Análisis de ingeniería predictiva

Los productos incluyen, además de la mecánica, cada vez más electrónica, software y sistemas de control . Estos ayudan a aumentar el rendimiento en varias características, como seguridad, comodidad, ahorro de combustible y muchas más. Diseñar dichos productos utilizando un enfoque clásico suele ser ineficaz. Un proceso de desarrollo moderno debería ser capaz de predecir el comportamiento del sistema completo para todos los requisitos funcionales, incluyendo los aspectos físicos, desde el inicio del ciclo de diseño. ^{[ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ]}

Para lograr una reducción de costos o un ahorro de combustible, los fabricantes deben considerar continuamente la adopción de nuevos materiales y los métodos de fabricación correspondientes. ^{[ 10 ] [ 11 ]} Esto hace que el desarrollo de productos sea más complejo, ya que los ingenieros ya no pueden depender de sus décadas de experiencia, como lo hacían cuando trabajaban con materiales tradicionales, como el acero y el aluminio, y métodos de fabricación tradicionales, como la fundición . Los nuevos materiales, como los compuestos , se comportan de manera diferente en lo que respecta al comportamiento estructural, el comportamiento térmico, el comportamiento a la fatiga o el aislamiento acústico, por ejemplo, y requieren un modelado específico.

Además, dado que los ingenieros de diseño no siempre conocen todas las complejidades de fabricación que implica el uso de estos nuevos materiales, es posible que el "producto fabricado" difiera del "producto diseñado". Por supuesto, es necesario realizar un seguimiento de todos los cambios, e incluso posiblemente una iteración de validación adicional después de la fabricación. ^{[ 12 ] [ 13 ]}

Los productos actuales incluyen numerosos sensores que les permiten comunicarse entre sí y enviar información al fabricante. Con base en esta información, los fabricantes pueden enviar actualizaciones de software para optimizar continuamente su funcionamiento o adaptarse a un entorno operativo cambiante. Los productos darán forma al internet de las cosas , y los fabricantes deben formar parte de él. Un producto "tal como fue diseñado" nunca está terminado, por lo que el desarrollo debe continuar mientras el producto está en uso. Esta evolución también se conoce como Industria 4.0 [ ^{14 ] o la cuarta revolución industrial. Representa un desafío para} los equipos de diseño, ya que necesitan reaccionar con rapidez y realizar predicciones de comportamiento basadas en una enorme cantidad de datos ^{[ 15 ] .}

La máxima inteligencia que puede tener un producto reside en recordar el comportamiento individual de su operador y tenerlo en cuenta. De esta forma, puede, por ejemplo, anticipar ciertas acciones, predecir fallos o mantenimiento, u optimizar el consumo energético de forma autorregulada. Esto requiere un modelo predictivo integrado en el propio producto o accesible a través de la nube. Este modelo debe ser muy rápido y comportarse exactamente igual que el producto real. Requiere la creación de un gemelo digital : una réplica del producto que se mantiene sincronizada durante todo su ciclo de vida . ^{[ 16 ] [ 17 ]}

Consumers today can get easy access to products that are designed in any part of the world. That puts an enormous pressure on the time-to-market, the cost and the product quality. It's a trend which has been going on for decades. But with people making ever more buying decisions online, it has become more relevant than ever. Products can easily be compared in terms of price and features on a global scale. And reactions on forums and social media can be very grim when product quality is not optimal. This comes on top of the fact that in different parts of the world, consumer have different preferences, or even different standards and regulations are applicable. As a result, modern development processes should be able to convert very local requirements into a global product definition, which then should be rolled out locally again, potentially with part of the work being done by engineers in local affiliates. That calls for a firm globally operating product lifecycle management system that starts with requirements definition. And the design process should have the flexibility to effectively predict product behavior and quality for various market needs.^[18]

In this multi-disciplinary simulation-based approach, the global design is considered as a collection of mutually interacting subsystems from the very beginning. From the very early stages on, the chosen architecture is virtually tested for all critical functional performance aspects simultaneously. These simulations use scalable modeling techniques, so that components can be refined as data becomes available. Closing the loop happens on 2 levels:

• Concurrent development of the mechanical components with the control systems
• Inclusion of data of products in use (in case of continued development the actual product)

Closed-loop systems driven product development aims at reducing test-and-repair. Manufacturers implement this approach to pursue their dream of designing right the first time.^[19][20]

La simulación de sistemas 1D, también conocida como CAE 1D o simulación de sistemas mecatrónicos , permite el modelado escalable de sistemas multidominio. El sistema completo se presenta de forma esquemática, conectando bloques de modelado analítico validados de subsistemas eléctricos, hidráulicos, neumáticos y mecánicos (incluidos los sistemas de control). Esto ayuda a los ingenieros a predecir el comportamiento de diseños conceptuales de sistemas mecatrónicos complejos, tanto transitorios como en estado estacionario . Los fabricantes suelen disponer de bibliotecas validadas que contienen componentes predefinidos para diferentes dominios físicos. En caso contrario, los proveedores de software especializados pueden proporcionarlas. Mediante estas bibliotecas, los ingenieros pueden realizar predicciones conceptuales en una fase muy temprana, incluso antes de que se disponga de la geometría de diseño asistido por ordenador (CAD) . En etapas posteriores, se pueden adaptar los parámetros. Los cálculos de simulación de sistemas 1D son muy eficientes. Los componentes se definen analíticamente y tienen puertos de entrada y salida. La causalidad se crea conectando las entradas de un componente con las salidas de otro (y viceversa). Los modelos pueden tener diversos grados de complejidad y alcanzar una precisión muy alta a medida que evolucionan. Algunas versiones del modelo pueden permitir la simulación en tiempo real , lo cual es particularmente útil durante el desarrollo de sistemas de control o como parte de la funcionalidad predictiva integrada. ^{[ 21 ]}

La simulación 3D o CAE 3D se suele aplicar en una fase más avanzada del desarrollo de productos que la simulación de sistemas 1D, y permite tener en cuenta fenómenos que no se pueden capturar en modelos 1D. Estos modelos pueden evolucionar hasta convertirse en representaciones muy detalladas, específicas para cada aplicación y que requieren una gran capacidad de cálculo.

Las tecnologías de simulación 3D o CAE 3D ya eran esenciales en los procesos de desarrollo clásicos para la verificación y validación, demostrando a menudo su valor al acelerar el desarrollo y evitar cambios de última hora. La simulación 3D o CAE 3D sigue siendo indispensable en el contexto del análisis de ingeniería predictiva, convirtiéndose en un motor clave en el desarrollo de productos. Los proveedores de software se esfuerzan por mejorar sus funcionalidades, añadiendo nuevas capacidades y aumentando el rendimiento en el modelado, el proceso y el solucionador. Si bien estas herramientas suelen basarse en una única plataforma común, a menudo se ofrecen paquetes de soluciones para cubrir ciertos aspectos funcionales o de rendimiento, y se proporciona a los usuarios conocimientos del sector y mejores prácticas en verticales de aplicación. Estas mejoras deberían permitir que la simulación 3D o CAE 3D se mantenga al día con los ciclos de diseño de productos cada vez más cortos . ^{[ 22 ] [ 23 ] [ 24 ]}

Dado que el enfoque de desarrollo de productos basado en sistemas de bucle cerrado requiere el desarrollo simultáneo del sistema mecánico y los controles, deben existir fuertes vínculos entre la simulación 1D, la simulación 3D y el desarrollo de algoritmos de control . Los proveedores de software logran esto ofreciendo capacidades de cosimulación para los procesos de:Model-in-the-Loop (MiL), Software-in-the-Loop (SiL) y Hardware-in-the-Loop (HiL). ^{[ 25 ] [ 26 ]}

La evolución desde la verificación y validación hacia el análisis predictivo de ingeniería implica que el proceso de diseño debe basarse cada vez más en la simulación. Las pruebas físicas siguen siendo fundamentales, tanto para la validación de los resultados de la simulación como para la comprobación de los prototipos finales, requisito indispensable antes de la aprobación del producto. La magnitud de esta tarea será aún mayor, ya que será necesario probar más combinaciones de condiciones y parámetros en un sistema de medición más integrado y complejo, capaz de combinar múltiples aspectos físicos y sistemas de control.

Además, también en otras etapas de desarrollo, combinar pruebas y simulaciones en un proceso bien alineado será esencial para el éxito de los análisis de ingeniería predictiva. ^{[ 34 ]}

Los productos del futuro tendrán una vida útil más allá de su entrega. Incluirán funcionalidades predictivas basadas en modelos de sistema, se adaptarán a su entorno, retroalimentarán información para el diseño y mucho más. Desde esta perspectiva, el diseño y la ingeniería van más allá de convertir una idea en un producto. Son una parte esencial del hilo conductor digital a lo largo de toda la cadena de valor del producto , desde la definición de requisitos hasta su uso.

Cerrar el ciclo entre el diseño y la ingeniería, por un lado, y el producto en uso, por otro, requiere que todos los pasos estén estrechamente integrados en un entorno de software de gestión del ciclo de vida del producto. Solo así se puede garantizar la trazabilidad entre los requisitos, el análisis funcional y la verificación del rendimiento, así como el análisis de los datos de uso para apoyar el diseño. Esto permitirá que los modelos se conviertan en gemelos digitales del producto real. Permanecerán sincronizados, experimentando los mismos cambios de parámetros y adaptándose al entorno operativo real. ^{[ 43 ] [ 44 ] [ 45 ]}