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”.

Approfondimenti

La gestione energetica di Ferrari Hypersail

Efficienza e performance sono due caratteristiche del monoscafo da competizione full-foiling della casa di Maranello. Un concept di gestione energetica che punta a ridefinire la navigazione oceanica. Lo si potrebbe definire un concentrato di sfide. Oltre alla navigazione oceanica e

Attualità

COMSOL diventa Official Multiphysics Partner della Formula E

Una collaborazione tecnica che introduce la simulazione multifisica, i digital twin e la modellazione assistita dall’IA nel mondo delle corse automobilistiche elettriche. COMSOL e Formula E hanno annunciato una partnership pluriennale che nomina COMSOL “Official Multiphysics Partner” del Campionato mondiale

Software

Simulazioni CFD multifase e multicomponente in ambito industriale

Si presentano i principali metodi utilizzati nelle simulazioni CFD multifase e multicomponente e alcune delle principali difficoltà che si incontrano nella loro applicazione. Le simulazioni CFD multifase e multicomponente permettono di analizzare fenomeni nei quali il comportamento del sistema non

Additive manufacturing

Guide d’onda e antenne RF: cosa cambia quando si stampa il metallo

Anche il settore che tratta sistemi guide d’onda, antenne RF, sistemi radar ha introdotto l’additive manufacturing. Questo articolo descrive lo stato della tecnologia, i parametri critici, le strategie di ottimizzazione e i limiti che chiunque voglia inserire l’additive nel proprio