مهندسان مدت‌هاست که برای ساخت همه چیز، از براکت‌های هواپیما گرفته تا بدنه لوازم الکترونیکی مصرفی، به مدل‌سازی پارامتریک متکی بوده‌اند. این فرآیند با تعریف روابط بین ویژگی‌های هندسی کار می‌کند، به طوری که با تغییر یک بُعد، بقیه بخش‌های قطعه نیز به‌طور خودکار به‌روزرسانی می‌شوند. این روش دقیق است، اما کند هم هست. هر تکرار مستلزم آن است که فردی به‌صورت دستی محدودیت‌ها را تنظیم کند، هندسه را بازسازی کند و خطاهای تداخل را بررسی کند. وقتی یک بازبینی طراحی، ارائه شش نسخه مختلف را تا صبح مطالبه می‌کند، این محدودیت زمانی آسیب‌زا است.

هوش مصنوعی در حال از میان برداشتن این گلوگاه است. با ترکیب الگوریتم‌های مولد (generative) با چارچوب ریاضی سخت‌گیرانه مدل‌سازی پارامتریک، این سیستم‌های جدید وظایف طراحی را که پیش از این کل روزهای کاری را می‌بلعیدند، خودکار می‌کنند. برخی از کاوش‌هایی که زمانی ساعت‌ها کار با کلیک و کشیدن (click-and-drag) می‌طلبید، اکنون در چند ثانیه حل می‌شوند. این تغییر فقط مربوط به سرعت نیست؛ بلکه درباره این است که چه کسی مسئول تفکر است و چه کسی درگیر انجام کارهای تکراری و خسته‌کننده می‌شود.

مدل‌سازی پارامتریک در واقع به چه معناست

مدل‌سازی پارامتریک ستون فقرات خاموش طراحی مکانیکی مدرن است. در هسته خود، این روش از معادلات ریاضی برای پیوند دادن بخش‌های هندسی استفاده می‌کند. اگر قطر یک سوراخ نصب را افزایش دهید، فیلت (fillet) و الگوی پیچ اطراف به‌طور خودکار تنظیم می‌شوند، زیرا آن‌ها توسط قوانین به هم متصل شده‌اند، نه توسط مختصات ایستا. این رویکرد باعث می‌شود در صورت تغییر الزامات، طراحی‌ها ثابت بمانند؛ به همین دلیل است که در صنایعی که دقت در آن‌ها حیاتی است، تسلط دارد.

ابزارهای سنتی مستلزم آن هستند که یک مهندس انسانی تمام روابط را از قبل تعریف کند. نرم‌افزار طراحی نمی‌کند؛ بلکه صرفاً اطاعت می‌کند. این اطاعت هم نقطه قوت و هم محدودیت آن است. وقتی یک قطعه دارای صدها ویژگی مرتبط با هم است، ذهن انسان به گلوگاه تبدیل می‌شود. شما زمان کمتری را صرف پرسیدن این سوال می‌کنید که قطعه باید چه کاری انجام دهد و زمان بیشتری را صرف نظارت بر طرح‌ها (sketches) و درخت‌های ویژگی (feature trees) می‌کنید.

هوش مصنوعی چگونه معادله را تغییر می‌دهد

افزودن هوش مصنوعی به این محیط، رابطه بین طراح و ماشین را تغییر می‌دهد. شبکه‌های عصبی از داده‌های طراحی موجود (هزاران یا میلیون‌ها قطعه در گذشته) یاد می‌گیرند تا تشخیص دهند یک هندسه معتبر و کاربردی چگونه است. آن‌ها جایگزین موتور پارامتریک نمی‌شوند؛ بلکه در مرحله‌ای قبل از آن قرار می‌گیرند و فرم‌هایی را پیشنهاد می‌دهند که سپس سیستم پارامتریک آن‌ها را بر اساس قوانین مهندسی ارزیابی می‌کند.

نتیجه، یک گردش کار ترکیبی (hybrid workflow) است. هوش مصنوعی مدل‌های کاندید را بر اساس الگوهایی که از مجموعه‌داده‌های بزرگ استخراج کرده، تولید می‌کند. ستون فقرات پارامتریک تضمین می‌کند که آن کاندیداها محدودیت‌های سخت را رعایت کنند: حداقل ضخامت دیواره، زوایای خروج برای تزریق پلاستیک، و نواحی فاصله برای مجموعه‌های متحرک. شما دیگر هر خط را نمی‌کشید؛ بلکه مرزها را تعیین می‌کنید و اجازه می‌دهید سیستم فضای پاسخ را در داخل آن‌ها جستجو کند.

مزایای واقعی در محیط کارگاه

این ترکیب مزایایی ایجاد می‌کند که بلافاصله کاربردی هستند.

تکرارهای سریع‌تر. یک چرخه طراحی که زمانی ساعت‌ها طول می‌کشید (در حالی که مهندسان ابعاد را دستی تغییر می‌دادند و منتظر بازسازی می‌ماندند)، می‌تواند به چند ثانیه کاهش یابد. سیستم ده‌ها تغییر هندسی را در زمانی بررسی می‌کند که قبلاً فقط برای به‌روزرسانی یک سلول در اکسل زمان می‌برد. این سرعت زمانی که در حال پاسخگویی به بازخوردهای لحظه آخر مشتری هستید یا قبل از ساخت نمونه اولیه، حلقه‌های بهینه‌سازی را اجرا می‌کنید، بسیار مهم است.

هندسه هوشمند. از آنجایی که هوش مصنوعی بر روی کتابخانه‌های طراحی گسترده آموزش دیده است، الگوهای تکرار شونده را تشخیص می‌دهد. هوش مصنوعی می‌داند که یک محفظه برای یک قطعه تولیدکننده گرما معمولاً به ویژگی‌های تهویه نیاز دارد، یا اینکه براکت‌های تحمل‌کننده بار تمایل دارند از ساختارهای شیاردار (ribbed) استفاده کنند. این سیستم اشکال جدید را با ترکیب و تطبیق این الگوها می‌سازد و اغلب به پیکربندی‌هایی دست می‌یابد که ممکن است یک انسان پس از یک بعدازظهر طولانی خیره شدن به یک صفحه نمایش، از آن‌ها غافل شود.

پایبندی به قوانین. موتور پارامتریک خسته یا حواس‌پرت نمی‌شود. این موتور هر طراحی را در محدوده مهندسی از پیش تعیین‌شده نگه می‌دارد. اگر مشخصات مواد به حداقل ضخامت دیواره دو میلی‌متری نیاز داشته باشد، سیستم آن را در تمام نسخه‌های تولید شده اعمال می‌کند. طراحان انسانی همچنان می‌توانند در صورت نیاز به خلاقیت، تصمیمات را تغییر دهند، اما انطباق پایه به‌طور خودکار انجام می‌شود.

آگاهی از مواد. شاید مهم‌ترین تغییر این باشد که نرم‌افزار اکنون استحکام و