Negli anni si è parlato sempre più di simulazione numerica, poi di intelligenza artificiale e, in misura crescente, di supercomputer con elevate capacità di calcolo. Queste tre aree sono strettamente interconnesse e contribuiscono a rendere il mondo dell’ingegneria virtuale più efficiente ed efficace.
Gli obiettivi comuni a tutte le aziende, in ogni settore, includono la riduzione del ciclo di sviluppo del prodotto e dei relativi costi, la diminuzione degli sprechi di materiali ed energia in un’ottica di sostenibilità, e l’ottimizzazione continua delle performance del prodotto. Come fanno, quindi, gli ingegneri a soddisfare le esigenze delle aziende?
Simulazione fisica basata su equazioni
Un approccio comune è la creazione di modelli numerici che descrivono il comportamento di prodotti e sistemi reali. Questo permette di sostituire prototipi e test fisici con prototipi virtuali, con un conseguente risparmio di tempo e costi legati all’acquisizione o alla creazione di componenti, all’assemblaggio ed ai test. Effettuando le prove virtualmente attraverso simulazioni, si risparmiano anche materiali ed energia. Inoltre, è possibile testare più idee, migliorando sempre di più il prodotto finale.
L’esempio di Gruppo Cimbali
Ad esempio, Gruppo Cimbali insieme agli ingegneri di Altair, ha creato dei gemelli digitali delle loro macchine da caffè. Questi modelli permettono agli esperti di studiare e ottimizzare il comportamento della macchina, inclusa tutta la fisica correlata, e sono essenziali sia nella progettazione di nuovi prodotti sia nella risoluzione quotidiana dei problemi delle macchine esistenti.
Questo approccio ha permesso all’azienda di aumentare l’efficienza energetica di circa il 20% in uno dei suoi ultimi prodotti rispetto alla versione precedente. Inoltre, Gruppo Cimbali ha ridotto il numero di prototipi, i tempi di sviluppo e i costi legati ai test fisici, esplorando al contempo più varianti di design.
Per le nuove piattaforme, l’azienda stima un risparmio di tempo medio del 30% nel ciclo di sviluppo. Grazie a questa tecnologia, Gruppo Cimbali può anche effettuare analisi di mercato più accurate.
I modelli multi-fisici
È tutto così semplice?
Non esattamente. I prodotti sono sempre più complessi e performanti, e occorre considerare vari aspetti: meccanici, elettrici, idraulici, termici e molti altri. Quando si realizzano modelli numerici, è necessario descrivere tutte le fisiche coinvolte e le loro interazioni.
Si parla quindi di modelli multi-fisici e non lineari, per i quali, a volte, l’approccio tradizionale basato su equazioni non è sufficiente per ottenere modelli con un’accuratezza adeguata da utilizzare in fase decisionale. In altri casi, modelli accurati richiederebbero simulazioni di durata eccessiva, anche di giorni.
Intelligenza Artificiale nella modellazione
Per facilitare la creazione di modelli accurati e di simulazioni gestibili in tempi adeguati all’industria, oggi si ricorre all’intelligenza artificiale (AI). Quest’ultima, infatti, non è limitata solo a chatGPT o Microsoft Copilot!
L’AI rappresenta un valido strumento nella cassetta degli attrezzi dell’ingegnere, utile per rendere più efficienti le fasi di progettazione e modellazione, riducendone tempi e costi. In questo campo, l’AI permette di riutilizzare e valorizzare i dati, sia quelli generati da simulazioni sia quelli provenienti da sistemi reali operanti sul mercato o testati in laboratorio. Il suo valore risiede nella capacità di identificare automaticamente le relazioni tra i dati, creando modelli che descrivono fedelmente il comportamento dei prodotti senza l’onere di dover individuare, modellare e calibrare le equazioni più idonee.
L’esempio pratico di Mabe
Un esempio calzante è quello di Mabe azienda leader nel settore degli elettrodomestici in Sud America. Mabe sfrutta le soluzioni AI di Altair in diversi elettrodomestici tra cui le sue lavatrici. Qui l’AI è usata per generare, a partire da dati sperimentali, modelli in grado di stimare il quantitativo rimanente di acqua nei panni durante la fase di centrifuga, ottimizzando così questa fase e aiutandola a soddisfare gli obiettivi di sostenibilità, qualità e costo sempre più pressanti in questo settore.
Questo dimostra come l’AI permetta di gestire tematiche sempre più complesse, molto spesso non più affrontabili con approcci tradizionali, permettendo di ridurre i tempi di commercializzazione prodotto di mesi.
L’uso di super computer
Per vincere il Giro d’Italia non basta essere un ottimo ciclista, è necessario anche avere una bicicletta adeguata, leggera e con un’aerodinamica ottimizzata. Allo stesso modo, nella modellazione, per supportare il software e gli algoritmi basati su equazioni fisiche o sull’intelligenza artificiale, è fondamentale disporre di un hardware performante. L’hardware è indispensabile sia per ridurre i tempi di simulazione, dai quali si possono generare dati utilizzabili dall’intelligenza artificiale, sia per l’addestramento di alcuni algoritmi di machine learning che potrebbero richiedere un significativo impegno computazionale.
Il caso pratico di Luna Rossa
Ad esempio, per la 37° America’s Cup, il team Luna Rossa Prada Pirelli aveva bisogno di soluzioni di calcolo potenti per spingersi oltre i propri limiti e accelerare i cicli di sviluppo. Per soddisfare queste esigenze, il Team ha scelto di collaborare con Altair. Poiché il tempo era un fattore cruciale nello sviluppo della loro imbarcazione, oltre al software di simulazione strutturale, il Team ha scelto la piattaforma di calcolo ad alte prestazioni (HPC) e cloud di Altair che li ha aiutati a trasformare il loro approccio alla progettazione e simulazione, ottimizzando il tempo e l’impegno.
Oggi è evidente come la simulazione, l’AI e l’HPC stiano aiutando l’ingegneria a compiere passi da gigante verso un mondo più sostenibile, con meno sprechi e, allo stesso tempo, più performante. È innegabile, inoltre, che tutto ciò stia rendendo questo campo molto più dinamico e, forse, anche più interessante!
