Inovace v návrhu konstrukcí - nahlédnutí do budoucnosti

Co jsou v dnešní době nejzajímavější inovace v oblasti navrhování konstrukcí? Je to BIM koordinace všech vašich nástrojů? Progresivní uživatelská rozhraní inženýrských aplikací? Pokročilé analýzy díky neuvěřitelnému nárůstu výpočetního výkonu nových procesorů? Nebo to nejdůležitější příchází z nepředvídaného koutu našeho digitálního věku?

Proč se vůbec obtěžovat měnit něco v tom, co každý den děláme? Není to už při současném stavu našich inženýrských kanceláří dost dobré? Množství práce je dostatečně velké, každý den se staví nové projekty a asi se to hned tak nezmění. Digitální nástroje dnešních inženýrů jsou již nyní extrémně výkonné s rychlostí, která byla před několika lety nemyslitelná. Síla, která tlačí na jakoukoli změnu, vždy vychází z potřeby. Jaká je tedy současná „potřeba“ inženýrských kanceláří?

Zdá se, že ...

  • lidí, kteří jsou ochotni tuto práci každodenně vykonávat, je méně a méně
  • množství práce se každým rokem zvyšuje díky hospodářskému růstu v mnoha regionech
  • tempo rozvoje v ostatních inženýrských oborech souvisejících se stavebnictvím je mnohem vyšší
  • složitost projektů monumentálně narůstá se zaměřením na „zelená“ řešení, spotřebu energie a dopad na CO2

Zkusme nahlédnout do blízké budoucnosti našeho oboru.

Jaké to bude být statikem?

Je práce statika jednou z těch ohrožených nástupem AI? Až tak moc zase ne, alespoň ne v blízké době. Počet proměnných vstupujících do každého úkolu je prostě příliš vysoký na to, aby jej v dohledné době pokryly pouze algoritmy. Výpočetní výkon algoritmů je dnes opravdu velký, avšak kvůli nesynchronizovaným a nespolupracujícím databázím z různých oborů a kvůli zdravému selskému rozumu bude stále potřeba lidský faktor k tomu, aby z nepřeberného množství dat vzešlo něco smysluplného.

Na druhou stranu, bude každodenní práce statika vypadat stejně jako dnes? Papírové výkresy, rukou psané poznámky, stovky DWG a PDF souborů, nekonečné tabulky, výpočetní modely různé granularity (neochotné spolu komunikovat), stovky e-mailů a chatových zpráv o projektech, termínech, rozpočtech, dlouhé hodiny strávené v kancelářích plné souborů, knih, norem, manuálů a stavařských časopisů?

Snad ne.

Co ale můžeme zlepšit, abychom se v budoucnu dostali z dnešní reality do mnohem vlídnějšího prostředí? Pokud chceme pracovat chytřeji a ne tvrději, měli bychom využít dostupné možnosti. A pokud teď nejsou vidět ve stavebnictví, mohli bychom se podívat do některých sousedních oborů, jako je strojírenství, kde se výrazy jako strojové učení, zpracování velkých dat nebo optimalizace topologie již nějakou dobu používají.

Co je již zcela zřejmé, i když pracovní pozice statika přežije, potřeba nových dovedností a schopností je nevyhnutelná. Znalost matematiky, fyziky, stavební mechaniky, materiálů a normových požadavků již stačit nebude. Bude vyžadována zcela nová sada digitálních dovedností – práce s daty, budování datových propojení mezi různými nástroji, používání parametrických návrhů, porozumění strojovému učení, znalost efektivní tvorby příkazů pro AI atd.

Jedním velmi důležitým kolečkem v celém soukolí procesu navrhování jsou úřady, proces tvorby norem a předpisů, a kontrolní orgány. Ty nelze vynechat, protože bez akceptace a spolupráce v tomto prostředí bude pokrok technologií dramaticky rychlejší, než bude reakce inženýrské komunity.

Topologická optimalizace

O čem to vlastně je? Zjednodušeně řečeno, je to jako řešit obtížný úkol, kdy máte k dispozici konkrétní množství stavebních bloků (nebo materiálu) na vytvoření konstrukce. Chcete, aby byla dostatečně pevná a aby unesla požadované zatížení, ale zároveň chcete použít tak málo stavebních bloků jak jen to jde.

Při optimalizaci topologie se používají výpočetní algoritmy, které nám pomáhají najít nejlepší způsob umístění našich bloků. Program si pohrává s různými návrhy a zkouší stovky variant, kam umístit bloky, aby byla konstrukce co nejpevnější a přitom bylo použito co nejméně bloků. Je to, jako by počítač testoval nejrůznější návrhy mostů, aby zjistil, který z nich unese největší zatížení, aniž by spadl, ale zároveň neplýtval bloky.

Tato metoda pomáhá inženýrům a návrhářům vymýšlet velmi efektivní a někdy neobvykle vypadající konstrukce, které svůj úkol plní s použitím co nejmenšího množství materiálu. Je to chytrý způsob, jak navrhovat věci, protože šetří materiál, snižuje hmotnost a často vede k inovativním návrhům, které bychom sami o sobě nemuseli vůbec zvažovat.

Na obrázku výše můžete vidět tři optimalizované návrhy trojrozměrného mostu v závislosti na různé sady podpor [K. Bando, R. Din, M. Fouquerand, L. Gilbert, A. Moissenot, and M. Nicolas, Optimisation d’une structure et application architecturale, PSC MEC07, Ecole Polytechnique (X), 2016].

Co je k dispozici už teď

Možná nejpokročilejší výpočetní nástroj vyladěný pro železobetonové prvky, který je v současnosti k dispozici, IDEA StatiCa Detail, je schopen zobrazit uživateli topologickou optimalizaci na základě toků napětí v přiřazené geometrii. Tento nástroj velmi jasně, vizuálně ukazuje statikovi, jaké polohy a směry jsou nejefektivnější pro pruty výztuže. Můžete si projít náš blog věnovaný optimalizaci topologie.

I tyto výkonné a pokročilé modely jsou jen začátkem toho, co by mohlo být možné, pokud je začneme brát vážně. Známe již stovky návrhů, kde geometrie vychází z organických tvarů a vypadá mnohem více jako obrázek z knihy biologie než typický tvar krovu. Našli bychom několik již postavených nebo rozestavěných projektů s organickou inspirací. Pěkným příkladem je aktuální projekt stanice metra v Rijádu od studia Zaha Hadid Architects.

S trochou představivosti by se tyto organické tvary mohly objevit v architektuře nejen díky své kráse, ale také jako geometrie nosných konstrukcí díky optimalizaci topologie a inovativním konstrukčním procesům.

Jaké konstrukce a projekty se řeší díky dnešním návrhářským nástrojům? Pojďme se podívat do naší knihovny Případových studií.

Síla dat v inženýrství

Vývojáři IDEA StatiCa představili na nedávné ocelářské konferenci nové metody používané pro automatizovanou predikci využití svaru v aplikaci Connection. Tento revoluční přístup řeší jednoduchou otázku s velmi komplexním řešením. Jaká je skutečná kapacita svaru, když je povolena plastifikace materiálu?

Inovativní metoda popsaná v dokumentu využívá pokročilou umělou inteligenci, konkrétně konvoluční neuronové sítě, k výraznému zlepšení přesnosti předpovědi míry využití svarů v ocelových konstrukcích. Tento nový přístup je pro stavební inženýry průlomový, protože jde nad rámec tradičních metod složitou analýzou rozložení napětí a historie deformace podél svarových linií. Taková podrobná analýza umožňuje přesnější odhady, zohledňuje různé konfigurace svarů a scénáře zatížení. Tento pokrok nejen zvyšuje bezpečnost a efektivitu konstrukčních návrhů, ale také je příkladem potenciálu integrace strojového učení s konvenčními inženýrskými postupy, čímž dláždí cestu pro chytřejší, daty řízená řešení ve stavebním inženýrství. Více o tom, jak toto vylepšení využít se dozvíte zde.

Protože není tak snadné vypočítat stovky přírůstků zatížení za sekundy, algoritmus používá obrovskou sadu dat z předchozích analýz provedených v minulosti a je schopen v reálném čase najít hodnoty velikosti svaru, které se nejvíce blíží požadovanému řešení.

Slovníkové tipy pro budoucí statiky:

Strojové učení (Machine learning - ML) je odvětví umělé inteligence, které umožňuje počítačům učit se a rozhodovat se na základě dat. Ve statickém konstrukčním návrhu a analýze lze ML použít k predikci chování materiálu, posouzení integrity konstrukce a optimalizaci procesů návrhu. Analýzou rozsáhlých datových sad mohou algoritmy ML identifikovat vzorce a poznatky, které mohou tradiční metody minout. To může vést k efektivnějším, bezpečnějším a cenově výhodnějším návrhům. ML může také pomoci při monitorování a plánování údržby konstrukcí v reálném čase, což dále zvyšuje jejich životnost a bezpečnost.

Konvoluční neuronové sítě (Convolutional neural networks - CNN) jsou typem umělé inteligence široce používaným pro zpracování dat s topologií podobnou mřížce, jako jsou obrázky. Vynikají v úkolech, jako je rozpoznávání a klasifikace obrázků. CNN se učí rozpoznávat vzory a prvky ve vstupních datech prostřednictvím vrstev, které provádějí konvoluce – matematické operace, které filtrují a komprimují data. Tato struktura umožňuje CNN identifikovat složité vzory, což z nich dělá výkonné nástroje v různých inženýrských aplikacích, od statické analýzy až po automatizované návrhové procesy. Jejich schopnost efektivně zpracovávat komplexní datové sady z nich činí cenný přínos v progresivním řešení inženýrských problémů.

Shrnutí

Jak jste právě viděli, budoucnost je blíž, než byste si mysleli. Ne ta z obrázků generovaných umělou inteligencí, ale první principy automatizace a chytré optimalizace jsou již zabudovány do nástrojů pro statickou analýzu.

Nástroje samy o sobě revoluci neudělají. K zavedení těchto nových možností je zapotřebí zásadní změna myšlení u všech stran zapojených do procesu navrhování. Je na inženýrech, jak se přizpůsobí dostupným příležitostem a jak je začlení do svých každodenních pracovních postupů.


Vyzkoušejte IDEA StatiCa zdarma

Zahajte zkušební verzi ještě dnes a užijte si 14 dní plného přístupu zdarma.