Qual è la soluzione più sfruttata?
È più efficiente utilizzare due file di bulloni M12 o una singola fila di bulloni M16?
Per rispondere a questa domanda nel flusso di lavoro tipico, si modellerebbe un'opzione, si eseguirebbe l'analisi, poi si modificherebbe il progetto e si eseguirebbe un altro calcolo. Ogni modifica comporta un'ulteriore iterazione, ma la realtà è che quasi nessun ingegnere ha il tempo di trascorrere ore a iterare su ciò che è meglio.
Ma cosa succederebbe se ci fosse un modo diverso?
Potresti utilizzare i modelli appresi automaticamente di IDEA StatiCa e vedere immediatamente lo sfruttamento previsto del progetto, eseguendo l'analisi solo quando trovi la soluzione migliore.
Come si presenta nella pratica?
In pratica, questo approccio non è del tutto nuovo. È più vicino al modo in cui gli ingegneri esperti già ragionano.
Un ingegnere strutturale esperto può osservare un collegamento in acciaio e percepire immediatamente se è ragionevole o potenzialmente problematico. Non perché esegua mentalmente tutte le verifiche dei componenti in pochi secondi, ma perché ha già visto centinaia o migliaia di dettagli simili in precedenza.
L'apprendimento automatico funziona in modo analogo.
Confronta la configurazione attuale con un ampio dataset di progetti analizzati in precedenza e stima il relativo sfruttamento sulla base di quanto appreso da situazioni simili.
Questo consente agli ingegneri di rispondere rapidamente alla domanda posta in precedenza. Con pochi clic, posso vedere che, se l'obiettivo è lo sfruttamento massimo, due file di bulloni M12 sono più efficienti di una singola fila di bulloni M16, ancora prima di eseguire l'analisi.
In combinazione con il progetto parametrico, rende il processo di progettazione semplice come in Excel.
Come viene utilizzato l'apprendimento automatico in IDEA StatiCa
L'apprendimento automatico non viene utilizzato per sostituire l'analisi strutturale, ma per costruire su di essa.
L'introduzione del metodo CBFEM è stato un importante passo avanti. Ha permesso agli ingegneri di analizzare qualsiasi collegamento in acciaio indipendentemente dalla sua complessità. Invece di affidarsi a ipotesi semplificate, gli ingegneri possono ora lavorare con un approccio generalmente coerente.
Tuttavia, questa generalità ha un costo. Rispetto ai metodi analitici, l'analisi basata sul Metodo degli Elementi Finiti è computazionalmente onerosa. Di conseguenza, l'esplorazione delle varianti di progetto diventa più dispendiosa in termini di tempo. È qui che entrano in gioco i modelli appresi automaticamente. I modelli di apprendimento automatico sono costruiti direttamente sopra il CBFEM. Invece di semplificare la fisica, imparano da essa.
Un gran numero di configurazioni di collegamento viene generato e valutato utilizzando il CBFEM. Ciascuno di questi casi, definito dalla sua geometria, dal carico, dalle piastre, dalle saldature e dai bulloni, produce risultati accurati in termini di sfruttamento. Questo dataset viene poi utilizzato per addestrare un modello di apprendimento automatico che cattura la relazione tra i parametri di input e la risposta strutturale. Il risultato è un modello predittivo in grado di stimare lo sfruttamento di un collegamento, in modo simile a un foglio Excel ben preparato.
Una volta che l'utente è soddisfatto dello sfruttamento previsto, la verifica finale deve essere eseguita tramite il calcolo standard tensione/deformazione. Solo il risultato calcolato rappresenta la verifica normativa effettiva secondo la normativa selezionata.
Provalo tu stesso e scopri quanto velocemente puoi valutare più opzioni di progetto e confrontarle prima di eseguire un singolo calcolo.