La mayoría de los pasos en el desarrollo de productos consisten en problemas complejos de optimización. Los equipos de diseño los abordan en forma iterativa, mejorando la “mejor estimación” inicial por medio de rondas de análisis de ingeniería, interpretación y refinación. Pero cada iteración consume tiempo y dinero, y solo es posible completar un puñado de ellas durante el período de desarrollo. Debido a que rara vez existe la oportunidad de explorar soluciones alternativas alejadas de la hipótesis de base, con frecuencia el diseño final resulta sub-óptimo.
Pero la tecnología actual ofrece una alternativa. La simulación y el análisis digitales son ahora tan rápidos que es posible analizar diseños en cuestión de segundos – o incluso menos. Los algoritmos pueden adaptar automáticamente la geometría de una pieza entre una simulación y otra, sin necesidad de ajuste manual. Gracias al uso de técnicas de inteligencia artificial, estos nuevos sistemas de diseño generativo son capaces de explorar un universo mucho mayor de soluciones y de comparar los resultados de miles de simulaciones para seleccionar el diseño que ofrezca la combinación ideal de atributos.
Para algunos tipos de problemas, los algoritmos generativos ya superan a los equipos de ingenieros. Además, pueden producir soluciones no intuitivas casi imposibles de encontrar con los procesos tradicionales.
El uso más común de los algoritmos de diseño generativo es la optimización estructural, es decir, crear piezas con suficiente fuerza, rigidez y resistencia a la fatiga y la mínima cantidad de material. Tales aplicaciones son comunes en casos donde el peso es un factor clave, como el diseño de piezas estructurales internas para herramientas manuales (con el fin de mejorar sus propiedades ergonómicas), equipamiento deportivo (mejor desempeño), vehículos y aeronaves (menor consumo de combustible y mayor capacidad de carga) o cualquier producto cuando el peso con el empaque tenga impacto en los costos. Si el material tiene fuerte impacto en el costo final, una mayor eficiencia estructural puede generar ahorros significativos y beneficios de sostenibilidad adicionales.
En múltiples industrias, como la automotriz, la aeroespacial o la de artículos deportivos, por mencionar solo algunas, los algoritmos generativos han logrado reducir el costo de las piezas del 6 al 20 por ciento, su peso un 10-50 por ciento, y el tiempo de desarrollo entre el 30 y el 50 por ciento (Gráfico). Un fabricante de herramientas eléctricas, por ejemplo, pudo disminuir el peso de una pieza de fundición de soporte el 26 por ciento y su costo un 8 por ciento sin afectar la interfaz entre la pieza y el resto del conjunto. Para un componente estampado de gran tamaño, la optimización generativa posibilitó una disminución de peso cercana al 40 por ciento, restando un kilogramo del producto terminado.
Flexibilización gracias al diseño generativo
Las tecnologías de diseño generativo y fabricación aditiva (AM) son consideradas con frecuencia socias naturales, puesto que las máquinas de AM suelen adaptarse bien a las formas orgánicas y complejas que pueden resultar de tales algoritmos. Sin embargo, la fabricación aditiva no es un requerimiento para implementar diseño generativo: los sistemas más modernos pueden configurarse para tener en cuenta las limitaciones de los procesos de fabricación. Esa flexibilidad expande el rango de piezas a las que el diseño generativo puede apuntar, y facilita la evaluación de técnicas de producción alternativas.
Además, los algoritmos generativos no se limitan a tareas de diseño estructural. La metodología ya está siendo aplicada con éxito en otras áreas de ingeniería, como diseño eléctrico y térmico, optimización de fluidos, óptica y acústica. Arquitectos y planificadores urbanos también están utilizando técnicas generativas para optimizar el diseño de edificios y espacios urbanos. Algoritmos similares son aplicados a problemas de optimización complejos completamente ajenos al espacio del diseño de productos (ver recuadro “Los algoritmos generativos en compras”).
El rol del diseño generativo en el desarrollo de productos E2E
Al igual que otras metodologías digitales novedosas, las técnicas de diseño generativo ya han demostrado ser capaces de mejorar sensiblemente el desempeño en aplicaciones del mundo real. Sin embargo, no será posible alcanzar todo su potencial hasta tanto las compañías apliquen estos conceptos a escala, incorporándolos a sus procesos de desarrollo de productos.
Adquirir las herramientas de software correctas es solo parte de la solución. Los ingenieros y demás involucrados también necesitan aprender a usarlas de manera efectiva y a comprender sus capacidades y limitaciones. Una buena disciplina de diseño también será necesaria; si bien los métodos de diseño generativo pueden producir soluciones creativas y no intuitivas, los ingenieros aún necesitan validar los productos por medio de tests o análisis, y asegurarse de que el diseño generado sea compatible con el proceso de fabricación seleccionado. Esta interacción hombre-máquina continuará evolucionando a medida que los algoritmos se vuelvan más inteligentes y los ingenieros aprendan a utilizar las nuevas herramientas en una variedad cada vez mayor de aplicaciones.
Las compañías también deberán comenzar a emplear métodos de diseño generativo en todo el proceso de comercialización. Los algoritmos generativos pueden ofrecer valor en múltiples puntos del recorrido de un producto, desde el concepto hasta su salida al mercado:
- Concepto inicial. Testeo de nuevas formas y geometrías, traduciendo ideas innovadoras de la mente del diseñador en un producto tangible.
- Ingeniería y diseño de detalle. Nuevos niveles de desempeño de productos minimizando los costos.
- Manufactura. Evaluación de geometrías y viabilidad de fabricación y, en los casos aplicables, facilitación y aceleración del uso de procesos de fabricación aditiva.
- Mejora de productos. Soporte a iniciativas de diseño en base a costo, valor y peso, logrando mejoras de valor y de márgenes.
- Compras. Estructuración de procesos de licitación complejos para mejorar trade-offs entre precio, capacidades técnicas, trazabilidad, riesgo, sostenibilidad y otros factores.
Desafíos, oportunidades y facilitadores
Para los líderes de desarrollo de producto, las tecnologías de diseño generativo plantean una variedad de desafíos de carácter cultural, organizacional y competitivo.
Una de las primeras barreras probablemente sea la aceptación de las piezas y productos resultantes: los algoritmos generativos producen diseños que pueden ser radicalmente diferentes de sus predecesores e incluso resultar extraños o perturbadores. Esto puede dificultar la aceptación de las soluciones generativas por los actores internos, aun cuando los diseños propuestos sean técnicamente superiores. El uso de diseño generativo en piezas visibles para los clientes provoca desafíos similares, aunque algunas compañías están capitalizando la metodología para crear productos de apariencia única y altamente diferenciada.
Un segundo gran desafío es de naturaleza cultural. La adopción a gran escala de metodologías generativas podría alterar los requerimientos de las compañías referidos a talento, know-how y recursos en la función de desarrollo de productos. Por ejemplo, las soluciones generativas pueden requerir menos tiempo de ingenieros y diseñadores especializados, y en consecuencia ciclos de desarrollo más cortos. Esto plantea interrogantes acerca del diseño organizacional y la asignación de recursos en empresas consolidadas, y reduce potencialmente las barreras a la entrada de nuevos competidores.
El tercer grupo de desafíos gira en torno a la integración de los procesos. Las empresas necesitan repensar cómo integrar las metodologías generativas a los procesos de ingeniería, las plataformas de datos y las cadenas de herramientas existentes. El rápido ritmo de desarrollo de las tecnologías de diseño generativo implica que las compañías probablemente necesiten más flexibilidad para usar herramientas diferentes de distintos proveedores, con la posibilidad de mejorar o cambiar las herramientas de diseño a la par de los avances tecnológicos. Para ello se requieren sistemas abiertos y adaptables y un alto grado de agilidad en las funciones de TI y de desarrollo de productos.
En los próximos años los algoritmos generativos continuarán evolucionando y volviéndose más poderosos, fáciles de usar y de aplicación generalizada. Gracias al crecimiento esperado del poder de cómputo, será posible extender este abordaje de optimización y pasar de piezas a conjuntos y en última instancia a productos completos.
Varias compañías líderes están trabajando activamente en proyectos para llevar el diseño generativo más allá de la fase piloto y aplicarlo en todas sus organizaciones. Esto conlleva inversiones en herramientas, capacitación y cambio cultural, pero para quienes estén dispuestos a comprometerse, los efectos positivos en time-to-market, costo y desempeño de productos serán significativos.
