Innovációk a szerkezettervezésben – a jövő feltárása

Miért is kellene bármit is változtatni azon, amit nap mint nap csinálunk? Nem elég jó már most is a mérnöki irodáink jelenlegi állapota? A munka mennyisége elég nagy, új szerkezetek épülnek minden nap, és ez valószínűleg nem fog hamarosan változni. A mai mérnökök digitális eszközei már rendkívül hatékonyak, olyan sebességgel, ami néhány évvel ezelőtt még elképzelhetetlen volt. A változásra ösztönző erő mindig valamilyen szükségletből fakad. Tehát mi az építőmérnöki irodák jelenlegi "szükséglete"?

Úgy tűnik, hogy több is van... 

• egyre kevesebben vannak, akik hajlandóak nap mint nap végezni ezt a munkát
• az elvégzendő munka mennyisége évről évre növekszik a gazdasági növekedésnek köszönhetően számos régióban
• a fejlődés üteme az építőmérnöki munkához kapcsolódó más mérnöki területeken sokkal magasabb
• a projektek összetettsége monumentálisan növekszik a 'zöld' megoldásokra, energiafogyasztásra és CO₂ hatásra való összpontosítással

Próbáljunk meg egy pillantást vetni a szakmánk közeli jövőjébe.

Milyen lesz szerkezetmérnöknek lenni?

A szerkezetmérnök munkája azon veszélyeztetett szakmák közé tartozik, amelyeket az AI megjelenése fenyeget? Nem igazán, legalábbis nem olyan hamar. A változók száma, amelyek minden feladatba belépnek, egyszerűen túl magas ahhoz, hogy algoritmusokkal lefedhető legyen. És nem a szükséges számítási teljesítmény miatt, hanem a különböző területekről származó, nem szinkronizált és nem együttműködő adatbázisok miatt, valamint az emberi józan ész miatt, amely szükséges ahhoz, hogy értelmet nyerjünk az adatok rendetlenségéből.

Másrészt a szerkezetmérnök mindennapi munkája ugyanúgy fog kinézni, mint ma? Papír rajzok, kézzel írt megjegyzések, több száz DWG és PDF, végtelen táblázatok, különböző részletességű szerkezeti modellek (amelyek nem hajlandók kommunikálni egymással), több száz e-mail és chat üzenet a projektekről, határidők, költségvetések, hosszú órák irodákban töltve tele aktákkal, könyvekkel, tervezési szabványokkal, kézikönyvekkel és szerkezeti magazinokkal? 

Remélhetőleg nem.

De mit javíthatunk, hogy a mai valóságból egy sokkal barátságosabb környezetbe jussunk a jövőben? Ha okosan akarunk dolgozni keményen helyett, akkor használnunk kellene a rendelkezésre álló lehetőségeket. És ha ezek most nem láthatók, akkor belenézhetünk néhány szomszédos területbe, mint például a gépészmérnöki terület, ahol olyan kifejezések, mint a gépi tanulás, nagy adatfeldolgozás vagy topológiai optimalizálás már egy ideje használatban vannak.

Ami már most is elég nyilvánvaló, hogy bár a szerkezetmérnök munkakör túl fog élni, az új készségek és képességek iránti igény elkerülhetetlen. A matematika, fizika, szerkezetmechanika, anyagok és tervezési szabványkövetelmények ismerete már nem lesz elég. Teljesen új digitális készségekre lesz szükség – adatokkal való munka, adatkapcsolatok építése különböző eszközök között, parametrikus tervezés használata, gépi tanulás megértése, hatékony prompt létrehozásban való jártasság stb.

Egy nagyon fontos oldal, amelyet eddig nem érintettünk ebben a bejegyzésben, de mégis kulcsfontosságú a tervezési folyamatban, az a kormányok, tervezési szabványok és ellenőrző ügynökségek. Ezeket nem lehet kihagyni, mert ezen a részen való elfogadás és együttműködés nélkül a technológiák fejlődése drámaian gyorsabb lenne, mint amilyen a mérnöki közösség válasza lehetne.

Topológiai optimalizálás

Miről is van szó? Egyszerűen fogalmazva, olyan, mint egy nehéz feladat megoldása, ahol meghatározott mennyiségű építőelemmel kell létrehozni egy szerkezetet. És azt akarod, hogy elég erős legyen ahhoz, hogy kibírja a meghatározott terhelést, de ugyanakkor a lehető legkevesebb építőelemet akarod használni.

A topológiai optimalizálásban számítási algoritmusokat használnak, hogy segítsenek kitalálni a legjobb módot az elemeink elhelyezésére. A program különböző tervekkel játszik, az elemek elhelyezésének több száz variációját próbálgatva, hogy a szerkezetet a lehető legerősebbé tegye, miközben a lehető legkevesebb elemet használja. Olyan, mintha a számítógép mindenféle híd terveket tesztelne, hogy melyik bírja a legnagyobb súlyt anélkül, hogy összeomlana, de ugyanakkor egyetlen elemet sem pazarol.

Ez a módszer segít a mérnököknek és tervezőknek nagyon hatékony, és néha szokatlan megjelenésű szerkezetek létrehozásában, amelyek a lehető legkevesebb anyag felhasználásával végzik el a feladatukat.Ez egy okos módja a dolgok tervezésének, mert anyagot takarít meg, csökkenti a súlyt, és gyakran olyan innovatív tervekhez vezet, amelyekre egyedül talán nem gondolnánk.

A fenti képen egy háromdimenziós híd három optimalizált tervét láthatja, amelyek különböző rögzítési készletekhez kapcsolódnak [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].

Mi érhető el már most

Talán a legfejlettebb tervezőeszköz szerkezeti vasbetonhoz, ami manapság elérhető, az IDEA StatiCa Detail, képes megmutatni a felhasználónak a topológiai optimalizálást a megadott geometriában lévő feszültségáramlások alapján. Ez az eszköz nagyon világosan és vizuálisan mutatja meg a tervezőnek, hogy melyek a betonacélok leghatékonyabb pozíciói és irányai. Böngészheti a topológiai optimalizálásnak szentelt blogcikkünket.

Még ezek az erőteljes és fejlett modellek is csak a kezdetét jelentik annak, ami lehetséges lenne, ha komolyan kezelnénk. Már ismerünk több száz tervet, ahol a geometria organikus formákon alapul, és sokkal inkább hasonlít egy biológia könyv képére, mint egy tipikus rácsos szerkezetre. Találhatunk több már megépült vagy építés alatt álló projektet organikus formájú inspirációval. Egy szép példa a Zaha Hadid Architects által tervezett rijádi metróállomás jelenlegi projektje.

Némi képzelőerővel ezek az organikus formák megjelenhetnek az építészetben nemcsak szépségük miatt, hanem a teherhordó szerkezetek geometriájaként is, köszönhetően a topológiai optimalizálásnak és az új építési folyamatoknak.

Milyen szerkezeteket és projekteket oldanak meg a mai tervezőeszközöknek köszönhetően? Vessünk egy pillantást az Esettanulmányok könyvtárunkba.

Az adatok ereje a mérnöki munkában

Az IDEA StatiCa kutatói egy nemrégiben tartott acélszerkezeti konferencián bemutatták a Connection alkalmazásban a hegesztési kihasználtság automatizált előrejelzésére használt új módszereket. Ez a forradalmi megközelítés egy egyszerű kérdést old meg egy nagyon összetett megoldással. Mi a hegesztés valódi teherbírása, amikor az anyag képlékenyedése megengedett?

A dokumentumban leírt innovatív módszer fejlett mesterséges intelligenciát, konkrétan konvolúciós neurális hálózatokat alkalmaz, hogy jelentősen javítsa az acélszerkezetek hegesztési kihasználtságának előrejelzési pontosságát. Ez az újszerű megközelítés úttörő a szerkezetmérnökök számára, mivel túlmutat a hagyományos módszereken azáltal, hogy bonyolultan elemzi a feszültségeloszlást és a nyúlástörténetet a hegesztési vonalak mentén. Ez a részletes elemzés pontosabb becsléseket tesz lehetővé, különböző hegesztési konfigurációkhoz és terhelési forgatókönyvekhez igazodva. Ez az előrelépés nemcsak a szerkezeti tervek biztonságát és hatékonyságát növeli, hanem példázza a gépi tanulás és a hagyományos mérnöki gyakorlatok integrálásának lehetőségét is, utat nyitva az okosabb, adatvezérelt megoldások felé a szerkezetmérnöki munkában. Bővebben arról, hogyan használhatja ezt a fejlesztést itt.

Mivel nem olyan egyszerű több száz terhelési lépcsőt másodpercek alatt kiszámítani, az algoritmus a múltban elvégzett korábbi elemzésekből származó hatalmas adatkészletet használ, és képes valós időben megtalálni a kívánt megoldáshoz legközelebbi hegesztési méret értékeket.

Szótári tippek kezdő szerkezetmérnököknek:

Gépi tanulás (ML) a mesterséges intelligencia egy ága, amely lehetővé teszi a számítógépek számára, hogy adatokból tanuljanak és azok alapján döntéseket hozzanak. A szerkezettervezésben és -elemzésben az ML felhasználható az anyagviselkedés előrejelzésére, a szerkezeti integritás értékelésére és a tervezési folyamatok optimalizálására. Hatalmas adatkészletek elemzésével az ML algoritmusok olyan mintákat és betekintéseket azonosíthatnak, amelyeket a hagyományos módszerek esetleg elmulasztanának. Ez hatékonyabb, biztonságosabb és költséghatékonyabb szerkezeti tervekhez vezethet.Az ML segíthet a szerkezetek valós idejű monitorozásában és karbantartási tervezésében is, tovább növelve élettartamukat és biztonságukat.

Konvolúciós neurális hálózatok (CNN-ek) a mesterséges intelligencia egy típusa, amelyet széles körben használnak rács-szerű topológiájú adatok, például képek feldolgozására. Kiválóan teljesítenek olyan feladatokban, mint a képfelismerés és osztályozás. A CNN megtanulja felismerni a mintákat és jellemzőket a bemeneti adatokban olyan rétegeken keresztül, amelyek konvolúciókat hajtanak végre – matematikai műveleteket, amelyek szűrik és tömörítik az adatokat. Ez a struktúra lehetővé teszi a CNN-ek számára, hogy bonyolult mintákat azonosítsanak, így hatékony eszközökké válnak különböző mérnöki alkalmazásokban, a szerkezeti elemzéstől az automatizált tervezési folyamatokig. Képességük a komplex adatkészletek hatékony feldolgozására értékes eszközzé teszi őket a modern mérnöki problémamegoldásban.

Összefoglalás

Ahogy most láthatta, a jövő közelebb van, mint gondolná. Nem az AI által generált képekből, hanem az automatizálás és az intelligens optimalizálás első alapelvei már beépülnek a szerkezeti elemző eszközökbe.

Az eszközök önmagukban nem fogják végrehajtani a forradalmat. Ami szükséges ezeknek az új lehetőségeknek a felszabadításához, az a tervezési folyamatban részt vevő felek jelentős szemléletváltása. A mérnökökön múlik, hogyan alkalmazkodnak a rendelkezésre álló lehetőségekhez, és hogyan építik be azokat mindennapi munkafolyamataikba.