Đổi mới trong thiết kế kết cấu – mở ra tương lai

Tại sao lại phải thay đổi bất cứ điều gì trong công việc hàng ngày của chúng ta? Liệu thực trạng hiện tại của các văn phòng kỹ thuật của chúng ta đã đủ tốt chưa? Khối lượng công việc đã đủ lớn, các công trình mới được xây dựng mỗi ngày, và điều đó có lẽ sẽ không sớm thay đổi. Các công cụ kỹ thuật số của các kỹ sư ngày nay đã cực kỳ mạnh mẽ với tốc độ không thể tưởng tượng được vài năm trước. Động lực thúc đẩy bất kỳ sự thay đổi nào luôn xuất phát từ một nhu cầu. Vậy "nhu cầu" hiện tại của các văn phòng kỹ thuật xây dựng là gì?

Có vẻ như có một số vấn đề... 

• ngày càng có ít người sẵn sàng làm công việc này mỗi ngày
• khối lượng công việc ngày càng tăng mỗi năm nhờ tăng trưởng kinh tế ở nhiều khu vực
• tốc độ phát triển trong các lĩnh vực kỹ thuật khác liên quan đến xây dựng dân dụng cao hơn nhiều
• độ phức tạp của các dự án ngày càng tăng đáng kể với trọng tâm vào các giải pháp 'xanh', tiêu thụ năng lượng và tác động CO₂

Hãy cùng nhìn trước vào tương lai gần của lĩnh vực chúng ta.

Làm một kỹ sư kết cấu sẽ như thế nào?

Liệu công việc của một kỹ sư kết cấu có phải là một trong những nghề bị đe dọa bởi sự xuất hiện của AI không? Không hẳn, ít nhất là chưa sớm. Số lượng biến số trong mỗi nhiệm vụ đơn giản là quá lớn để các thuật toán có thể bao quát. Và không phải vì sức mạnh tính toán cần thiết, mà vì các cơ sở dữ liệu từ các lĩnh vực khác nhau không được đồng bộ hóa và không hợp tác với nhau, cũng như vì cần có lẽ thường thức của con người để hiểu được tất cả mớ dữ liệu hỗn độn đó.

Mặt khác, liệu công việc hàng ngày của một kỹ sư kết cấu có trông giống như ngày nay không? Bản vẽ giấy, ghi chú tay, hàng trăm DWG và PDF, bảng tính bất tận, các mô hình kết cấu với độ chi tiết khác nhau (không sẵn sàng giao tiếp với nhau), hàng trăm email và tin nhắn về các dự án, thời hạn, ngân sách, những giờ dài ngồi trong văn phòng đầy hồ sơ, sách, tiêu chuẩn thiết kế, hướng dẫn và tạp chí kết cấu? 

Hy vọng là không.

Nhưng chúng ta có thể cải thiện điều gì để đi từ thực tế ngày nay đến một môi trường thuận lợi hơn nhiều trong tương lai? Nếu muốn làm việc thông minh thay vì làm việc vất vả, chúng ta nên tận dụng các cơ hội hiện có. Và nếu chúng chưa rõ ràng ngay bây giờ, chúng ta có thể nhìn sang các lĩnh vực lân cận như kỹ thuật cơ khí, nơi các khái niệm như học máy, xử lý dữ liệu lớn hay tối ưu hóa tô pô đã được sử dụng từ khá lâu.

Điều khá rõ ràng là, mặc dù chức danh kỹ sư kết cấu sẽ tồn tại, nhu cầu về các kỹ năng và năng lực mới là không thể tránh khỏi. Có kiến thức về toán học, vật lý, cơ học kết cấu, vật liệu và yêu cầu của tiêu chuẩn thiết kế sẽ không còn đủ nữa. Một bộ kỹ năng kỹ thuật số hoàn toàn mới sẽ được yêu cầu – làm việc với dữ liệu, xây dựng liên kết dữ liệu giữa các công cụ khác nhau, sử dụng thiết kế tham số, hiểu về học máy, kiến thức về tạo prompt hiệu quả, v.v.

Một khía cạnh rất quan trọng chưa được đề cập trong bài viết này, nhưng vẫn rất quan trọng trong quá trình thiết kế, là các cơ quan chính phủ, tiêu chuẩn thiết kế và các cơ quan kiểm tra. Những yếu tố này không thể bị bỏ qua vì nếu không có sự chấp nhận và hợp tác từ phía này, tốc độ tiến bộ của công nghệ sẽ nhanh hơn đáng kể so với khả năng phản ứng của cộng đồng kỹ thuật.

Tối ưu hóa tô pô

Đây là gì? Nói một cách đơn giản, nó giống như giải một bài toán khó trong đó bạn có một lượng khối xây dựng cụ thể để tạo ra một kết cấu. Và bạn muốn nó đủ bền để chịu được tải trọng cụ thể, nhưng bạn cũng muốn sử dụng càng ít khối xây dựng càng tốt.

Trong tối ưu hóa tô pô, các thuật toán tính toán được sử dụng để giúp chúng ta tìm ra cách tốt nhất để đặt các khối. Chương trình thử nghiệm với các thiết kế khác nhau, thử hàng trăm biến thể về vị trí đặt các khối để làm cho kết cấu càng bền càng tốt trong khi sử dụng càng ít khối càng cần thiết. Giống như máy tính đang thử nghiệm tất cả các loại thiết kế cầu để xem cái nào có thể chịu được trọng lượng lớn nhất mà không bị sập, nhưng đồng thời cũng không lãng phí bất kỳ khối nào.

Phương pháp này giúp các kỹ sư và nhà thiết kế đưa ra các kết cấu rất hiệu quả, và đôi khi có hình dạng bất thường, thực hiện chức năng của chúng với lượng vật liệu ít nhất có thể. Đây là một cách thiết kế thông minh vì nó tiết kiệm vật liệu, giảm trọng lượng và thường dẫn đến các thiết kế sáng tạo mà chúng ta có thể không nghĩ ra được.

Trong hình ảnh trên, bạn có thể thấy ba thiết kế tối ưu của một cây cầu ba chiều liên quan đến các bộ liên kết cố định khác nhau [K. Bando, R. Din, M. Fouquerand, L. Gilbert, A. Moissenot, và M. Nicolas, Optimisation d'une structure et application architecturale, PSC MEC07, Ecole Polytechnique (X), 2016].

Những gì đã có sẵn

Có lẽ là công cụ thiết kế tiên tiến nhất cho bê tông cốt thép kết cấu hiện nay, IDEA StatiCa Detail, có khả năng hiển thị cho người dùng tối ưu hóa tô pô dựa trên dòng ứng suất trong hình học được chỉ định. Công cụ này hiển thị rõ ràng và trực quan cho nhà thiết kế biết vị trí và hướng hiệu quả nhất cho các thanh cốt thép. Bạn có thể xem qua bài viết blog của chúng tôi dành riêng cho tối ưu hóa tô pô.

Ngay cả những mô hình mạnh mẽ và tiên tiến này cũng chỉ là bước khởi đầu của những gì có thể thực hiện được khi được xử lý nghiêm túc. Chúng ta đã biết hàng trăm thiết kế trong đó hình học dựa trên các hình dạng hữu cơ và trông giống một hình ảnh từ sách sinh học hơn là hình dạng giàn điển hình. Chúng ta có thể tìm thấy một số dự án đã được xây dựng hoặc đang trong quá trình xây dựng với cảm hứng hình dạng hữu cơ. Một ví dụ điển hình là dự án hiện tại của ga tàu điện ngầm ở Riyadh của Zaha Hadid Architects.

Với một chút tưởng tượng, những hình dạng hữu cơ này có thể xuất hiện trong kiến trúc không chỉ vì vẻ đẹp của chúng mà còn như là hình học của các kết cấu chịu lực nhờ tối ưu hóa tô pô và các quy trình thi công mới.

Những loại kết cấu và dự án nào đang được giải quyết nhờ các công cụ thiết kế ngày nay? Hãy xem qua thư viện Nghiên cứu điển hình của chúng tôi.

Sức mạnh của dữ liệu trong kỹ thuật

Các nhà nghiên cứu của IDEA StatiCa đã trình bày tại một hội nghị kết cấu thép gần đây các phương pháp mới được sử dụng để dự đoán tự động hệ số sử dụng của mối hàn trong Connection app. Cách tiếp cận mang tính cách mạng này giải quyết một câu hỏi đơn giản với một giải pháp rất phức tạp. Khả năng thực sự của một mối hàn khi cho phép dẻo hóa vật liệu là bao nhiêu?

Phương pháp sáng tạo được mô tả trong tài liệu sử dụng trí tuệ nhân tạo tiên tiến, cụ thể là mạng nơ-ron tích chập, để cải thiện đáng kể độ chính xác trong việc dự đoán hệ số sử dụng mối hàn trong kết cấu thép. Cách tiếp cận mới này mang tính đột phá đối với các kỹ sư kết cấu vì nó vượt ra ngoài các phương pháp truyền thống bằng cách phân tích tỉ mỉ phân bố ứng suất và lịch sử biến dạng dọc theo các đường hàn. Phân tích chi tiết như vậy cho phép ước tính chính xác hơn, phù hợp với các cấu hình mối hàn và kịch bản tải trọng khác nhau. Tiến bộ này không chỉ nâng cao độ an toàn và hiệu quả của các thiết kế kết cấu mà còn minh họa tiềm năng của việc tích hợp học máy với các thực hành kỹ thuật thông thường, mở đường cho các giải pháp thông minh, dựa trên dữ liệu trong kỹ thuật kết cấu. Để biết thêm về cách sử dụng cải tiến này tại đây.

Vì không dễ để tính toán hàng trăm bước tải trọng trong vài giây, thuật toán sử dụng một tập dữ liệu khổng lồ từ các phân tích trước đây đã được thực hiện và có thể tìm thấy các giá trị kích thước mối hàn gần nhất với giải pháp mong muốn trong thời gian thực.

Từ điển thuật ngữ cho kỹ sư kết cấu mới:

Học máy (ML) là một nhánh của trí tuệ nhân tạo cho phép máy tính học từ dữ liệu và đưa ra quyết định dựa trên dữ liệu. Trong thiết kế và phân tích kết cấu, ML có thể được sử dụng để dự đoán hành vi vật liệu, đánh giá tính toàn vẹn kết cấu và tối ưu hóa các quy trình thiết kế. Bằng cách phân tích các tập dữ liệu khổng lồ, các thuật toán ML có thể xác định các mẫu và thông tin chi tiết mà các phương pháp truyền thống có thể bỏ lỡ. Điều này có thể dẫn đến các thiết kế kết cấu hiệu quả hơn, an toàn hơn và tiết kiệm chi phí hơn. ML cũng có thể hỗ trợ trong việc giám sát thời gian thực và lập kế hoạch bảo trì các kết cấu, từ đó nâng cao thêm tuổi thọ và độ an toàn của chúng.

Mạng nơ-ron tích chập (CNN) là một loại trí tuệ nhân tạo được sử dụng rộng rãi để xử lý dữ liệu có tô pô dạng lưới, chẳng hạn như hình ảnh. Chúng vượt trội trong các tác vụ như nhận dạng và phân loại hình ảnh. Một CNN học cách nhận ra các mẫu và đặc trưng trong dữ liệu đầu vào thông qua các lớp thực hiện tích chập – các phép toán toán học lọc và nén dữ liệu. Cấu trúc này cho phép CNN xác định các mẫu phức tạp, làm cho chúng trở thành các công cụ mạnh mẽ trong nhiều ứng dụng kỹ thuật, từ phân tích kết cấu đến các quy trình thiết kế tự động. Khả năng xử lý hiệu quả các tập dữ liệu phức tạp làm cho chúng trở thành một tài sản quý giá trong việc giải quyết các bài toán kỹ thuật hiện đại.

Tóm tắt

Như bạn vừa thấy, tương lai gần hơn bạn nghĩ. Không phải tương lai từ những hình ảnh do AI tạo ra, mà các nguyên tắc đầu tiên của tự động hóa và tối ưu hóa thông minh đã được tích hợp vào các công cụ phân tích kết cấu.

Các công cụ sẽ không tự mình tạo ra cuộc cách mạng. Điều cần thiết để giải phóng những khả năng mới này là sự thay đổi tư duy lớn của các bên liên quan trong quá trình thiết kế. Tùy thuộc vào các kỹ sư cách họ thích nghi với các cơ hội hiện có và cách họ tích hợp chúng vào quy trình làm việc hàng ngày của mình.