Projeto automatizado por computador

Da Wikipédia, a enciclopédia livre
Ir para a navegação Saltar para pesquisar

Design Automation geralmente se refere à automação de projeto eletrônico , ou Design Automation , que é um Configurador de Produto . A extensão do desenho assistido por computador (CAD), desenho automatizado e desenho automatizado por computador (CAutoD) [1] [2] [3] estão mais preocupados com uma gama mais ampla de aplicações, como engenharia automotiva , engenharia civil , [4] [ 5] [6] [7] projeto de material compósito , engenharia de controle , [8] identificação e otimização de sistema dinâmico , [9] sistemas financeiros , equipamentos industriais, sistemas mecatrônicos , construção em aço , [10] otimização estrutural , [11] e a invenção de novos sistemas. [12]

O conceito de CAutoD talvez tenha aparecido pela primeira vez em 1963, no IBM Journal of Research and Development, [1] onde um programa de computador foi escrito.

  1. para procurar circuitos lógicos com certas restrições no projeto de hardware
  2. avaliar essas lógicas em termos de sua capacidade de discriminação sobre amostras do conjunto de caracteres que se espera que elas reconheçam.

Mais recentemente, a simulação CAD tradicional é vista como transformada em CAutoD por aprendizado de máquina biologicamente inspirado , [13] incluindo técnicas de busca heurística , como computação evolucionária , [14] [15] e algoritmos de inteligência de enxame . [16]

Orientando projetos por melhorias de desempenho [ editar ]

Interação no projeto automatizado por computador

Para atender à crescente demanda de qualidade e competitividade, a prototipagem física iterativa agora é frequentemente substituída pela ' prototipagem digital ' de um 'bom design', que visa atender a vários objetivos, como produção maximizada, eficiência energética, maior velocidade e custo-benefício. eficácia. O problema do design diz respeito tanto a encontrar o melhor design dentro de um intervalo conhecido (ou seja, por meio de 'aprendizado' ou 'otimização') quanto a encontrar um design novo e melhor além dos existentes (ou seja, por meio da criação e invenção). Isso é equivalente a um problema de busca em um espaço multidimensional (multivariado) quase certamente multimodal com um objetivo único (ou ponderado) ou múltiplos objetivos.

Função objetivo normalizada: custo vs. aptidão [ editar ]

Usando CAutoD de objetivo único como exemplo, se a função objetivo, seja como função de custo , ou inversamente, como uma função de aptidão , Onde

,

é diferenciável sob restrições práticas no espaço multidimensional, o problema de projeto pode ser resolvido analiticamente. Encontrar os conjuntos de parâmetros que resultam em uma derivada de primeira ordem zero e que satisfaçam as condições da derivada de segunda ordem revelaria todos os ótimos locais. Então, comparando os valores do índice de desempenho de todos os ótimos locais, juntamente com os de todos os conjuntos de parâmetros de contorno, levaria ao ótimo global, cujo conjunto de 'parâmetros' correspondente representaria o melhor projeto. Porém, na prática, a otimização geralmente envolve múltiplos objetivos e as questões envolvendo derivativos são bem mais complexas.

Lidando com objetivos práticos [ editar ]

Na prática, o valor objetivo pode ser ruidoso ou mesmo não numérico e, portanto, sua informação de gradiente pode não ser confiável ou não estar disponível. Isso é particularmente verdadeiro quando o problema é multiobjetivo. Atualmente, muitos projetos e refinamentos são feitos principalmente por meio de um processo manual de tentativa e erro com a ajuda de um pacote de simulação CAD. Normalmente, esse aprendizado ou ajustes a posteriori precisam ser repetidos muitas vezes até que surja um projeto 'satisfatório' ou 'ótimo'.

Pesquisa exaustiva [ editar ]

Em teoria, esse processo de ajuste pode ser automatizado por meio de busca computadorizada, como a busca exaustiva . Por se tratar de um algoritmo exponencial , ele pode não entregar soluções na prática dentro de um período de tempo limitado.

Pesquisa em tempo polinomial [ editar ]

Uma abordagem para engenharia virtual e design automatizado é a computação evolucionária , como algoritmos evolutivos .

Algoritmos evolutivos [ editar ]

Para reduzir o tempo de busca, o algoritmo evolutivo de inspiração biológica (EA) pode ser usado, que é um algoritmo polinomial (não determinístico) . A "equipe de pesquisa" multi-objetivo baseada em EA pode ser conectada a um pacote de simulação CAD existente em modo de lote. O EA codifica os parâmetros de projeto (a codificação é necessária se alguns parâmetros não forem numéricos) para refinar vários candidatos por meio de pesquisa paralela e interativa. No processo de busca, a ' seleção ' é realizada utilizando o aprendizado a posteriori de ' sobrevivência do mais apto ' . Para obter a próxima 'geração' de soluções possíveis, alguns valores de parâmetros são trocados entre dois candidatos (por uma operação chamada ' crossover '') e novos valores introduzidos (por uma operação chamada ' mutação '). Dessa forma, a técnica evolucionária faz uso de informações de testes anteriores de maneira similarmente inteligente ao projetista humano.

Os designs ótimos baseados em EA podem começar a partir do banco de dados de design existente do designer ou de uma geração inicial de designs candidatos obtidos aleatoriamente. Uma série de candidatos de alto desempenho bem evoluídos representarão vários protótipos digitais otimizados automaticamente.

Existem sites que demonstram algoritmos evolutivos interativos para design. EndlessForms.com permite evoluir objetos 3D online e imprimi-los em 3D. PicBreeder.org permite que você faça o mesmo para imagens 2D.

Veja também [ editar ]

Referências [ editar ]

  1. ^ a b Kamentsky, LA; Liu, C.-N. (1963). "Design Automatizado por Computador de Lógica de Reconhecimento de Impressão Multifonte" . Revista IBM de Pesquisa e Desenvolvimento . 7 (1): 2. doi : 10.1147/rd.71.0002 .
  2. ^ Brncick, M (2000). "Projeto automatizado por computador e fabricação automatizada por computador". Phys Med Rehab Clin N Am . 11 (3): 701–13. doi : 10.1016/S1047-9651(18)30806-4 . PMID 10989487 . 
  3. ^ Li, Y., et al. (2004). CAutoCSD - Projeto de sistema de controle automatizado por computador habilitado para pesquisa e otimização evolucionária Arquivado em 31/08/2015 na Wayback Machine . Jornal Internacional de Automação e Computação , 1(1). 76-88. ISSN 1751-8520
  4. ^ Kramer, GJE; Grierson, DE (1989). "Projeto automatizado de estruturas sob cargas dinâmicas". Computadores e Estruturas . 32 (2): 313-325. doi : 10.1016/0045-7949(89)90043-6 .
  5. ^ Moharrami, H; Grierson, DE (1993). "Projeto Automatizado por Computador de Estruturas de Concreto Armado". Revista de Engenharia Estrutural . 119 (7): 2036-2058. doi : 10.1061/(ASCE)0733-9445(1993)119:7(2036) .
  6. ^ XU, L; Grierson, DE (1993). "Projeto Automatizado por Computador de Estruturas de Aço Semi-rígidas". Revista de Engenharia Estrutural . 119 (6): 1740-1760. doi : 10.1061/(ASCE)0733-9445(1993)119:6(1740) .
  7. ^ Barsan, GM; Dinsoreanu, M, (1997). Projeto automatizado por computador com base em critérios de desempenho estrutural, Conferência do Centenário de Mouchel sobre Inovação em Engenharia Civil e Estrutural, 19 a 21 de agosto, CAMBRIDGE INGLATERRA, INOVAÇÃO EM ENGENHARIA CIVIL E ESTRUTURAL, 167-172
  8. ^ Li, Yun (1996). "Abordagem automatizada de algoritmo genético para o projeto de sistemas de controle de modo deslizante". Revista Internacional de Controle . 63 (4): 721-739. doi : 10.1080/00207179608921865 .
  9. ^ Li, Yun; Chwee Kim, Ng; Chen Kay, Tan (1995). "Automação de Projetos de Sistemas de Controle Lineares e Não-lineares por Computação Evolutiva" (PDF) . Volumes de Anais da IFAC . 28 (16): 85–90. doi : 10.1016/S1474-6670(17)45158-5 .
  10. ^ Barsan, GM, (1995) Projeto automatizado por computador de estruturas de aço semi-rígidas de acordo com EUROCODE-3, Nordic Steel Construction Conference 95, JUN 19-21, 787-794
  11. ^ Gray, Gary J.; Murray-Smith, David J.; Li, Yun; et ai. (1998). "Identificação de estrutura de modelo não linear usando programação genética". Prática de Engenharia de Controle . 6 (11): 1341-1352. doi : 10.1016/S0967-0661(98)00087-2 .
  12. ^ Yi Chen, Yun Li, (2018). Design assistido por inteligência computacional: na revolução industrial 4.0, CRC Press, ISBN 9781498760669 
  13. ^ Zhan, ZH, et al. (2011). A computação evolutiva encontra o aprendizado de máquina: uma pesquisa, IEEE Computational Intelligence Magazine, 6(4), 68-75.
  14. ^ Gregory S. Hornby (2003). Representações generativas para sistemas de design automatizados por computador, NASA Ames Research Center, Mail Stop 269-3, Moffett Field, CA 94035-1000
  15. ^ J. Clune e H. Lipson (2011). Objetos tridimensionais em evolução com uma codificação generativa inspirada na biologia do desenvolvimento. Anais da Conferência Europeia sobre Vida Artificial. 2011.
  16. ^ Zhan, ZH, et al. (2009). Otimização Adaptativa de Enxame de Partículas, Transações IEEE em Sistemas, Homem e Cibernética, Parte B (Cibernética), Vol.39, No.6. 1362-1381

Links externos [ editar ]