Periodico bimestrale
Anno XXI, numero 99
Lug/Ago 2020
ISSN 1128-3874

L'ottimizzazione? La chiave dell’ingegneria del futuro

N. 55 – marzo 2013

«L’aumento delle prestazioni dei sistemi di calcolo ha consentito, negli ultimi anni, di aumentare l’accuratezza e il grado di fedeltà dei modelli numerici».

Stampa
Enrico Nobile
Enrico Nobile

Capita spesso che i colleghi, siano essi docenti universitari o ingegneri che operano nell’industria, manifestino una (garbata) perplessità, nel migliore dei casi, o più spesso scetticismo, quando scoprono che mi occupo di ottimizzazione. Molti tra gli increduli sostengono che non sia possibile ricorrere all’ottimizzazione per problemi di rilevante complessità vista la scarsa accuratezza dei modelli di calcolo, mentre secondo altri non è possibile ottimizzare: le variabili in gioco sono tante, troppe. Qualcuno lamenta l’impossibilità di automatizzare il processo, qualcun altro teme un onere computazionale eccessivo oppure che l’ottimizzazione vada nella direzione sbagliata.

Si tratta di critiche a prima vista ragionevoli, ed in effetti lo sarebbero se si riferissero alla situazione della simulazione/CAE di una decina o più di anni fa, ma non lo sono più alla luce dell’attuale scenario. Le ragioni sono numerose, vediamo le più importanti.

L’aumento delle prestazioni dei sistemi di calcolo ha consentito, negli ultimi anni, di aumentare l’accuratezza ed il grado di fedeltà dei modelli numerici, ed inoltre i prodotti CAE sono ora in grado di garantire qualità ed affidabilità crescenti, ad esempio nelle modalità di generazione delle griglie di calcolo.

D’altro canto la competizione sempre più spinta, la crescente complessità dei prodotti, obiettivi stringenti di sostenibilità ambientale ed energetica ed il desiderio di ridurre il time-to-market, stanno spingendo sempre più le aziende ad adottare la simulazione sin dalle prime fasi della progettazione, spesso considerando simultaneamente una molteplicità di discipline e la loro mutua interazione. Ciò richiede di disporre di sistemi in grado non solo di integrare una grande varietà di applicativi CAE – commerciali, open source o proprietari – ma anche di poter utilizzare in modo efficace modelli numerici di crescente complessità e fedeltà passando dalle fasi iniziali di ideazione, alla progettazione finale di dettaglio. 

Piattaforme di questo tipo, che consentono  l’automazione, l’ottimizzazione multiobiettivo e l’integrazione – con prodotti CAE o proprietari – sono ormai sul mercato da diversi anni. Questi “packages” forniscono all’utente sistemi per generare complessi workflow, effettuare DOE (Design of Experiment) iniziali e condurre sofisticate analisi di tipo statistico per determinare le variabili più significative da considerare. Una grande varietà di algoritmi di ottimizzazione, il supporto alle decisioni (MCDM – Multi-Criteria Decision Making), e potenti strumenti di data-mining costituiscono ulteriori utili caratteristiche di tali prodotti. Questi stessi software, inoltre, dispongono di sistemi per la generazione di metamodelli (response surfaces), che consentono di bypassare i costosi modelli numerici (FEM o CFD) nel corso dell’ottimizzazione, limitando il loro uso perlopiù alla sola fase di validazione. Alcuni di questi sistemi, inoltre, riescono a tener conto dell’incertezza delle variabili, dati geometrici o parametri funzionali, per fornire al progettista soluzioni ottimizzate anche dal punto di vista della loro minor variabilità (robust design).

In definitiva, nell’opinione di chi scrive, l’adozione di sistemi per l’ottimizzazione e l’integrazione in ambito CAE costituirà sempre più un fattore decisivo per la crescita e il successo delle imprese capaci di adottare metodologie e strumenti al passo con l’innovazione del settore.

Enrico Nobile

Dipartimento di Ingegneria e Architettura

Università degli Studi di Trieste

— Enrico Nobile

« Notizie