¿por qué son importantes los modelos de optimización para los ingenieros?

¿cómo puede un ingeniero optimizar una solución de diseño?

Desde el aumento del rendimiento de los recursos hasta el fortalecimiento de su cadena de valor, la ejecución diligente de la optimización dentro del proceso de diseño puede significar la diferencia entre prosperar y declinar.La optimización temprana y frecuente tiene los siguientes beneficios clave:En este artículo, le guiaremos a través de estas áreas de oportunidad mientras contrastamos la mentalidad de optimización tradicional frente a la moderna.La toma de decisiones temprana tiene un gran impacto en los costes del ciclo de vidaEs bien sabido que el 70-80% de los costes del ciclo de vida del diseño están determinados por las decisiones tomadas por los ingenieros durante las primeras etapas de diseño. Los ingenieros tienen el poder de influir en el coste, el valor y la calidad de un diseño mientras exploran las posibilidades que repercuten en las actividades posteriores.

Imaginemos una empresa que diseña y fabrica chasis para equipos pesados. Las modernas técnicas de optimización en las primeras fases de diseño permiten al ingeniero explorar diseños de chasis más baratos, más rápidos, más ligeros, más seguros o más resistentes. En función del objetivo que se persigue, el optimizador puede evaluar un espacio de búsqueda de diseños de chasis que, de otro modo, sería muy difícil o imposible de explorar mediante un análisis cuantitativo y formal. Con un optimizador inteligente, el equipo puede explorar y ejecutar ajustes del modelo del chasis que son más drásticos y que afectan no sólo al diseño, sino también a los siguientes factores:La optimización inteligente va más allá de la intuición de un ingenieroEn un proceso de diseño tradicional, sólo se optimizaría el último 5-20% del diseño, y esto se suele hacer explorando retoques/ajustes a través de unas cuantas ejecuciones de prueba y error o reuniones de grupos de diseño o utilizando un plan de muestreo. Este proceso presenta dos problemas principales: a continuación se explica cómo realizar la exploración del diseño mediante un optimizador inteligente frente al DOE (diseño de experimentos) o el plan de muestreo:

Problemas de optimización en ingeniería y soluciones pdf

Como se muestra en la Tabla 1, el diseño impulsado por la optimización impone objetivos claramente definidos, así como especificaciones técnicas que un diseño debe satisfacer. El algoritmo de optimización calcula automáticamente cómo afectan las variables a los resultados del diseño, impulsa el cambio de diseño y busca sistemáticamente el óptimo. Esto permite a los ingenieros explorar más posibilidades de diseño en un plazo determinado.

A continuación mostraremos cómo se abordaría el diseño de un volante de inercia y un soporte siguiendo el proceso de diseño basado en la optimización.Optimización de un volante de inerciaLa figura 2 muestra un volante de inercia básico y un modelo de optimización. El volante se simula a una velocidad angular de 1000 rpm y la tensión de Von Mises se calcula con un solucionador de elementos finitos. El objetivo de la optimización es encontrar la combinación de las dimensiones de las ranuras, la distancia al centro y el número de ranuras, que dará como resultado la masa mínima del volante, manteniendo la tensión máxima de Von Mises por debajo de un determinado nivel.El modelo de optimización tiene una restricción cara y dos restricciones baratas. La restricción relativa a la tensión es cara porque se evaluará al final de cada llamada de simulación. Las restricciones baratas son necesarias para mantener la integridad del modelo y se definen mediante relaciones matemáticas entre las variables de entrada (dimensiones). Las dos ecuaciones matemáticas de la figura 2, junto con los límites de las variables, evitan que éstas sean irreales.    Las figuras 3 (a) y (b) muestran posibles geometrías de modelos no válidos que pueden generarse sin restricciones baratas. Los valores geométricos para derivar las restricciones baratas se indican en la Figura 3 (c).

Ejemplos de optimización del diseño de ingeniería

Para comprender mejor la relación entre estas características y la capacidad de la infraestructura que debe soportarlas, podemos enmarcar el sistema como un problema de programación lineal. De este modo, podemos maximizar el rendimiento de un modelo, sondear la sensibilidad de su rendimiento a las distintas restricciones de la infraestructura y estudiar las relaciones entre los distintos servicios. Este trabajo fue realizado por científicos de datos integrados en nuestro equipo de ingeniería y demuestra el valor de la analítica y la ciencia de los datos en el ML.

Es importante introducir continuamente funciones que aprovechen mejor los nuevos datos para mantener modelos de alto rendimiento. Las nuevas funciones son responsables de la mayoría de las mejoras incrementales de los modelos. Estos modelos de ML son útiles para nuestro sistema de distribución de anuncios. Trabajan juntos para predecir la probabilidad de que una persona realice una acción específica en el anuncio. Trabajamos para mejorar continuamente nuestros modelos, de modo que nuestros sistemas entreguen sólo los anuncios que son relevantes para un usuario.

A medida que nuestras técnicas se vuelven más sofisticadas, desarrollamos funciones más complejas que exigen más de nuestra infraestructura. Una función puede aprovechar diferentes servicios en función de su finalidad. Algunas funciones tienen un mayor coste de memoria, mientras que otras requieren más CPU u ocupan más almacenamiento. Es importante utilizar nuestra infraestructura de forma inteligente para maximizar el rendimiento de nuestros modelos. Debemos ser capaces de asignar los recursos de forma inteligente y de cuantificar las ventajas y desventajas de los distintos escenarios.

Qué es la optimización en ingeniería

En la ingeniería de control, los métodos clave para analizar y diseñar sistemas de control se basan en el modelo del proceso o del sistema. Estos modelos suelen derivarse de consideraciones físicas y ecuaciones maestras y luego se adaptan a la máquina existente mediante mediciones prácticas.

Todo proceso puede optimizarse, por ejemplo, en lo que respecta a los costes de funcionamiento y, en concreto, a la eficiencia energética. El Instituto de Sistemas de Energía e Ingeniería de Fluidos (IEFE) lo hace en el ámbito de la optimización de procesos basada en modelos, utilizando un modelo de sistema con un concepto de automatización óptimo.

La metrología es un paso muy importante en la optimización de procesos basada en modelos, ya que el registro de los parámetros estáticos y dinámicos del proceso dice mucho por sí solo sobre el comportamiento y el uso energético del sistema. Además, la metrología es necesaria para adaptar el modelo teórico al sistema existente.

Cuando se implementa un concepto de automatización, la metrología también incluye el suministro de todas las señales de los sensores para el control posterior correspondiente. El software LabVIEW se utiliza para registrar, procesar, guardar y representar los factores del proceso.