Innovaties in constructief ontwerp – de toekomst ontsluiten

Waarom zou je überhaupt iets veranderen aan wat we dagelijks doen? Is het in de huidige staat van onze ingenieursbureaus niet al goed genoeg? De hoeveelheid werk is groot genoeg, er worden elke dag nieuwe constructies gebouwd en dat zal waarschijnlijk niet snel veranderen. De digitale tools van de hedendaagse ingenieur zijn al uiterst krachtig met snelheden die enkele jaren geleden ondenkbaar waren. De kracht die aanzet tot verandering ontstaat altijd vanuit een behoefte. Wat is dan de huidige "behoefte" van civiele ingenieursbureaus?

Het lijkt erop dat er meerdere zijn... 

• er zijn steeds minder mensen bereid om het werk dagelijks te doen
• de hoeveelheid werk neemt elk jaar toe dankzij economische groei in veel regio's
• het tempo van ontwikkeling in andere ingenieursvakgebieden die gerelateerd zijn aan de civiele techniek ligt veel hoger
• de complexiteit van projecten neemt enorm toe met een focus op 'groene' oplossingen, energieverbruik en CO₂-impact

Laten we een blik werpen op de nabije toekomst van ons vakgebied.

Hoe zal het zijn om constructeur te zijn?

Is het beroep van constructeur een van de beroepen die bedreigd worden door de opkomst van AI? Niet zo erg, althans niet zo snel. Het aantal variabelen dat bij elke opdracht komt kijken is simpelweg te groot om door algoritmen te worden afgedekt. En niet vanwege de benodigde rekenkracht, maar vanwege niet-gesynchroniseerde en niet-samenwerkende databases uit verschillende vakgebieden, en vanwege het menselijk gezond verstand dat nodig is om grip te krijgen op alle dataruis.

Aan de andere kant, zal het dagelijkse werk van een constructeur er hetzelfde uitzien als vandaag? Papieren tekeningen, handgeschreven opmerkingen, honderden DWG's en PDF's, eindeloze spreadsheets, constructiemodellen van verschillende detailniveaus (die niet met elkaar willen communiceren), honderden e-mails en chatberichten over projecten, deadlines, budgetten, lange uren doorgebracht in kantoren vol bestanden, boeken, normen, handleidingen en vakbladen? 

Hopelijk niet.

Maar wat kunnen we verbeteren om van de huidige realiteit naar een veel aangenamere werkomgeving in de toekomst te komen? Als we slim willen werken in plaats van hard, moeten we de beschikbare mogelijkheden benutten. En als die nu niet zichtbaar zijn, kunnen we een kijkje nemen in aangrenzende vakgebieden zoals de werktuigbouwkunde, waar begrippen als machine learning, big data-verwerking of topologie-optimalisatie al enige tijd in gebruik zijn.

Wat al vrij duidelijk is, ook al zal de functietitel constructeur blijven bestaan, is dat de behoefte aan nieuwe vaardigheden en competenties onvermijdelijk is. Kennis van wiskunde, natuurkunde, constructiemechanica, materialen en normvereisten zal niet langer voldoende zijn. Een geheel nieuwe set digitale vaardigheden zal vereist zijn – werken met data, het opbouwen van datakoppelingen tussen verschillende tools, gebruik van parametrisch ontwerp, begrip van machine learning, kennis van efficiënte promptopstelling, enz.

Een zeer belangrijk aspect dat tot nu toe in dit artikel niet aan bod is gekomen, maar dat toch cruciaal is in het ontwerpproces, zijn overheden, normen en keuringsinstanties. Deze kunnen niet buiten beschouwing worden gelaten, want zonder acceptatie en samenwerking op dit vlak zou de voortgang van technologieën dramatisch sneller zijn dan de reactie van de ingenieursgemeenschap zou kunnen bijhouden.

Topologie-optimalisatie

Waar gaat het allemaal over? Eenvoudig gezegd is het als het oplossen van een moeilijke taak waarbij je een bepaalde hoeveelheid bouwstenen hebt om een constructie te maken. Je wilt dat deze sterk genoeg is om specifieke belastingen te weerstaan, maar je wilt ook zo weinig mogelijk bouwstenen gebruiken.

Bij topologie-optimalisatie worden rekenalgoritmen gebruikt om ons te helpen de beste manier te bepalen om onze blokken te plaatsen. Het programma speelt met verschillende ontwerpen en probeert honderden variaties uit van waar de blokken te plaatsen om de constructie zo sterk mogelijk te maken met zo weinig mogelijk blokken. Het is alsof de computer allerlei brugontwerpen uitprobeert om te zien welke het meeste gewicht kan dragen zonder te bezwijken, maar tegelijkertijd geen blokken verspilt.

Deze methode helpt ingenieurs en ontwerpers om zeer efficiënte, en soms ongewoon ogende, constructies te bedenken die hun functie vervullen met zo weinig mogelijk materiaal. Het is een slimme manier van ontwerpen omdat het materiaal bespaart, het gewicht vermindert en vaak leidt tot innovatieve ontwerpen die we zelf misschien niet zouden bedenken.

In de afbeelding hierboven zijn drie geoptimaliseerde ontwerpen te zien van een driedimensionale brug, geassocieerd met verschillende sets van opleggingen [K. Bando, R. Din, M. Fouquerand, L. Gilbert, A. Moissenot, en M. Nicolas, Optimisation d'une structure et application architecturale, PSC MEC07, Ecole Polytechnique (X), 2016].

Wat er al beschikbaar is

Misschien wel de meest geavanceerde ontwerptool voor constructief gewapend beton die momenteel beschikbaar is, IDEA StatiCa Detail, is in staat om de gebruiker topologie-optimalisatie te tonen op basis van spanningsstromen in de opgegeven geometrie. Deze tool toont de ontwerper op een zeer duidelijke en visuele manier wat de meest efficiënte posities en richtingen voor wapeningsstaven zijn. U kunt ons blogartikel over topologie-optimalisatie raadplegen.

Zelfs deze krachtige en geavanceerde modellen zijn slechts het begin van wat mogelijk zou kunnen zijn wanneer dit serieus wordt aangepakt. We kennen al honderden ontwerpen waarbij de geometrie gebaseerd is op organische vormen en veel meer lijkt op een afbeelding uit een biologieboek dan op een typische vakwerkvorm. We kunnen verschillende al gebouwde of in aanbouw zijnde projecten vinden met organisch gevormde inspiratie. Een mooi voorbeeld is het huidige project van het metrostation in Riyad door Zaha Hadid Architects.

Met enige verbeelding zouden deze organische vormen in de architectuur kunnen verschijnen, niet alleen vanwege hun schoonheid, maar ook als geometrie van de dragende constructies dankzij topologie-optimalisatie en nieuwe bouwprocessen.

Welke soorten constructies en projecten worden er opgelost dankzij de huidige ontwerptools? Laten we een kijkje nemen in onze bibliotheek van casestudies.

De kracht van data in de ingenieurspraktijk

De onderzoekers van IDEA StatiCa presenteerden op een recente staalconstructieconferentie de nieuwe methoden die worden gebruikt voor geautomatiseerde voorspelling van de lasbenuttingsgraad in de Connection app. Deze revolutionaire aanpak beantwoordt één eenvoudige vraag met een zeer complexe oplossing. Wat is de werkelijke capaciteit van een las wanneer plastificering van het materiaal is toegestaan?

De innovatieve methode die in het document wordt beschreven, maakt gebruik van geavanceerde kunstmatige intelligentie, specifiek convolutionele neurale netwerken, om de nauwkeurigheid van het voorspellen van lasbenuttingsgraden in staalconstructies aanzienlijk te verbeteren. Deze nieuwe aanpak is baanbrekend voor constructeurs omdat het verder gaat dan traditionele methoden door de spanningsverdeling en rekgeschiedenis langs laslijnen nauwkeurig te analyseren. Een dergelijke gedetailleerde analyse maakt nauwkeurigere schattingen mogelijk voor verschillende lasconfiguraties en belastingsscenario's. Deze vooruitgang verbetert niet alleen de veiligheid en efficiëntie van constructieve ontwerpen, maar illustreert ook het potentieel van de integratie van machine learning met conventionele ingenieurspraktijken, en baant de weg voor slimmere, datagestuurde oplossingen in de constructieve engineering. Voor meer informatie over hoe u deze verbetering kunt gebruiken hier.

Omdat het niet eenvoudig is om honderden belastingsincrementenstappen in seconden te berekenen, maakt het algoritme gebruik van een enorme dataset van eerder uitgevoerde analyses en is het in staat om in real-time de dichtstbijzijnde lasafmetingen te vinden die overeenkomen met de gewenste oplossing.

Woordenlijst voor nieuwe constructeurs:

Machine learning (ML) is een tak van kunstmatige intelligentie die computers in staat stelt te leren van en beslissingen te nemen op basis van data. In constructief ontwerp en analyse kan ML worden gebruikt om materiaalgedrag te voorspellen, de constructieve integriteit te beoordelen en ontwerpprocessen te optimaliseren. Door grote datasets te analyseren kunnen ML-algoritmen patronen en inzichten identificeren die door traditionele methoden mogelijk worden gemist. Dit kan leiden tot efficiëntere, veiligere en kosteneffectievere constructieve ontwerpen. ML kan ook helpen bij de real-time monitoring en onderhoudsplanning van constructies, waardoor hun levensduur en veiligheid verder worden vergroot.

Convolutionele neurale netwerken (CNN's) zijn een type kunstmatige intelligentie dat veel wordt gebruikt voor het verwerken van gegevens met een rasterachtige topologie, zoals afbeeldingen. Ze blinken uit in taken zoals beeldherkenning en -classificatie. Een CNN leert patronen en kenmerken in invoergegevens te herkennen via lagen die convoluties uitvoeren – wiskundige bewerkingen die gegevens filteren en comprimeren. Deze structuur stelt CNN's in staat om ingewikkelde patronen te identificeren, waardoor ze krachtige tools zijn in diverse ingenieurstoepassingen, van constructieve analyse tot geautomatiseerde ontwerpprocessen. Hun vermogen om complexe datasets efficiënt te verwerken maakt hen een waardevolle aanwinst bij het oplossen van moderne ingenieursproblemen.

Samenvatting

Zoals u zojuist heeft gezien, is de toekomst dichterbij dan u zou denken. Niet de toekomst uit door AI gegenereerde afbeeldingen, maar de eerste beginselen van automatisering en slimme optimalisatie worden al ingebed in constructieve analysetools.

De tools zullen de revolutie niet op zichzelf bewerkstelligen. Wat nodig is om deze nieuwe mogelijkheden te ontsluiten, is een ingrijpende mentaliteitsverandering bij de betrokken partijen in het ontwerpproces. Het is aan de ingenieurs hoe zij zich aanpassen aan de beschikbare mogelijkheden en hoe zij deze integreren in hun dagelijkse werkprocessen.