Automatización de diseño por lo general se refiere a la automatización de diseño electrónico , o la automatización de diseño que es un configurador de producto . La ampliación del diseño asistido por computadora (CAD), el diseño automatizado y el diseño automatizado por computadora (CAutoD) [1] [2] [3] están más relacionados con una gama más amplia de aplicaciones, como la ingeniería automotriz , la ingeniería civil , [4] [ 5] [6] [7] diseño de materiales compuestos , ingeniería de control , [8] identificación y optimización de sistemas dinámicos , [9] financieros sistemas, equipos industriales, mecatrónicos de sistemas, construcción de acero , [10] estructural optimización , [11] y la invención de nuevos sistemas. [12]
El concepto de CAutoD quizás apareció por primera vez en 1963, en el IBM Journal of Research and Development, [1] donde se escribió un programa de computadora.
- para buscar circuitos lógicos que tengan ciertas restricciones en el diseño de hardware
- evaluar estas lógicas en términos de su capacidad de discriminación sobre muestras del conjunto de caracteres que se espera que reconozcan.
Más recientemente, se considera que la simulación CAD tradicional se ha transformado en CAutoD mediante el aprendizaje automático inspirado en la biología , [13] que incluye técnicas de búsqueda heurística como la computación evolutiva , [14] [15] y algoritmos de inteligencia de enjambre . [dieciséis]
Guiar diseños por mejoras de rendimiento
Para satisfacer la demanda cada vez mayor de calidad y competitividad, la creación de prototipos físicos iterativos ahora a menudo se reemplaza por la ' creación de prototipos digitales ' de un 'buen diseño', que tiene como objetivo cumplir múltiples objetivos, como la producción maximizada, la eficiencia energética, la mayor velocidad y costo. eficacia. El problema del diseño se refiere tanto a encontrar el mejor diseño dentro de un rango conocido (es decir, a través del "aprendizaje" u "optimización") como a encontrar un diseño nuevo y mejor más allá de los existentes (es decir, a través de la creación y la invención). Esto equivale a un problema de búsqueda en un espacio multidimensional (multivariante), multimodal, casi con certeza, con un solo (o ponderado) objetivo o múltiples objetivos.
Función objetivo normalizada: costo frente a aptitud
Usando CAutoD de un solo objetivo como ejemplo, si la función objetivo, ya sea como una función de costo , o inversamente, como función de aptitud , dónde
- ,
es diferenciable bajo restricciones prácticas en el espacio multidimensional, el problema de diseño puede resolverse analíticamente. Encontrar los conjuntos de parámetros que dan como resultado una derivada de primer orden cero y que satisfacen las condiciones de la derivada de segundo orden revelaría todos los óptimos locales. Entonces, comparar los valores del índice de rendimiento de todos los óptimos locales, junto con los de todos los conjuntos de parámetros de frontera, conduciría al óptimo global, cuyo conjunto de "parámetros" correspondiente representará así el mejor diseño. Sin embargo, en la práctica, la optimización suele implicar múltiples objetivos y las cuestiones relacionadas con los derivados son mucho más complejas.
Abordar los objetivos prácticos
En la práctica, el valor objetivo puede ser ruidoso o incluso no numérico y, por tanto, su información de gradiente puede no ser fiable o no estar disponible. Esto es particularmente cierto cuando el problema es multiobjetivo. En la actualidad, muchos diseños y mejoras se realizan principalmente mediante un proceso manual de prueba y error con la ayuda de un paquete de simulación CAD . Por lo general, este aprendizaje o ajustes a posteriori deben repetirse muchas veces hasta que surja un diseño "satisfactorio" u "óptimo".
Búsqueda exhaustiva
En teoría, este proceso de ajuste puede automatizarse mediante una búsqueda computarizada, como una búsqueda exhaustiva . Como se trata de un algoritmo exponencial , es posible que no ofrezca soluciones en la práctica en un período de tiempo limitado.
Buscar en tiempo polinomial
Un enfoque de la ingeniería virtual y el diseño automatizado es la computación evolutiva , como los algoritmos evolutivos .
Algoritmos evolutivos
Para reducir el tiempo de búsqueda, se puede utilizar el algoritmo evolutivo (EA) de inspiración biológica, que es un algoritmo polinomial (no determinista) . El "equipo de búsqueda" multiobjetivo basado en EA puede interactuar con un paquete de simulación CAD existente en un modo por lotes. El EA codifica los parámetros de diseño (la codificación es necesaria si algunos parámetros no son numéricos) para refinar múltiples candidatos a través de una búsqueda paralela e interactiva. En el proceso de búsqueda, la " selección " se realiza mediante el aprendizaje a posteriori de la " supervivencia del más apto " . Para obtener la próxima 'generación' de posibles soluciones, se intercambian algunos valores de parámetros entre dos candidatos (mediante una operación llamada ' cruce ') y nuevos valores introducidos (mediante una operación llamada ' mutación '). De esta manera, la técnica evolutiva hace uso de la información de ensayos anteriores de una manera inteligente similar a la del diseñador humano.
Los diseños óptimos basados en EA pueden comenzar a partir de la base de datos de diseño existente del diseñador o de una generación inicial de diseños candidatos obtenidos al azar. Una serie de candidatos de alto rendimiento finamente evolucionados representarán varios prototipos digitales optimizados automáticamente.
Hay sitios web que demuestran algoritmos evolutivos interactivos para el diseño. EndlessForms.com le permite desarrollar objetos 3D en línea e imprimirlos en 3D. PicBreeder.org le permite hacer lo mismo con las imágenes 2D.
Ver también
- Automatización de diseño electrónico
- Automatización de diseño
- Conferencia de Automatización de Diseño
- Diseño generativo
- Aplicaciones de algoritmo genético (GA): diseño automatizado
Referencias
- ^ a b Kamentsky, LA; Liu, C.-N. (1963). "Diseño automatizado por computadora de lógica de reconocimiento de impresión multifont" . Revista de investigación y desarrollo de IBM . 7 (1): 2.
- ^ Brncick, M. (2000). "Diseño automatizado por ordenador y fabricación automatizada por ordenador". Phys Med Rehabil Clin N Am . 11 : 701-13. PMID 10989487 .
- ^ Li, Y., et al. (2004). CAutoCSD - Diseño de sistema de control automatizado por computadora habilitado para búsqueda evolutiva y optimización Archivado 2015-08-31 en Wayback Machine . Revista Internacional de Automatización y Computación , 1 (1). 76-88. ISSN 1751-8520
- ^ Kramer, GJE; Grierson, DE (1989). "DISEÑO AUTOMATIZADO POR COMPUTADORA DE ESTRUCTURAS BAJO CARGAS DINÁMICAS". COMPUTADORAS Y ESTRUCTURAS . 32 (2): 313–325.
- ^ Moharrami, H; Grierson, DE (1993). "DISEÑO AUTOMATIZADO POR COMPUTADORA DE MARCOS DE HORMIGÓN ARMADO". REVISTA DE INGENIERIA ESTRUCTURAL-ASCE . 119 (7): 2036-2058.
- ^ XU, L; Grierson, DE (1993). "DISEÑO AUTOMATIZADO POR COMPUTADORA DE MARCOS DE ACERO SEMIRÍGIDO". REVISTA DE INGENIERIA ESTRUCTURAL-ASCE . 119 (6): 1740-1760.
- ^ Barsan, GM; Dinsoreanu, M, (1997). Diseño automatizado por computadora basado en criterios de desempeño estructural, Mouchel Centenary Conference on Innovation in Civil and Structural Engineering, 19-21 AUG, CAMBRIDGE ENGLAND, INNOVATION IN CIVIL AND STRUCTURAL ENGINEERING, 167-172
- ^ Li, Yun (1996). "Enfoque automatizado de algoritmos genéticos para el diseño de sistemas de control de modo deslizante". Revista Internacional de Control . 63 : 721–739. doi : 10.1080 / 00207179608921865 .
- ^ Li, Yun; Chwee Kim, Ng; Chen Kay, Tan (1995). "Automatización de Diseño de Sistemas de Control Lineales y No Lineales por Computación Evolutiva" (PDF) . Volúmenes de las actas de la IFAC . 28 : 85–90. doi : 10.1016 / S1474-6670 (17) 45158-5 .
- ^ Barsan, GM, (1995) Diseño automatizado por computadora de estructuras de acero semirrígido según EUROCODE-3, Nordic Steel Construction Conference 95, 19-21 de junio, 787-794
- ^ Gray, Gary J .; Murray-Smith, David J .; Li, Yun; et al. (1998). "Identificación de la estructura del modelo no lineal mediante programación genética". Práctica de Ingeniería de Control . 6 : 1341-1352.
- ↑ Yi Chen, Yun Li, (2018). Diseño asistido por inteligencia computacional: en Industrial Revolution 4.0, CRC Press, ISBN 9781498760669
- ^ Zhan, ZH y col. (2011). La computación evolutiva se encuentra con el aprendizaje automático: una encuesta, IEEE Computational Intelligence Magazine, 6 (4), 68-75.
- ^ Gregory S. Hornby (2003). Representaciones generativas para sistemas de diseño automatizados por computadora, Centro de investigación Ames de la NASA, Mail Stop 269-3, Moffett Field, CA 94035-1000
- ^ J. Clune y H. Lipson (2011). Evolución de objetos tridimensionales con una codificación generativa inspirada en la biología del desarrollo. Actas de la Conferencia europea sobre vida artificial. 2011.
- ^ Zhan, ZH y col. (2009). Optimización adaptativa del enjambre de partículas, transacciones IEEE en sistemas, hombre y cibernética, Parte B (Cibernética), Vol.39, No.6. 1362-1381
enlaces externos
- Un demostrador CAutoD interactivo en línea basado en GA. Aprenda paso a paso o observe la convergencia global en CAutoD de 2 parámetros