Herramientas de desarrollo de sistemas de retención de automoción basadas en Inteligencia Artificial

Abstract

La competitividad en la industria conduce a nuevas fronteras de diseño de ingeniería. En particular, el diseño basado en la simulación numérica está marcando el camino para el desarrollo de productos y sistemas innovadores y competitivos.

Los cálculos computacionales, debido a un incremento de la madurez de estas técnicas y el incremento también de la potencia computacional, tienen cada vez más peso en el diseño y la integración de los sistemas de retención de automoción, sobre todo por el aumento de la economía, viabilidad y fiabilidad de sus resultados, y a la reducción de plazos y costes de desarrollo y de peso del componente que aportan.

Integrada completamente en los procesos de desarrollo de los sistemas de retención de automoción, la presente investigación profundiza en las debilidades que todavía se observan a día de hoy en los procesos de evolución del diseño basado en técnicas CAE (Computer Aided Engineering), las cuales se resumen en la falta de una sistemática clara en la búsqueda de una solución del problema y en la inviabilidad de aplicación de técnicas de optimización por razones de coste computacional para soluciones individuales.

Por medio de la integración en el proceso de técnicas de Inteligencia Artificial, en concreto Redes Neuronales Artificiales (RNA) y Algoritmos Genéticos (AG), esta investigación aporta la generación de una metodología de resolución de dos problemas fundamentales del proceso de desarrollo de productos y sistemas de retención basado en CAE: la correlación de modelos FEM/MB y la optimización del diseño ante unos requerimientos específicos, sean éstos uniobjetivo o multiobjetivo.

Se genera un proceso completamente automatizable para la obtención de una configuración de metamodelo basado en RNA, que genera respuestas vectoriales de historia temporal a muy bajo coste computacional pero que, a su vez, muestra alta calidad en la reproducción del modelo FEM/MB, dentro del espacio de trabajo para el que este metamodelo fue diseñado, apoyado en un diseño de experimentos (DOE) específico.

Este metamodelo se explota posteriormente en la resolución automatizada de los problemas antes descritos, a través de su optimización mediante técnicas evolutivas basadas en AG.

El proceso se aplica y valida en el desarrollo de sistemas de retención de automoción de diferente complejidad, y los resultados obtenidos muestran gran eficiencia y ahorro de recursos, tanto computacionales como humanos, así como unas prestaciones de resultado de diseño altamente prometedoras.

Las metodologías desarrolladas son fácilmente exportables a otras disciplinas del diseño de ingeniería, siempre tras la previa valoración de sus potenciales ventajas.