Diseño automatizado por computadora - Enciclopedia

La automatización del diseño generalmente se refiere a la automatización del diseño electrónico, o a la Automatización del Diseño que es un Configurador de Producto. La extensión del Diseño Asistido por Computadora (CAD), el diseño automatizado y el Diseño Automatizado por Computadora (CAutoD) se preocupan más por una gama más amplia de aplicaciones, como la ingeniería automotriz, la ingeniería civil, el diseño de materiales compuestos, la ingeniería de control, la identificación y optimización de sistemas dinámicos, sistemas financieros, equipo industrial, sistemas mecatrónicos, construcción de acero, optimización estructural y la invención de sistemas novedosos.

El concepto de CAutoD tal vez apareció por primera vez en 1963, en el Journal of Research and Development de IBM, donde se escribió un programa de computadora.

Búsqueda de circuitos lógicos con ciertas restricciones en el diseño de hardware
Evaluación de estas lógicas en términos de su capacidad de discriminación sobre muestras del conjunto de caracteres que se espera que reconozcan .
Recientemente, la simulación tradicional del CAD se ha visto transformada en CAutoD mediante el aprendizaje automático inspirado en la biología, incluyendo técnicas de búsqueda heurística como la computación evolutiva,
y algoritmos de inteligencia de enjambre.


Guía de diseños mediante mejoras en el rendimiento

Para satisfacer la creciente demanda de calidad y competitividad, el prototipado físico iterativo se ha sustituido ahora por el 'prototipado digital' de un 'buen diseño', que tiene como objetivo cumplir con múltiples objetivos como la maximización de la salida, la eficiencia energética, la mayor velocidad y la rentabilidad. El problema de diseño aborda tanto encontrar el mejor diseño dentro de un rango conocido (es decir, a través de 'aprendizaje' o 'optimización') como encontrar un nuevo y mejor diseño más allá de los existentes (es decir, a través de creación e invención). Esto es equivalente a un problema de búsqueda en un espacio multidimensional (multivariado), casi seguro, con un objetivo (o ponderado) único o múltiples objetivos.


Función objetiva normalizada: costo vs.aptitud
Usando el CAutoD de objetivo único como ejemplo, si la función objetiva, ya sea como una función de costo



J
∈
[
0
,
∞
)


{\displaystyle J\in [0,\infty )}

o inversamente, como una función de aptitud



f
∈
(
0
,
1
]


{\displaystyle f\in (0,1)}

donde




f
=



J

1
+
J






{\displaystyle f={\tfrac {J}{1+J}}}

es diferenciable bajo restricciones prácticas en el espacio multidimensional, el problema de diseño puede resolverse analíticamente. Encontrar los conjuntos de parámetros que resultan en una derivada de primer orden cero y que satisfacen las condiciones de la derivada de segundo orden revelará todos los óptimos locales. Luego, comparando los valores del índice de rendimiento de todos los óptimos locales, junto con los de todos los conjuntos de parámetros de borde, se llegará al óptimo global, cuyo conjunto correspondiente de 'parámetros' representará el mejor diseño. Sin embargo, en la práctica, la optimización generalmente implica múltiples objetivos y los asuntos relacionados con las derivadas son mucho más complejos.


Manejo de objetivos prácticos
En la práctica, el valor del objetivo puede ser ruidoso o incluso no numérico, y, por lo tanto, su información de gradiente puede ser inconfiable o no disponible. Esto es particularmente cierto cuando el problema es multiobjetivo. En la actualidad, muchos diseños y refinamientos se realizan principalmente a través de un proceso manual de prueba y error con la ayuda de un paquete de simulación de CAD. Por lo general, este aprendizaje a posteriori o ajustes necesitan repetirse muchas veces hasta que surja un diseño ‘satisfactorio’ o ‘óptimo’.


Búsqueda exhaustiva
Teóricamente, este proceso de ajuste puede automatizarse mediante una búsqueda computarizada, como la búsqueda exhaustiva. Como este es un algoritmo exponencial, puede que no proporcione soluciones en un período de tiempo limitado.


Búsqueda en tiempo polinomial
Un enfoque para la ingeniería virtual y el diseño automatizado es la computación evolutiva, como los algoritmos evolutivos.


= Algoritmos evolutivos =

Para reducir el tiempo de búsqueda, se puede usar el algoritmo evolutivo inspirado en la biología (EA), que es un algoritmo (no determinístico) polinomial. El "equipo de búsqueda" multiobjetivo basado en el EA puede interfazarse con un paquete de simulación de CAD existente en modo batch. El EA codifica los parámetros de diseño (la codificación es necesaria si algunos parámetros no son numéricos) para refinar múltiples candidatos a través de una búsqueda paralela e interactiva. En el proceso de búsqueda, se realiza una 'selección' utilizando el 'supervivencia del más apto' como aprendizaje a posteriori. Para obtener la próxima 'generación' de posibles soluciones, se intercambian algunos valores de parámetros entre dos candidatos (a través de una operación llamada 'cruce') e introducen nuevos valores (a través de una operación llamada 'mutación'). De esta manera, la técnica evolutiva utiliza información de pruebas anteriores de manera similar a la inteligencia del diseñador humano.
Los diseños óptimos basados en el EA pueden comenzar desde la base de datos de diseño existente del diseñador o desde una generación inicial de candidatos a diseños obtenidos aleatoriamente. Un número de candidatos bien evolucionados de alto rendimiento representarán varios prototipos digitales optimizados automáticamente.
Hay sitios web que demuestran algoritmos evolutivos interactivos para el diseño. le permite evolucionar objetos 3D en línea y hacer que se impriman en 3D. permite hacer lo mismo para imágenes 2D.


Ver también
Automatización del Diseño Electrónico
Automatización del Diseño
Conferencia de Automatización del Diseño
Diseño Generativo
Aplicaciones de algoritmos genéticos (GA) - diseño automatizado


Referencias


Enlaces externos
Un demostrador interactivo de CAutoD basado en GA. Aprende paso a paso o observa la convergencia global en CAutoD de 2 parámetros.