Innovations dans la conception structurelle – ouvrir la voie à l'avenir

Pourquoi même se donner la peine de changer quoi que ce soit dans ce que nous faisons au quotidien ? N'est-ce pas déjà assez bien dans l'état actuel de nos bureaux d'études ? La quantité de travail est suffisamment importante, de nouvelles structures sont construites chaque jour, et cela ne changera probablement pas de sitôt. Les outils numériques des ingénieurs d'aujourd'hui sont déjà extrêmement puissants avec des vitesses impensables il y a quelques années. La force qui pousse à tout type de changement provient toujours d'un besoin. Alors quel est le « besoin » actuel des bureaux d'études en génie civil ?

Il semble qu'il y en ait plusieurs... 

• il y a de moins en moins de personnes disposées à faire le travail au quotidien
• la quantité de travail à effectuer augmente chaque année grâce à la croissance économique dans de nombreuses régions
• le rythme de développement dans d'autres domaines d'ingénierie liés au génie civil est beaucoup plus élevé
• la complexité des projets augmente de manière monumentale avec un accent sur les solutions « vertes », la consommation d'énergie et l'impact du CO₂

Essayons de jeter un coup d'œil furtif dans l'avenir proche de notre domaine.

À quoi ressemblera le métier d'ingénieur en structures ?

Le métier d'ingénieur en structures est-il l'un de ceux menacés par l'émergence de l'IA ? Pas vraiment, du moins, pas si tôt. Le nombre de variables entrant dans chaque mission est tout simplement trop élevé pour être couvert par des algorithmes. Et non pas en raison de la puissance de calcul nécessaire, mais en raison de bases de données non synchronisées et non coopératives provenant de différents domaines, et en raison du bon sens humain nécessaire pour donner un sens à tout ce désordre de données.

D'un autre côté, le travail quotidien d'un ingénieur en structures ressemblera-t-il à ce qu'il est aujourd'hui ? Des plans papier, des remarques manuscrites, des centaines de DWG et PDF, des feuilles de calcul interminables, des modèles structurels de granularité différente (ne voulant pas communiquer entre eux), des centaines d'e-mails et de messages de discussion sur les projets, les dates limites, les budgets, de longues heures passées dans des bureaux remplis de dossiers, de livres, de codes de conception, de manuels et de revues structurelles ? 

Espérons que non.

Mais que pouvons-nous améliorer pour passer de la réalité d'aujourd'hui à un environnement beaucoup plus accueillant à l'avenir ? Si nous voulons travailler intelligemment plutôt que durement, nousdevons utiliser les opportunités disponibles. Et, si elles ne sont pas visibles maintenant, nous pourrions jeter un coup d'œil dans certains domaines voisins tels que l'ingénierie mécanique où des expressions comme l'apprentissage automatique, le traitement des mégadonnées ou l'optimisation topologique sont déjà utilisées depuis un certain temps.

Ce qui est déjà assez évident, même si l'intitulé de poste d'ingénieur en structures survivra, le besoin de nouvelles compétences et capacités est inévitable. Avoir une connaissance des mathématiques, de la physique, de la mécanique des structures, des matériaux et des exigences des codes de conception ne sera plus suffisant. Un tout nouvel ensemble de compétences numériques sera requis – travailler avec les données, créer des liens de données entre différents outils, utilisation de la conception paramétrique, compréhension de l'apprentissage automatique, connaissance de la création efficace de prompts, etc.

Un aspect très important non couvert jusqu'à présent dans cet article, mais toujours crucial dans le processus de conception, est celui des gouvernements, des codes de conception et des agences de vérification. Ceux-ci ne peuvent pas être laissés de côté car, sans acceptation et coopération dans cette partie, le progrès des technologies serait considérablement plus rapide que la réponse de la communauté d'ingénierie ne pourrait l'être.

Optimisation topologique

De quoi s'agit-il ? Pour le dire simplement, c'est comme résoudre une tâche difficile où vous avez une quantité spécifique de blocs de construction pour créer une structure. Et vous voulez qu'elle soit suffisamment solide pour résister à un chargement spécifique, mais vous voulez aussi utiliser le moins de blocs de construction possible.

Dans l'optimisation topologique, des algorithmes de calcul sont utilisés pour nous aider à déterminer la meilleure façon de placer nos blocs. Le programme joue avec différentes conceptions, essayant des centaines de variations d'où placer les blocs pour rendre la structure aussi solide que possible tout en utilisant le moins de blocs nécessaire. C'est comme si l'ordinateur testait toutes sortes de conceptions de ponts pour voir lequel peut supporter le plus de poids sans s'effondrer, mais aussi en même temps sans gaspiller de blocs.

Cette méthode aide les ingénieurs et les concepteurs à créer des structures très efficaces, et parfois d'apparence inhabituelle, qui font leur travail en utilisant le moins de matériau possible.C'est une façon intelligente de concevoir les choses car cela économise des matériaux, réduit le poids et conduit souvent à des conceptions innovantes auxquelles nous ne penserions pas par nous-mêmes.

Dans l'image ci-dessus, vous pouvez voir trois conceptions optimisées d'un pont tridimensionnel associées à différents ensembles de fixations [K. Bando, R. Din, M. Fouquerand, L. Gilbert, A. Moissenot, et M. Nicolas, Optimisation d'une structure et application architecturale, PSC MEC07, Ecole Polytechnique (X), 2016].

Ce qui est déjà disponible

Peut-être l'outil de conception le plus avancé pour le béton armé structurel disponible de nos jours, IDEA StatiCa Detail, est capable de montrer à l'utilisateur l'optimisation topologique basée sur les flux de contraintes dans la géométrie assignée. Cet outil montre très clairement et visuellement au concepteur quelles sont les positions et directions les plus efficaces pour les barres d'armature. Vous pouvez parcourir notre article de blog dédié à l'optimisation topologique.

Même ces modèles puissants et avancés ne sont que le début de ce qui pourrait être possible lorsqu'ils sont traités sérieusement. Nous connaissons déjà des centaines de conceptions où la géométrie est basée sur des formes organiques et ressemble beaucoup plus à une image d'un livre de biologie qu'à une forme de treillis typique. Nous pouvons trouver plusieurs projets déjà construits ou en construction avec une inspiration de formes organiques. Un bel exemple est le projet actuel de la station de métro à Riyad par Zaha Hadid Architects.

Avec un peu d'imagination, ces formes organiques pourraient apparaître dans l'architecture non seulement en raison de leur beauté mais aussi comme géométrie des structures porteuses grâce à l'optimisation topologique et aux nouveaux processus de construction.

Quel type de structures et de projets sont résolus grâce aux outils de conception d'aujourd'hui ? Jetons un coup d'œil dans notre bibliothèque d'Études de cas.

La puissance des données en ingénierie

Les chercheurs d'IDEA StatiCa ont présenté lors d'une récente conférence sur les structures en acier les nouvelles méthodes utilisées pour la prédiction automatisée de l'utilisation des soudures dans l'application Connection. Cette approche révolutionnaire résout une question simple avec une solution très complexe. Quelle est la capacité réelle d'une soudure lorsque la plastification du matériau est autorisée ?

La méthode innovante décrite dans le document utilise une intelligence artificielle avancée, spécifiquement des réseaux de neurones convolutifs, pour améliorer considérablement la précision de la prédiction des taux d'utilisation des soudures dans les structures en acier. Cette approche novatrice est révolutionnaire pour les ingénieurs en structures car elle va au-delà des méthodes traditionnelles en analysant de manière complexe la distribution des contraintes et l'historique des déformations le long des lignes de soudure. Une telle analyse détaillée permet des estimations plus précises, répondant à diverses configurations de soudure et scénarios de chargement. Cette avancée améliore non seulement la sécurité et l'efficacité des conceptions structurelles, mais illustre également le potentiel de l'intégration de l'apprentissage automatique avec les pratiques d'ingénierie conventionnelles, ouvrant la voie à des solutions plus intelligentes et basées sur les données en ingénierie structurelle. Pour en savoir plus sur la façon d'utiliser cette amélioration ici.

Parce qu'il n'est pas si facile de calculer des centaines d'incréments de charge en quelques secondes, l'algorithme utilise un énorme ensemble de données provenant d'analyses précédentes effectuées dans le passé et est capable de trouver les valeurs de taille de soudure les plus proches de la solution souhaitée en temps réel.

Conseils de dictionnaire pour les nouveaux ingénieurs en structures :

L'apprentissage automatique (ML) est une branche de l'intelligence artificielle qui permet aux ordinateurs d'apprendre et de prendre des décisions basées sur des données. Dans la conception et l'analyse structurelles, le ML peut être utilisé pour prédire le comportement des matériaux, évaluer l'intégrité structurelle et optimiser les processus de conception. En analysant de vastes ensembles de données, les algorithmes de ML peuvent identifier des modèles et des informations qui pourraient être manqués par les méthodes traditionnelles. Cela peut conduire à des conceptions structurelles plus efficaces, plus sûres et plus rentables.Le ML peut également aider à la surveillance en temps réel et à la planification de la maintenance des structures, améliorant ainsi davantage leur durée de vie et leur sécurité.

Les réseaux de neurones convolutifs (CNN) sont un type d'intelligence artificielle largement utilisé pour le traitement de données avec une topologie en grille, comme les images. Ils excellent dans des tâches telles que la reconnaissance et la classification d'images. Un CNN apprend à reconnaître des modèles et des caractéristiques dans les données d'entrée à travers des couches qui effectuent des convolutions – des opérations mathématiques qui filtrent et compressent les données. Cette structure permet aux CNN d'identifier des modèles complexes, ce qui en fait des outils puissants dans diverses applications d'ingénierie, de l'analyse structurelle aux processus de conception automatisés. Leur capacité à traiter efficacement des ensembles de données complexes en fait un atout précieux dans la résolution de problèmes d'ingénierie modernes.

Résumé

Comme vous venez de le voir, l'avenir est plus proche que vous ne le pensez. Pas celui des images générées par l'IA, mais les premiers principes d'automatisation et d'optimisation intelligente sont déjà intégrés dans les outils d'analyse structurelle.

Les outils ne feront pas la révolution par eux-mêmes. Ce qui est nécessaire pour libérer ces nouvelles possibilités est un changement majeur de mentalité des parties impliquées dans le processus de conception. Il appartient aux ingénieurs de s'adapter aux opportunités disponibles et de les intégrer dans leurs flux de travail quotidiens.