare una ricerca in base al nome, alla forma, alla categoria, alle proprietà o a una combinazione di tutti questi elementi, per trovare il giusto progetto pre-esistente tra i file della nostra azienda.

progetti identici appariranno come unico oggetto, mentre le piccole variazioni verranno visualizzate come progetti separati, e saremo in grado di vedere quanto frequentemente sono stati utilizzati. Una volta che troveremo ciò che stiamo cercando, sarà sufficiente trascinarlo nel nostro progetto – senza dover effettuare una ricerca nel nostro catalogo o peggio ancora dover partire da zero.

“Il machine learning e l’intelligenza artificiale stanno iniziando a comparire nella nostra vita quotidiana ma questa è la prima applicazione nella progettazione industriale e in quella meccanica”, ha continuato Haley. “Questo è solo il primo passo per Autodesk nello sfruttare questa potente tecnologia per innovare e potenziare il processo di progettazione. Ma le promesse sono immense e ci aspettiamo altri numerosi benefici derivanti dall’utilizzo di sistemi di machine learning”.

Design thinking

Figure 02: l’integrazione di robot umanoidi nella produzione automobilistica

Analisi tecnica dell’impiego del robot Figure 02 nel contesto della iFACTORY BMW. di Lisa Borreani BMW ha avviato una collaborazione strategica con la startup californiana Figure AI per testare l’integrazione operativa di un robot umanoide all’interno di uno stabilimento automobilistico. Il

Metodologie di progettazione

Progettazione strutturale di telai per macchine automatiche

Nel campo dell’automazione industriale, la struttura portante delle macchine riveste un ruolo cruciale per l’intero sistema. Telai, basamenti e strutture di supporto devono garantire rigidezza, stabilità e compatibilità con componenti mobili e attuatori, senza introdurre vibrazioni indesiderate o cedimenti in

Additive manufacturing

Maddie, il primo AI Agent italiano per la manifattura additiva

Maddie è il primo AI Agent sviluppato per semplificare l’accesso alla manifattura additiva e accelerarne l’adozione nel tessuto produttivo italiano, ed è stata la protagonista dell’evento MadeInAdd: Shaping the present of Additive Manufacturing, in cui sono state illustrate non solo

mecspe bari
Attualità

MECSPE Bari | L’innovazione manifatturiera del Centro-Sud

Dal 27 al 29 novembre 2025, imprese, istituzioni e università si incontreranno alla fiera MECSPE Bari per sviluppare nuove strategie, per la promozione di nuove competenze e l’implementazione di innovazioni avanzate, per costruire un ecosistema manifatturiero ancora più efficiente e