كيف يمكن الجمع بين الماضي والحاضر والمستقبل؟ اعتمادًا على وجهة نظرك، يمكن أن تتغير الأمور بسرعة أو تظل راكدة. هل هناك أي شيء يمكننا القيام به حيال الوضع الحالي؟ هل يمكنك تغيير مصيرك أو مصير الآخرين؟ في الأساطير الإسكندنافية القديمة، كان المصير يتحدد من خلال الخيوط التي نسجها النورنس ويتم تحديدها قبل وقت طويل من ولادتك. لقد سيطروا على الماضي والحاضر ومستقبلك ولم يكن هناك ما يمكنك فعله لتغييره.
هذا النوع من التفكير لم يعد شائعا بعد الآن. قال سويدي حديث وحديث شهير، وترجمته فضفاضة، “معظم الأشياء لم يتم حلها بعد. مستقبل رائع!”. هذا الاقتباس يأتي من الراحل والعظيم إنجفار كامبراد، مؤسس ايكيا. من المؤكد أن إنجفار يعتقد أن هناك دائمًا تحسينات يجب القيام بها وتصنيع منتجات أفضل. عند كتابة هذا، لقد تحولنا للتو إلى عام 2024 وفقًا للتقويم الغريغوري، وفي هذا الوقت من العام نريد جميعًا أن تكون لدينا نظرة متفائلة بشأن العام الجديد القادم.
عندما يتعلق الأمر بتقنيات الهندسة والمحاكاة الجديدة، لا يمكن للمرء تجنب الحديث عما يحدث في مجال الذكاء الاصطناعي (AI) والتعلم الآلي (ML) وما هي التأثيرات التي قد يحدثها ذلك على المنتجات المستقبلية. ومع هذه الثورة التكنولوجية، لا بد أن نرى الكثير من التقدم في السنوات القادمة. قم بإقران هذا مع تقنية الخيوط الرقمية من شركة Siemens التي تربط التصميم بمساعدة الكمبيوتر (CAD) بالهندسة بمساعدة الكمبيوتر (CAE) والتصنيع (CAM) وستحصل على ميزة تنافسية وستكون قادرًا على طرح منتجات جديدة بشكل أسرع في السوق.
دعونا نلقي نظرة على بعض الأمثلة من صناعة الآلات التوربينية. لقد طلبت من Dall-E إصدار تعليمات تشبه تعليمات ايكيا حول كيفية تجميع محرك نفاث. يوضح الشكل 2 محاولاتي الأولى:
في الوقت الحالي، يبدو أنني سأظل قادرًا على الاحتفاظ بوظيفتي لبضع سنوات أخرى لأن الآلات قد لا تزال بحاجة إلى مهندسين لمساعدتها على صنع آلات أفضل.
نظرة على الوضع الحالي لسير عمل تصميم توربينات الغاز
يوضح الشكل 3 النهج “الكلاسيكي” لصورة CAD من مجموعة محرك نفاث باستخدام NX. كان تصميم توربين الغاز في الماضي يستغرق عدة سنوات ولم يكن ناجحًا دائمًا. بفضل الأدوات الرقمية، يمكننا تحسين التصميم الحالي بسهولة تامة من خلال اتباع نهج متعدد التخصصات للتصميم والتحسين.
على الرغم من أنها فيزياء متقدمة جدًا وهندسة معقدة، إلا أنه يمكن للمرء اليوم الجمع بين العديد من هذه الخطوات بطريقة آلية. الحفاظ على CAD نشطًا، تظل الشروط الحدودية والإصدارات المختلفة تحت سيطرتك تمامًا. تظهر عملية تصميم المكون في الرسم التخطيطي في الشكل 4. ويتم ذلك عن طريق ضم CAD من NX إلى أدوات محاكاة CAE المختلفة مثل Simcenter STAR-CCM+ وSimcenter 3D. تتم معالجة الأتمتة والتحسين بواسطة HEEDS وتتم إدارة جميع البيانات بواسطة Teamcenter.
لا يهم حقًا ما إذا كانت الكفاءة أعلى من خلال الديناميكا الهوائية، أو تحسين السلامة الميكانيكية والمتانة، أو تقليل استخدام هواء التبريد أو وقود الاحتراق الجديد؛ جميعها تؤثر على بعضها البعض ولا توجد طريقة لتكون قادرة على المنافسة والابتكار ما لم يتم استخدام أساليب استكشاف الفضاء الحديثة متعددة التخصصات بشكل صحيح.
ومن أجل تطوير المنتج بشكل فعال، نريد تقييم أكبر عدد ممكن من التصميمات في وقت مبكر من العملية قدر الإمكان. إن اتخاذ الخطوات التالية في المستقبل يعني الجمع بين ذلك والتعلم الآلي، حيث أن مساحة التصميم يمكن أن تصبح كبيرة بسرعة مع وجود العديد من التخصصات المعنية. ماذا لو كان بإمكاننا الحصول على خوارزمية للتعلم الآلي تدرب نفسها في الوقت الفعلي على مساحة التصميم التي يتم تقييمها حاليًا باستخدام ديناميكيات الموائع الحسابية (CFD) أو طريقة العناصر المحدودة (FEM)؟
تحسين تحسين التصميم متعدد التخصصات لهندسة المنتجات المستقبلية
لذلك، لدينا إثباتان للمفهوم يتعلقان بالآلات التوربينية. الأول هو تحسين كفاءة مضخة المياه بمعدل تدفق 110 كجم/ثانية و1200 دورة في الدقيقة. لقد عملنا على نموذج محدد المعالم يحتوي على 12 متغيرًا هندسيًا وعدد الشفرات.
يستخدم برنامج HEEDS، وهو برنامج شامل متعدد التخصصات لتحليل التصميم وتحسينه (MDAO)، طريقة البحث الافتراضية الخاصة به، SHERPA، لإجراء استراتيجيات بحث متعددة في وقت واحد، ويتكيف ديناميكيًا مع المشكلة عندما يتعلم عن مساحة التصميم. مع SHERPA، يمكن لـ HEEDS اكتشاف 300 تصميم مختلف خلال 40 ساعة. مع تقديم HEEDS AI Simulation Predictor، وهو امتداد إضافي في HEEDS، تم تحسين تقنية البحث الخاصة بـ SHERPA بشكل كبير. يتم استبدال بعض عمليات محاكاة عقود الفروقات بتقييمات الذكاء الاصطناعي التي يتم إجراؤها من خلال نموذج ذكاء اصطناعي تم تدريبه تلقائيًا، مع الاستفادة من الأفكار المكتسبة من عمليات المحاكاة المبكرة – مما أحدث ثورة في هذه العملية. في هذه الحالة، تم احتساب 151 عملية تشغيل لعقود مقابل الفروقات بينما تم إجراء 149 عملية تقييم باستخدام الذكاء الاصطناعي (بإجمالي 300). استغرق هذا حوالي 20 ساعة للوصول إلى نفس النتائج وتوفير 49% من الوقت. زادت كفاءة المضخة بنسبة 3% والرأس بنسبة 10%.
الشكل 5: مضخة المياه – تصميم استكشاف الفضاء باستخدام أداة توقع المحاكاة HEEDS AI – نتائج CAD وCFD
الحالة الثانية هي شفرة توربين الغاز لتحسين التبريد. الهدف هنا هو تقليل درجة حرارة الشفرة وتقليل تدفق كتلة هواء التبريد. يتم استخدام CAD ذو معلمات من NX للمحاكاة في Simcenter STAR-CCM+. يحتوي CAD على 34 خاصية محددة على القناة السربنتينية مع تغييرات في أضلاع التبريد وفتحات رأس الدش (انظر الشكل 7). شهدت تقييمات التصميم الـ 500 التي تم إجراؤها لهذه الحالة توفيرًا للوقت بنسبة 38% تقريبًا، وتخطي عمليات محاكاة عقود الفروقات باستخدام الذكاء الاصطناعي مع الاستمرار في الوصول إلى نفس الحل الأفضل. قد يعني هذا توفير 20 يومًا من الوقت إذا تم استخدام 160 مركزًا لكل محاكاة. بهذه الطريقة، يمكنك بسهولة توفير أسابيع وأشهر في المشاريع والحصول على منتج أفضل لتسويقه بشكل أسرع.
الشكل 7: درجة الحرارة الخارجية والداخلية لاستكشاف الفضاء بتصميم شفرة توربين نقل الحرارة المترافقة باستخدام جهاز التنبؤ بمحاكاة HEEDS AI وNX وSimcenter STAR-CCM+.
من هذه الأمثلة الأولى لإضافة الذكاء الاصطناعي والتعلم الآلي إلى سير عمل CAD-CAE المثير للإعجاب بالفعل، يمكن للمرء أن يرى بالفعل الإمكانات ومدى سهولة البدء دون أن يكون خبيرًا في التعلم الآلي أو التحسين. من السابق لأوانه تحديد حجم ثورة الذكاء الاصطناعي والتعلم الآلي وتأثيرها على مصير الصناعة الميكانيكية. لكننا نعلم بالفعل أنه سيكون المفتاح للبقاء في صدارة المنافسة. وفي الختام، نصيحتي يمكن تلخيصها على النحو التالي:
- تعلم مما فعلناه في الماضي، فالحكمة مهمة.
- استخدم هذا في سلسلة رسائل رقمية لتحسين منتجاتنا وطرقنا القديمة.
- السيطرة على مصيرك لخلق مستقبل رائع!
شكر وتقدير:
أود أن أشيد بالعمل الهندسي الرائع الذي قام به غابرييل أمين الدين، وجيريمي هانكي، ورينيه براون.
قد تكون مهتم ايضا ب…
حل
أطلق العنان للابتكار باستخدام AI/ML وSimcenter
ورق ابيض
تقليل ضجيج محركات الطائرات