นวัตกรรมในการออกแบบโครงสร้าง – ปลดล็อกสู่อนาคต

ทำไมต้องเปลี่ยนแปลงสิ่งที่เราทำในชีวิตประจำวัน? สภาพปัจจุบันของสำนักงานวิศวกรรมของเราไม่ดีพออยู่แล้วหรือ? ปริมาณงานมีมากเพียงพอ โครงสร้างใหม่ถูกสร้างขึ้นทุกวัน และคงไม่เปลี่ยนแปลงในเร็วๆ นี้ เครื่องมือดิจิทัลของวิศวกรในปัจจุบันมีประสิทธิภาพสูงมากด้วยความเร็วที่คิดไม่ถึงเมื่อหลายปีก่อน แรงผลักดันให้เกิดการเปลี่ยนแปลงใดๆ มักเกิดจากความต้องการเสมอ แล้ว "ความต้องการ" ในปัจจุบันของสำนักงานวิศวกรโยธาคืออะไร?

ดูเหมือนว่าจะมีหลายประการ... 

• มีคนที่ยินดีทำงานนี้ทุกวันน้อยลงเรื่อยๆ
• ปริมาณงานที่ต้องทำเพิ่มขึ้นทุกปีเนื่องจากการเติบโตทางเศรษฐกิจในหลายภูมิภาค
• ความเร็วของการพัฒนาในสาขาวิศวกรรมอื่นๆ ที่เกี่ยวข้องกับวิศวกรรมโยธานั้นสูงกว่ามาก
• ความซับซ้อนของโครงการเพิ่มขึ้นอย่างมหาศาล โดยมุ่งเน้นไปที่โซลูชัน 'สีเขียว' การใช้พลังงาน และผลกระทบของ CO₂

มาลองมองเข้าไปในอนาคตอันใกล้ของสาขาของเรากัน

การเป็นวิศวกรโครงสร้างจะเป็นอย่างไร?

งานของวิศวกรโครงสร้างเป็นหนึ่งในงานที่ถูกคุกคามจากการเกิดขึ้นของ AI หรือไม่? ไม่มากนัก อย่างน้อยก็ไม่เร็วนัก จำนวนตัวแปรที่เข้ามาในทุกงานมอบหมายนั้นสูงเกินไปที่จะครอบคลุมด้วยอัลกอริทึม และไม่ใช่เพราะพลังการประมวลผลที่จำเป็น แต่เพราะฐานข้อมูลจากสาขาต่างๆ ที่ไม่ได้ซิงโครไนซ์และไม่ร่วมมือกัน และเพราะสามัญสำนึกของมนุษย์ที่จำเป็นในการทำความเข้าใจข้อมูลที่ยุ่งเหยิงทั้งหมด

ในทางกลับกัน งานประจำวันของวิศวกรโครงสร้างจะมีลักษณะเหมือนกับทุกวันนี้หรือไม่? แบบกระดาษ หมายเหตุด้วยมือ DWG และ PDF หลายร้อยไฟล์ สเปรดชีตที่ไม่มีที่สิ้นสุด แบบจำลองโครงสร้างที่มีความละเอียดต่างกัน (ที่ไม่ยอมสื่อสารกัน) อีเมลและข้อความแชทหลายร้อยรายการเกี่ยวกับโครงการ กำหนดเวลา งบประมาณ ชั่วโมงยาวนานที่ใช้ในสำนักงานที่เต็มไปด้วยไฟล์ หนังสือ มาตรฐานการออกแบบ คู่มือ และนิตยสารโครงสร้าง? 

หวังว่าจะไม่เป็นเช่นนั้น

แต่เราจะปรับปรุงอะไรได้บ้างเพื่อก้าวจากความเป็นจริงในปัจจุบันไปสู่สภาพแวดล้อมที่ดีกว่าในอนาคต? หากเราต้องการทำงานอย่างชาญฉลาดแทนที่จะทำงานหนัก เราควรใช้โอกาสที่มีอยู่ และหากยังไม่เห็นชัดเจนในตอนนี้ เราอาจมองไปในสาขาใกล้เคียง เช่น วิศวกรรมเครื่องกล ซึ่งคำศัพท์อย่าง machine learning การประมวลผล big data หรือ topology optimization ได้ถูกใช้มาระยะหนึ่งแล้ว

สิ่งที่ค่อนข้างชัดเจนอยู่แล้ว แม้ว่าตำแหน่งงานวิศวกรโครงสร้างจะยังคงอยู่ แต่ความต้องการทักษะและความสามารถใหม่ๆ นั้นหลีกเลี่ยงไม่ได้ การมีความรู้ด้านคณิตศาสตร์ ฟิสิกส์ กลศาสตร์โครงสร้าง วัสดุ และข้อกำหนดของมาตรฐานการออกแบบจะไม่เพียงพออีกต่อไป จะต้องมีทักษะดิจิทัลชุดใหม่ – การทำงานกับข้อมูล การสร้าง data links ระหว่างเครื่องมือต่างๆ การใช้ parametric design การทำความเข้าใจ machine learning ความรู้ในการสร้าง prompt ที่มีประสิทธิภาพ เป็นต้น

ประเด็นสำคัญอีกประการหนึ่งที่ยังไม่ได้กล่าวถึงในบทความนี้ แต่ยังคงมีความสำคัญในกระบวนการออกแบบ คือ หน่วยงานภาครัฐ มาตรฐานการออกแบบ และหน่วยงานตรวจสอบ สิ่งเหล่านี้ไม่สามารถละเว้นได้ เพราะหากไม่มีการยอมรับและความร่วมมือในส่วนนี้ ความก้าวหน้าของเทคโนโลยีจะเร็วกว่าที่ชุมชนวิศวกรรมจะตอบสนองได้อย่างมาก

Topology optimization

มันเกี่ยวกับอะไร? พูดง่ายๆ ก็คือ มันเหมือนกับการแก้ปัญหายากที่คุณมีบล็อกก่อสร้างจำนวนหนึ่งเพื่อสร้างโครงสร้าง และคุณต้องการให้มันแข็งแรงพอที่จะรับน้ำหนักภายใต้แรงกระทำที่กำหนด แต่คุณก็ต้องการใช้บล็อกให้น้อยที่สุดเท่าที่จะเป็นไปได้

ใน topology optimization อัลกอริทึมการคำนวณถูกใช้เพื่อช่วยให้เราหาวิธีที่ดีที่สุดในการวางบล็อก โปรแกรมทดลองกับการออกแบบต่างๆ ลองหลายร้อยรูปแบบของตำแหน่งบล็อกเพื่อทำให้โครงสร้างแข็งแรงที่สุดเท่าที่จะเป็นไปได้โดยใช้บล็อกน้อยที่สุดเท่าที่จำเป็น มันเหมือนกับที่คอมพิวเตอร์ทดสอบการออกแบบสะพานทุกรูปแบบเพื่อดูว่าแบบไหนสามารถรับน้ำหนักได้มากที่สุดโดยไม่พังทลาย แต่ในขณะเดียวกันก็ไม่สิ้นเปลืองบล็อก

วิธีนี้ช่วยให้วิศวกรและนักออกแบบสร้างโครงสร้างที่มีประสิทธิภาพสูงและบางครั้งมีรูปลักษณ์ที่ผิดปกติ ซึ่งทำหน้าที่ได้โดยใช้วัสดุน้อยที่สุดเท่าที่จะเป็นไปได้ เป็นวิธีการออกแบบที่ชาญฉลาดเพราะช่วยประหยัดวัสดุ ลดน้ำหนัก และมักนำไปสู่การออกแบบที่สร้างสรรค์ที่เราอาจไม่นึกถึงด้วยตัวเอง

ในภาพด้านบน คุณจะเห็นการออกแบบที่ผ่านการปรับให้เหมาะสมสามแบบของสะพานสามมิติที่เกี่ยวข้องกับชุดการยึดรั้งที่แตกต่างกัน [K. Bando, R. Din, M. Fouquerand, L. Gilbert, A. Moissenot, and M. Nicolas, Optimisation d'une structure et application architecturale, PSC MEC07, Ecole Polytechnique (X), 2016]

สิ่งที่มีอยู่แล้วในปัจจุบัน

บางทีเครื่องมือออกแบบที่ก้าวหน้าที่สุดสำหรับคอนกรีตเสริมเหล็กโครงสร้างที่มีอยู่ในปัจจุบัน IDEA StatiCa Detail สามารถแสดง topology optimization ให้ผู้ใช้เห็นโดยอิงจากการไหลของความเค้นในรูปทรงเรขาคณิตที่กำหนด เครื่องมือนี้แสดงให้นักออกแบบเห็นอย่างชัดเจนและเป็นภาพว่าตำแหน่งและทิศทางที่มีประสิทธิภาพสูงสุดสำหรับเหล็กเสริมอยู่ที่ใด คุณสามารถอ่าน บทความบล็อกของเรา ที่อุทิศให้กับ topology optimization

แม้แต่แบบจำลองที่ทรงพลังและก้าวหน้าเหล่านี้ก็เป็นเพียงจุดเริ่มต้นของสิ่งที่อาจเป็นไปได้เมื่อได้รับการจัดการอย่างจริงจัง เราทราบการออกแบบหลายร้อยแบบที่รูปทรงเรขาคณิตอิงจากรูปทรงอินทรีย์และดูเหมือนภาพจากหนังสือชีววิทยามากกว่ารูปทรงโครงถักทั่วไป เราสามารถพบโครงการที่สร้างแล้วหรืออยู่ระหว่างการก่อสร้างหลายโครงการที่ได้รับแรงบันดาลใจจากรูปทรงอินทรีย์ ตัวอย่างที่ดีคือโครงการปัจจุบันของสถานีรถไฟฟ้าใต้ดินในริยาดโดย Zaha Hadid Architects

ด้วยจินตนาการบางส่วน รูปทรงอินทรีย์เหล่านี้อาจปรากฏในสถาปัตยกรรมไม่เพียงแต่เพราะความสวยงาม แต่ยังเป็นรูปทรงเรขาคณิตของโครงสร้างรับน้ำหนักด้วย ต้องขอบคุณ topology optimization และกระบวนการก่อสร้างใหม่

โครงสร้างและโครงการประเภทใดที่กำลังได้รับการแก้ไขด้วยเครื่องมือออกแบบในปัจจุบัน? มาดูที่ กรณีศึกษา ของเรากัน

พลังของข้อมูลในวิศวกรรม

นักวิจัยของ IDEA StatiCa ได้นำเสนอในการประชุมโครงสร้างเหล็กล่าสุดเกี่ยวกับวิธีการใหม่ที่ใช้สำหรับการทำนายอัตราการใช้งานของรอยเชื่อมโดยอัตโนมัติใน Connection app แนวทางปฏิวัตินี้แก้คำถามง่ายๆ หนึ่งข้อด้วยวิธีแก้ปัญหาที่ซับซ้อนมาก ความสามารถที่แท้จริงของรอยเชื่อมเมื่ออนุญาตให้วัสดุเกิด plastification คืออะไร?

วิธีการที่สร้างสรรค์ที่อธิบายไว้ในเอกสารนี้ใช้ ปัญญาประดิษฐ์ ขั้นสูง โดยเฉพาะ convolutional neural networks เพื่อปรับปรุงความแม่นยำในการทำนายอัตราการใช้งานของรอยเชื่อมในโครงสร้างเหล็กอย่างมีนัยสำคัญ แนวทางใหม่นี้เป็นก้าวกระโดดสำหรับวิศวกรโครงสร้าง เนื่องจากก้าวข้ามวิธีการแบบดั้งเดิมโดยการวิเคราะห์การกระจายความเค้นและประวัติความเครียดตามแนวรอยเชื่อมอย่างละเอียด การวิเคราะห์โดยละเอียดดังกล่าวช่วยให้การประมาณค่าแม่นยำยิ่งขึ้น รองรับการกำหนดค่ารอยเชื่อมและสถานการณ์การรับแรงกระทำที่หลากหลาย ความก้าวหน้านี้ไม่เพียงแต่เพิ่มความปลอดภัยและประสิทธิภาพของการออกแบบโครงสร้าง แต่ยังแสดงให้เห็นถึงศักยภาพของการผสานรวม machine learning กับแนวปฏิบัติทางวิศวกรรมแบบดั้งเดิม ซึ่งเปิดทางสู่โซลูชันที่ชาญฉลาดและขับเคลื่อนด้วยข้อมูลในวิศวกรรมโครงสร้าง สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีใช้การปรับปรุงนี้ ที่นี่

เนื่องจากการคำนวณการเพิ่มแรงกระทำหลายร้อยขั้นในเวลาไม่กี่วินาทีนั้นไม่ใช่เรื่องง่าย อัลกอริทึมจึงใช้ชุดข้อมูลขนาดใหญ่จากการวิเคราะห์ที่ดำเนินการในอดีต และสามารถค้นหาค่าขนาดรอยเชื่อมที่ใกล้เคียงกับวิธีแก้ปัญหาที่ต้องการได้แบบ real-time

คำศัพท์สำหรับวิศวกรโครงสร้างรุ่นใหม่:

Machine learning (ML) คือสาขาหนึ่งของปัญญาประดิษฐ์ที่ช่วยให้คอมพิวเตอร์เรียนรู้จากข้อมูลและตัดสินใจโดยอิงจากข้อมูลนั้น ในการออกแบบและวิเคราะห์โครงสร้าง ML สามารถใช้ทำนายพฤติกรรมของวัสดุ ประเมินความสมบูรณ์ของโครงสร้าง และปรับกระบวนการออกแบบให้เหมาะสม ด้วยการวิเคราะห์ชุดข้อมูลขนาดใหญ่ อัลกอริทึม ML สามารถระบุรูปแบบและข้อมูลเชิงลึกที่วิธีการแบบดั้งเดิมอาจพลาดไป ซึ่งอาจนำไปสู่การออกแบบโครงสร้างที่มีประสิทธิภาพมากขึ้น ปลอดภัยขึ้น และคุ้มค่าใช้จ่ายมากขึ้น ML ยังสามารถช่วยในการติดตามแบบ real-time และการวางแผนการบำรุงรักษาโครงสร้าง ซึ่งช่วยเพิ่มอายุการใช้งานและความปลอดภัยของโครงสร้างได้อีกด้วย

Convolutional neural networks (CNNs) คือประเภทหนึ่งของปัญญาประดิษฐ์ที่ใช้กันอย่างแพร่หลายสำหรับการประมวลผลข้อมูลที่มีโทโพโลยีแบบตาราง เช่น รูปภาพ CNNs มีความเป็นเลิศในงานต่างๆ เช่น การจดจำและจำแนกรูปภาพ CNN เรียนรู้ที่จะจดจำรูปแบบและคุณลักษณะในข้อมูลอินพุตผ่านชั้นที่ทำการ convolution ซึ่งเป็นการดำเนินการทางคณิตศาสตร์ที่กรองและบีบอัดข้อมูล โครงสร้างนี้ช่วยให้ CNNs สามารถระบุรูปแบบที่ซับซ้อนได้ ทำให้เป็นเครื่องมือที่ทรงพลังในการประยุกต์ใช้ทางวิศวกรรมต่างๆ ตั้งแต่การวิเคราะห์โครงสร้างไปจนถึงกระบวนการออกแบบอัตโนมัติ ความสามารถในการประมวลผลชุดข้อมูลที่ซับซ้อนได้อย่างมีประสิทธิภาพทำให้ CNNs เป็นทรัพยากรที่มีคุณค่าในการแก้ปัญหาทางวิศวกรรมสมัยใหม่

สรุป

ดังที่คุณเพิ่งเห็น อนาคตนั้นใกล้กว่าที่คุณคิด ไม่ใช่อนาคตจากภาพที่สร้างโดย AI แต่หลักการพื้นฐานของระบบอัตโนมัติและการปรับให้เหมาะสมอย่างชาญฉลาดกำลังถูกฝังอยู่ในเครื่องมือวิเคราะห์โครงสร้างแล้ว

เครื่องมือเหล่านี้จะไม่สร้างการปฏิวัติด้วยตัวเอง สิ่งที่จำเป็นในการปลดปล่อยความเป็นไปได้ใหม่ๆ เหล่านี้คือการเปลี่ยนแปลงทัศนคติครั้งใหญ่ของผู้ที่เกี่ยวข้องในกระบวนการออกแบบ ขึ้นอยู่กับวิศวกรว่าจะปรับตัวเข้ากับโอกาสที่มีอยู่อย่างไร และจะนำโอกาสเหล่านั้นมาผสานเข้ากับกระบวนการทำงานประจำวันของตนอย่างไร