Generative Design: AI, stampa 3D e digital twins per la manifattura intelligente

Il Generative Design coniuga una grande varietà di tecnologie emergenti per creare soluzioni progettuali attraverso il contributo generativo dell’Intelligenza Artificiale (Generative AI). Grazie alla connessione tra il mondo fisico e il mondo digitale, la sua missione risiede nel realizzare manufatti sempre più informati, grazie all’interfaccia in tempo reale con i loro digital twins.

TAKEAWAY

  • Il Generative Design è già una realtà nell’ambito dell’ottimizzazione formale e della creazione di nuovi concept di design.
  • La prossima evoluzione del Generative Design è attesa nei confronti della manifattura intelligente, dove la stampa 3D e gli smart materials consentono di creare sistemi cognitivi in grado di adattarsi in tempo reale all’ambiente che li circonda.
  • L’interfaccia tra il mondo fisico e il mondo digitale è caratterizzata dal digital twin, un sistema incredibilmente complesso e stratificato, in cui convergono tecnologie come Intelligenza Artificiale, IoT, Realtà Aumentata, Big Data & Analytics, Robotica, Stampa 3D con le fondamentali infrastrutture IT costituite dal cloud e dall’edge computing.

Costruire il mondo reale, dotandolo di manufatti sempre più informati, grazie all’interfaccia in tempo reale con i dati dei loro gemelli digitali (digital twins). Potremmo riassumere in questo modo la missione del Generative Design, un paradigma progettuale di moderna concezione in grado di massimizzare le sinergie tra le tecnologie digitali emergenti più diffuse.

Il ruolo centrale in questo processo è svolto, da un lato, dalle capacità generative dell’Intelligenza Artificiale (Generative AI), dall’altro dalle capacità cognitive degli smart materials, che consentiranno di creare manufatti sempre più autonomi nell’adattarsi alle variazioni ambientali che li vedono coinvolti.

L’obiettivo di questo servizio è quello di analizzare le applicazioni attuali del Generative Design e quelle che saranno le sue future evoluzioni, quando i sistemi cognitivi di cui necessita troveranno un adeguato livello di maturità tecnologica e diffusione sul mercato.

Il Generative Design oggi: ottimizzazione formale e concept di design

Nell’ambito di un recente approfondimento sulla Generative AI abbiamo fatto riferimento al Generative Design secondo le sue espressioni più attuali e comuni, che possiamo ritrovare sin d’oggi in produzione, implementati quali funzioni nei principali software di progettazione.

L’impiego di tecniche di Machine Learning consente di istruire i sistemi di Generative Design per ottimizzare la forma degli oggetti esistenti. Il cervello sintetico apprende automaticamente grazie ai dati relativi ai materiali e ai vincoli strutturali e normativi che deve rispettare ed è pertanto in grado di proporre alternative formali rispetto ai dati di origine. Questo approccio è già largamente utilizzato per ottimizzare i telai dei veicoli, che diventano più leggeri ed economici, senza rinunciare alle caratteristiche meccaniche originali.

Oltre all’ottimizzazione formale, il Generative Design è impiegato per individuare nuovi concept di design. In questo caso, il sistema di Machine Learning viene allenato con informazioni relative alle forme dei design esistenti. Nel caso di una sedia, ad esempio, sottoporremmo un dataset con immagini e modelli di tutte le sedie che interessano il nostro ambito progettuale, oltre alle informazioni relative alle caratteristiche fisiche e meccaniche dei materiali disponibili.

Una volta allenato, il sistema di Generative Design è in grado di rispondere alle nostre domande che, a differenza di quanto accade nel caso dell’ottimizzazione formale, non partono da un concept noto per raggiungere un risultato migliorativo, ma da una serie di semplici requisiti e vincoli da rispettare. Sarà il sistema stesso a combinare questo numero molto elevato di variabili per suggerirci i nuovi concept di forma, che potremo successivamente affinare e ingegnerizzare ai fini della produzione.

Grazie al Generative Design è pertanto possibile disegnare prodotti di nuova concezione, capaci di rispondere in maniera molto più informata ai requisiti progettuali rispetto a quanto avviene nei processi tradizionali.

Entrambi gli approcci descritti non prevedono che il cervello sintetico si sostituisca al cervello umano. Un sistema di Generative Design è concepito per assistere il progettista umano e supportarlo nel prendere decisioni più informate e consapevoli, sfruttando l’elaborazione informatica e le tecniche che fanno capo all’ambito di studi dell’Intelligenza Artificiale per gestire e processare una quantità di dati che supera nettamente quella che l’uomo sarebbe in grado di gestire. L’autonomia progettuale del Generative Design sarebbe in buona parte già possibile, ma non costituisce, al momento, una priorità nell’ambito delle sue reali applicazioni.

Va inoltre ricordato che, nella sua connotazione attuale, il Generative Design rientra pienamente nell’ambito dell’Intelligenza Artificiale ristretta (Narrow AI), in quanto si focalizza nel trovare soluzioni a problemi specifici, senza la pretesa generalista di simulare la straordinaria complessità di approccio del cervello umano. L’innata propensione al problem solving è con ogni probabilità la principale ragione del successo del Generative Design.

Dall’additive manufacturing al generative manufacturing: la grande sfida tecnologica del Generative Design

Il Generative Design rappresenta molto più della capacità di ottimizzare e proporre nuove soluzioni formali per il design dei prodotti. La sua intelligenza è capace di andare oltre la figura, per interfacciarsi in maniera diretta e consapevole con la materia. Grazie alla presenza di un cervello sintetico, un sistema di Generative Design può infatti superare i confini del digitale, per stabilire una connessione costruttiva biunivoca con il mondo reale.

Il paradigma creativo del Generative Design non sarebbe possibile senza l’additive manufacturing. I processi di fabbricazione additiva, tipici delle tecnologie di stampa 3D, consentono, infatti, di costruire con libertà di forma, senza alcun vincolo derivante dalla necessità di fresare e predisporre stampi, come accade nei processi di manifattura tradizionale.

Dopo una prima fase, in cui la stampa 3D si è rapidamente diffusa nell’ambito della prototipazione, da qualche anno è partita la sfida più difficile, nonché affascinante della sua missione tecnologica: utilizzare la manifattura addittiva nei processi di produzione industriale.

Nonostante i progressi fatti, rimane letteralmente un mondo da scoprire, sia per quanto riguarda le tecnologie di stampa 3D, ma soprattutto per quanto concerne i materiali, che devono soddisfare una serie di requisiti e certificazioni molto severa. L’evoluzione dei materiali compositi e metallici ci consentirà di fabbricare praticamente qualsiasi cosa, spingendo i confini del reale ben oltre la loro connotazione attuale.

Il Generative Design è il processo chiamato a rendere possibile questo nuovo paradigma produttivo, grazie alla capacità di gestire l’intero flusso digitale necessario per informare gli strumenti di fabbricazione. Il suo cervello sintetico, come vedremo, deve stabilire un dialogo bidirezionale con i manufatti coinvolti. Questo processo avviene grazie al digital twin, che costituisce l’interfaccia informativa tra il mondo digitale e il mondo reale, laddove la produzione intelligente si manifesta.

Tali concetti, tutt’altro che banali nella loro espressione pratica, sono inoltre alla base di quella che potremmo definire la manifattura autonoma (autonomous manufacturing), in cui la produzione non si limita a una replicazione meccanica, predefinita linearmente su una catena di montaggio, ma è in grado di regolarsi in maniera sensibile rispetto al contesto ambientale, esattamente come accade nei processi naturali che regolano l’evoluzione nel tempo delle specie viventi.

Dai materiali intelligenti ai materiali “vivi”: la nascita dei sistemi cognitivi

Nel caso dell’ottimizzazione formale e del concept di design, che costituiscono attualmente le implementazioni di Generative Design più diffuse, i sistemi di Machine learning vengono allenati con data set relativi a contesti noti, come gli streaming in tempo reale dei dati provenienti dai sensori collocati su impianti e manufatti di varia natura.

Grazie all’IoT (Internet of Things), queste procedure rientrano ormai nella prassi. Le analisi predittive e prescrittive dei sistemi di analisi dei dati basati sull’Intelligenza Artificiale sfruttano ormai da tempo i dati provenienti in tempo reale dal contesto fisico. Un esempio ricorrente è costituito dalla manutenzione predittiva, che analizza uno storico di dati per anticipare eventuali guasti o malfunzionamenti, ai fini di consentire di intervenire soltanto quando strettamente necessario, ottimizzando di conseguenza i costi rispetto ai tradizionali processi di manutenzione preventiva.

Grazie ai sistemi generativi, sarebbe possibile fare un passo oltre questa concezione predittiva, qualora i manufatti stessi fossero in grado di cogliere quanto accade loro nel contesto in cui si trovano. Per tradursi davvero in un’espressione del mondo reale, il cervello sintetico che governa un sistema di Generative Design deve ottenere le informazioni direttamente dal contesto fisico. Il dato stesso deve assumere una percezione maggiormente dinamica rispetto ai contesti tradizionali, per dimostrarsi capace di superare la visibilità del loro storico di riferimento.

Al tempo stesso, i manufatti non devono limitarsi a recepire passivamente gli input ambientali mediante i sensori installati, ma diventare i sensori di loro stessi, sviluppando autentiche capacità cognitive. Questo è possibile grazie agli smart materials, materiali compositi intelligenti, che integrano la componente sensoriale direttamente nella massa che li caratterizza, consentendo al manufatto di reagire in maniera adattiva alle variazioni contestuali e di comunicare in maniera dinamica i dati che derivano da queste interazioni.

Tale concezione, nella sua espressione più semplice, è oggetto di numerose sperimentazioni nell’ambito delle infrastrutture che, utilizzando i materiali compositi, possono ripararsi in autonomia prevenendo un collasso strutturale e il relativo disastro che ne deriverebbe. Ciò avviene, ad esempio, inserendo delle particolari resine nel calcestruzzo, che il manufatto stesso può rilasciare automaticamente qualora i sensori rilevassero una tensione anomala rispetto a quella prevista per l’esercizio ordinario.

Un materiale intelligente autoriparante può rivoluzionare lo status di sicurezza di ponti e viadotti, risolvendo in autonomia le pericolose microfessurazioni da cui si innescano quei degradi e dissesti materici che, nel tempo, possono rendere molto difficoltosa, oltre che irragionevolmente onerosa, la manutenzione del manufatto derivante da interventi esterni.

Lo stesso discorso vale per gli oleodotti che corrono per migliaia di chilometri sui fondali oceanici, laddove è molto complesso intervenire fisicamente, anche per mezzo di robot. Grazie alle capacità autoriparanti sarebbe possibile mantenere le condutture in efficienza, evitando il rischio di un disastro ambientale e di perdita di materiale combustibile.

In questi contesti, il Generative Design interviene in vari momenti e uno degli aspetti essenziali è caratterizzato dalla fase di apprendimento automatico. Il cervello sintetico va infatti inteso quale un serbatoio inesauribile di conoscenza.

Attraverso le informazioni ricevute dai manufatti intelligenti, un sistema di Machine Learning centralizzato sviluppa un know-how sempre più profondo, che può utilizzare non soltanto per gestire e mantenere il caso specifico, ma per migliorare e informare in maniera più consapevole la progettazione di tutte le strutture che verranno realizzate successivamente.

Questa concezione consente di superare in maniera piuttosto evidente le capacità cognitive dell’uomo, sia nella soluzione dei problemi esistenti che nella generazione di nuovi scenari, che possono portare alla creazione di concetti del tutto innovativi rispetto alla produzione tradizionale.

Il medium tra la dimensione digitale su cui interviene il cervello sintetico e la cognizione materica della manifattura è rappresentato dal digital twin nella sua formulazione più completa ed evoluta.

Generative Design e digital twins: un grande simposio tecnologico

Contrariamente a quanto talvolta avviene, il digital twin non andrebbe mai inteso quale il semplice modello digitale 3D della geometria di un manufatto. La sua ricchezza non si limita alla forma, ma si articola nell’articolata sequenza di layer informativi in cui risiedono i dati necessari al suo governo, nella necessaria interfaccia tra i sistemi digitali generativi e i sistemi i fisici cognitivi.

Utilizzare un digital twin quale un semplice modello 3D sarebbe limitante, così come impiegare la stampa 3D per fare le cose che si facevano con i metodi di fabbricazione tradizionale. L’innovazione deve vincere la pigrizia delle routine per sposare nuovi concetti e linguaggi espressivi. La natura del design evolve nel trovare nuove soluzioni a nuovi problemi, non sempre agli stessi problemi.

L’obiettivo pratico di un sistema di Generative Design è quello di rendere semplice e fattibile il controllo di concetti in realtà decisamente complessi, come quelli che governano la costituzione e il funzionamento del mondo fisico. Per raggiungere tale scopo, il Generative Design è il risultato della sinergia di una grande varietà di tecnologie digitali. Ci limitiamo all’elenco delle più diffuse e significative, molte delle quali già note nel contesto dell’Industria 4.0.

Intelligenza Artificiale

Alimenta il vero e proprio cervello sintetico, che coincide con un sistema di Generative AI istruito grazie all’apprendimento automatico (Machine Learning) per stabilire una relazione bidirezionale con i manufatti dotati un apparato sensoriale.

Stampa 3D

Consente di realizzare i manufatti grazie alle tecniche di fabbricazione additiva, che garantiscono la totale libertà di forma, sfruttando pienamente le capacità fisiche e meccaniche dei materiali.

Generative Design e modellazione 3D

Tecniche di computer grafica che consentono di rappresentare digitalmente i manufatti, figurando l’espressione dei digital twins in maniera del tutto analoga rispetto alla controparte reale.

IoT

L’Internet of Things consente la connessione tra i vari manufatti, attraverso un sistema di sensori in grado di acquisire e trasmettere i dati ambientali, per consentire il design di soluzioni anche molto articolate e complesse.

Big Data & Analytics

Le grandi quantità di dati acquisiti vengono processate e analizzate con tecniche di Intelligenza Artificiale per estrarre valore informativo dal dato ambientale grezzo. Fondamentale il ruolo delle applicazioni di visualizzazione dei dati, per interagire in maniera pratica e intuitiva con le informazioni generate dal sistema.

Robotica

La robotica consente di automatizzare e rendere sempre più autonome le operazioni sul campo, grazie a istruzioni generate sia localmente che sulla base dell’elaborazione del cervello sintetico centralizzato.

Realtà aumentata

Le informazioni contestuali in 3D si aggiungono ai contenuti del mondo reale, informando gli operatori sul campo nella gestione di tutti i processi che li vedono coinvolti per gestire e mantenere in efficienza i manufatti

Cloud Computing

L’infrastruttura IT che rende disponibili le risorse computazionali e funzionali di cui un sistema di Generative Design necessita per esaudire i propri scopi.

Edge Computing

L’Edge Computing completa l’infrastruttura IT delocalizzando quanto non è necessario processare in cloud. I manufatti intelligenti necessitano di potenza computazionale anche a livello locale, soprattutto per le fasi di pre-elaborazione dei dati, che renderebbero inutilmente dispendioso il ricorso a un sistema centralizzato, oltre che problematico in termini di latenze di esercizio.

Generative Design e deployable micro factory

Già attiva in molti percorsi sperimentali, la deployable micro factory costituisce una delle visioni concrete di un sistema di Generative Design orientato alla manifattura più suggestiva, soprattutto nell’ottica di rendere la produzione flessibile e trasportabile anche in quei contesti in cui sarebbe molto complesso procedere secondo la logica di uno stabilimento industriale tradizionalmente inteso.

La logica di una deployable micro factory, in estrema sintesi, coincide col concentrare nelle dimensioni di un container standard tutto il necessario per procedere alla fabbricazione, in modo da poterla trasportare in qualsiasi luogo. Per quanto concerne il sistema di produzione, si è orientati su sistemi robotici di stampa 3D in grado di fabbricare qualsiasi elemento grazie ai materiali disponibili nella località in cui la fabbrica viene collocata. Le istruzioni derivano da un sistema di Generative Design, il cui cervello sintetico si relaziona con i manufatti secondo le logiche del digital twin.

Tali sistemi potranno rendere molto più agile la produzione e abilitarla in contesti in cui non sarebbe possibile realizzare altrimenti un cantiere o uno stabilimento produttivo. Quando pensiamo alla volontà di colonizzare Marte, dovremmo, ad esempio, ragionare in questi termini. Non possiamo immaginare di andare nello spazio con una betoniera. Si rendono necessari sistemi produttivi compatti, orientati alla mobilità e in grado di reperire e preparare sul posto i materiali necessari per la fabbricazione, secondo le costanti istruzioni di un sistema di Generative Design.

ù

Immagine predefinita
Francesco La Trofa

Da vent’anni attivo nella ricerca relativa alle tecnologie 3D, divulgatore sul tema delle applicazioni enterprise di tali tecnologie e autore di “VR Developer. Il creatore di contenuti in realtà virtuale ed aumentata” (2018), edito da Franco Angeli (vrdeveloper.info). Scrive di IT anche per il portale https://www.sergentelorusso.it/

Articoli: 82

Newsletter Updates

Inserisci il tuo indirizzo email qui sotto per iscriverti alla nostra newsletter