Використання генеративного штучного інтелекту під час вирішення технічних завдань інженерії в дизайн-проєктуванні
DOI:
https://doi.org/10.33271/crpnmu/86.330Ключові слова:
генеративний дизайн, форма виробу, топологічна оптимізаціяАнотація
Мета. Дослідити інструменти генеративного штучного інтелекту при проєктуванні інженерних виробів, що забезпечує автоматизований синтез раціональної форми за заданими граничними умовами, критеріями міцності та ефективності.
Методика. Потенціал інтерактивного моделювання пошуку форми виробу досліджується за допомогою аналізу і синтезу: розглядається концептуальний підхід до фіксованої форми, який діє як візуалізація взаємодіючих сил, та в подальшому пропонується модель технології виготовлення на основі існуючих обмежень. Розглядаються наслідки моделювання на основі аналізу стану розвитку виробництва для майбутніх напрямків еволюції виробу.
Результати. Використання генеративних можливостей інструментів автоматизації, забезпечених штучним інтелектом, дає можливість звільнити розробника для створення більш осмисленого дизайну, що забезпечує додаткову цінність кінцевого продукту. Показано, що інтеграція генеративного штучного інтелекту з FEM-верифікацією забезпечує нелінійне зростання інженерної ефективності (до 2,7 разів відносно базового параметричного підходу), тобто зміна топології має пропорційно більший вплив на міцність, ніж на масу. Доведено, що генеративний дизайн може виконувати не лише функцію автоматичної побудови форми, а є інструментом виявлення і формалізації конструктивних залежностей у системі процесів конфігурації, топології, масогабаритних характеристик та запасу міцності. Це дозволяє перейти від емпіричного перебору варіантів до керованого синтезу оптимальних конфігурацій з передбачуваним показником ефективності.
Наукова новизна. Вперше для задачі дизайн-проєктування велосипедної рами встановлено кількісну залежність між геометричними параметрами згенерованої топології, масою конструкції та фактором безпеки, що дозволило аналітично оцінити ефективність отриманих рішень у вигляді відношення коефіцієнту запасу міцності до маси.
Практична значимість. Використовуючи можливості генеративного штучного інтелекту можна значно прискорити процес проєктування, підвищити ефективність і точність розрахунків та дозволити розробникам інженерних виробів більше зосередитись на ідеях.
Посилання
1. Lomas, J. D., & Xue, H. (2022). Harmony in design: A synthesis of literature from classical philosophy, the sciences, economics, and design. She Ji: The Journal of Design, Economics, and Innovation, 8(1), 5–64. https://doi.org/10.1016/j.sheji.2022.01.001
2. Attar, R., Aish, R., Stam, J., Brinsmead, D., Tessier, A., Glueck, M., & Khan, A. (2009). Physics-based generative design. In Joining languages, cultures and visions: CAAD Futures 2009 (pp. 231–244). Les Presses de l’Université de Montréal.
3. Hatchuel, A., Le Masson, P., Thomas, M., & Weil, B. (2021). What is generative in generative design tools? Uncovering topological generativity with a C-K model of evolutionary algorithms. Proceedings of the Design Society, 1, 3419–3430. https://doi.org/10.1017/pds.2021.603
4. Byrne, J., Cardiff, P., Brabazon, A., & O’Neill, M. (2014). Evolving parametric aircraft models for design exploration and optimisation. Neurocomputing, 142, 39–47. https://doi.org/10.1016/j.neucom.2014.04.004
5. Nagy, D., Lau, D., Locke, J., Stoddart, J., Villaggi, L., Wang, R., Zhao, D., & Benjamin, D. (2017). Project discover: An application of generative design for architectural space planning. In Proceedings of the Symposium on Simulation for Architecture and Urban Design (SimAUD 2017) (pp. 1–8). Society for Modeling & Simulation International. https://doi.org/10.22360/SimAUD.2017.SimAUD.007
6. Chen, X. A., Tao, Y., Wang, G., Kang, R., Grossman, T., Coros, S., & Hudson, S. E. (2018). Forte: User-driven generative design. In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems (pp. 1–12). Association for Computing Machinery. https://doi.org/10.1145/3173574.3174070
7. Wünsch, A., Schabacker, M., & Vajna, S. (2012). Designing a gearbox for a novel independently controllable transmission using the autogenetic design theory. In Proceedings of the 9th International Workshop on Integrated Product Development. Magdeburg, Germany.
8. Pismenkova, T., & Ziborov, K. (2021). Development of design thinking—A modern view on the training of masters of technical specialties on the experience of Dnipro University of Technology. International Scientific Journal of Universities and Leadership, 2(12), 22–34. https://doi.org/10.31874/2520-6702-2021-12-2-22-34
9. Burnap, A., Liu, Y., Pan, Y., Lee, H., Gonzalez, R., & Papalambros, P. Y. (2016). Estimating and exploring the product form design space using deep generative models. In Proceedings of the ASME 2016 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference: Volume 2A, 42nd Design Automation Conference. ASME. https://doi.org/10.1115/DETC2016-60091
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
All articles are published under the Creative Commons Attribution License (CC BY 4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. Authors retain copyright and grant the journal right of first publication.
Authors are permitted and encouraged to deposit the final published version of their article, or the Author's Accepted Manuscript (AAM), in institutional or subject-specific open-access repositories (including the university's own institutional repository, CORE, Zenodo, or Figshare), ensuring maximum visibility, accessibility, and impact of the publication.
