ВВЕДЕНИЕ
В настоящее время мир стоит на пороге полного охвата четвертой промышленной революцией, которая коренным образом изменит то, как мы живем, работаем и взаимодействуем друг с другом. Трансформация будет не похожа ни на что, с чем человечество сталкивалось раньше; по своему масштабу, размаху и сложности. В основе этой революции лежит искусственный интеллект (ИИ) — способность машин имитировать человеческий интеллект, то есть позволять компьютерам выполнять задачи таким образом, чтобы они напоминали мыслительные способности человека.
Первые последователи революции ИИ, такие как финансы, транспорт и здравоохранение, продемонстрировали ее положительное влияние множеством способов. Однако его влияние на инженерную профессию все еще находится в зачаточном состоянии. Более того, искусственный интеллект, если его полностью освоят инженеры, нарушит процесс инженерного проектирования. По словам Ахмеда К. Нура, почетного профессора инженерного моделирования, симуляции и визуализации в Университете Олд-Доминион в Норфолке, штат Вирджиния, в его статье «ИИ и будущее проектирования машин», системы искусственного интеллекта (ИИ) учатся эффективно разрабатывать новые конструкции и продукты; основная роль инженеров. Это совершенно оставляет нас любопытными в отношении возможных изменений в роли инженеров.
ПОДХОД ИИ К ИНЖЕНЕРНОМУ ПРОЕКТИРОВАНИЮ
Эволюция дизайна в инженерном ландшафте от эпохи 2D-эскизов до эпохи автоматизированного проектирования (САПР) и 3D-моделей способствовала значительному улучшению практики. Тем не менее, люди-инженеры по-прежнему играют наиболее важную роль в процессе проектирования. Текущий подход к решению типичной задачи инженерного проектирования показан на рисунке 1.
Проблемы с этим подходом:
1. Это дорого, многократно и требует много времени[2].
2. Это сильно зависит от человеческого опыта, знаний, интеллекта и творчества. [3]
3. Он не является исчерпывающим в исследовании пространства дизайна. [4]
Для решения этих проблем ИИ использует алгоритмы машинного обучения (ML) для изучения сложных взаимосвязей и шаблонов, присущих объектам, определенным в требованиях к дизайну, для достижения конкретных целей и задач проектирования. Более того, с помощью процесса генеративного проектированияИИ за считанные минуты создаст тысячи неожиданных вариантов дизайна, отвечающих поставленным задачам.
Алгоритмы машинного обучения способны обучаться без явного программирования, и их производительность со временем улучшается по мере увеличения объема данных. Как правило, система генеративного проектирования позволяет дизайнерам определять свои задачи проектирования с помощью целей и ограничений. Эта информация используется для синтеза альтернативных проектных решений, отвечающих поставленным задачам [5]. Дизайнеры могут искать компромиссы между множеством альтернатив и выбирать проектные решения для изготовления. Такой подход обеспечивает более высокий уровень автоматизации проектирования и ускоряет внедрение новых инженерных разработок и продуктов. На рис. 2 показан типичный процесс генеративного проектирования.
ПРИМЕР
Эффективность ИИ-подхода к инженерному проектированию была продемонстрирована при производстве автомобильного шасси Hakcrod (см. рис. 3) с идеальным балансом прочности на растяжение, веса, аэродинамики и безупречного взаимодействия всех переменных[7].
Для достижения целей проектирования в программное обеспечение для генеративного проектирования Dreamcatcher™ от Autodesk™ были загружены четыре миллиарда точек данных, собранных с датчиков напряжения, прикрепленных к традиционному гоночному автомобилю, и были определены требования к дизайну. Система использовала комплексную аналитику больших данных в режиме реального времени для создания нескольких оптимальных схем, отвечающих поставленным задачам.
Ключ к сбою
Ни в одной из прошлых промышленных революций африканский континент не был выгодным игроком, потому что нас всегда кормили представлением о недосягаемом будущем. У нас не было другого выбора, кроме как играть в игру «догони меня, если сможешь» и продвигать наш прогресс на устаревших идеях и технологиях. Однако, чтобы стать ключевыми игроками в революции ИИ, нам необходимо комплексно перестроить нашу инженерную практику.
Инженерное образование, особенно в высших учебных заведениях, необходимо пересмотреть, чтобы оно соответствовало современной практике. Следует преподавать такие технологии, как реверс-инжиниринг, генеративное моделирование, зависимое производство и компьютерное программирование на основе машинного обучения. Обучение молодых инженеров новым технологиям (дополненная, виртуальная и смешанная реальности) должно спонсироваться инженерными фирмами и обществами. И, наконец, инженерные центры, оснащенные современным оборудованием, должны быть построены такими организациями, как Нигерийское общество инженеров (NSE), Совет по регулированию машиностроения в Нигерии (COREN) и Промышленный трастовый фонд (ITF). ) по штатам федерации.
Муниру Оладеле Идрис —преподавателькафедры биомедицинской инженерии,факультета инженерии и технологий Илоринского университета. Он разработчик программного обеспечения, инженер данных и тренер с более чем 10-летним опытом работы в секторе информационных технологий.
Контактная информация:
07086584615
[1] Источник: http://esfstream.com/engineering-design-process/
[2] Парнелл, Г.С., Дрисколл, П.Дж., и Хендерсон, Д.Л. (ред.). (2011). Принятие решений в системной инженерии и управлении (том 81). Джон Уайли и сыновья
[3] Арора, Дж. (2004). Введение в оптимальный дизайн. Эльзевир.
[4] Ноор А.К. ИИ и будущее дизайна машин. КАК Я. Машиностроение. 2017;139(10):38–43
[5] https://autodeskresearch.com/projects/ловец снов
[6,7,8] Autodeskrearch.com, 2017 г.
