Packaging Design cu AI și Machine Learning
Ambalajele pentru bunurile de larg consum trebuie să îndeplinească diverse cerințe, inclusiv în ceea ce privește: costul, greutatea, rezistența și durabilitatea. Învățarea automată le permite producătorilor de ambalaje să înțeleagă impactul modificărilor de design mult mai rapid decât ar face-o prin metodele tradiționale de simulare și să exploreze rapid spațiul de proiectare pentru a găsi noi modele de ambalaje inovatoare. MODSIM, modelarea și simularea unificate cu AI, accelerează dezvoltarea produselor în industria bunurilor de larg consum și retail, reducând atât costurile de producție, cât și greutatea bunurilor.
Chiar și un design simplu de ambalare poate avea numeroase variante de design posibile. AI contribuie la gestionarea complexității și la găsirea rapidă a designului optim.
De ce are nevoie industria ambalajelor de simulare?
Cu MODSIM activat AI, designerii pot ajusta cu ușurință orice parametru al designului într-o interfață online intuitivă și pot vedea, în timp real, impactul asupra integrității structurale.
Aproape fiecare produs care ajunge la ușa dumneavoastră sau pe rafturile din supermarket intact, curat și proaspăt, a supraviețuit călătoriei datorită ambalajului său. De la sare la smartphone-uri, ambalajele bunurilor de larg consum trebuie proiectate cu atenție, pentru a fi siguri că nu vor provoca probleme pe linia de producție, că vor fi suficient de puternice și impermeabile pentru a rezista la stresul transportului, dar și că vor fi atractive pentru cumpărători. Nu în ultimul rând, durabilitatea ambalajelor reprezintă o provocare în plus, din moment ce utilizarea materialelor trebuie redusă, iar proporția de materiale reciclate/reciclabile/biodegradabile – trebuie crescută.
Simularea analizei cu elemente finite (FEA) prin intermediul tehnologiei SIMULIA Abaqus ajută designerii și managerii responsabili de ambalaje să înțeleagă performanța ambalajelor în scenarii din lumea reală, fără a fi nevoie să construiască prototipuri fizice. În paralel, stimulează proiectarea experimentelor (DoE) și studiile de optimizare, care pot explora întreg spațiul de proiectare pentru a găsi cel mai bun compromis între diferiți factori.
Simularea este cea mai utilă atunci când este utilizată de la începutul ciclului de proiectare. Modelarea și simularea unificate (MODSIM) permit utilizarea simulării în timpul etapelor inițiale de concept, modelul de simulare fiind construit direct din datele de proiectare. Faptul în sine accelerează procesul de dezvoltare, având grijă, simultan, ca potenţialele probleme să poată fi observate mai devreme, iar cauzele fundamentale – să fie identificate şi rezolvate.
Rolul AI și machine learning în simularea ambalajului
Compararea rezultatelor unei analize 3D FEA a unei sticle care este zdrobită și a modelului surogat, alimentat de machine learning (ML).
Sus: graficul comportamentului la flambaj . Jos: diagrame de câmp 3D
MODSIM, activat de AI, este următorul pas pentru MODSIM, folosind puterea învățării automate pentru a face simularea mult mai rapidă și, prin urmare, mai utilă pentru designeri. Apelând la analiza tradițioanală cu elemente finite, pentru fiecare variantă de proiectare, fizica trebuie simulată iar și iar, de la zero. Învățarea automată AI poate oferi rezultate pentru orice variantă de design în câteva momente, accelerând procesul.
E nevoie doar de efectuarea câtorva simulări care acoperă o zonă reprezentativă a spațiului de proiectare pentru ambalare. Ulterior, simulările respective sunt utilizate pentru a antrena o rețea neuronală, care învață cum se leagă geometria cu proprietățile sale fizice. Atât răspunsurile fizice scalare, tranzitorii în timp, cât și cele staționare, precum și predicția 3D a câmpului complet, pot fi modelate, rezultând un mediu bogat în informații, mult mai productiv pentru proiectarea produsului.
Modelul surogat rezultat este validat față de simulările ulterioare, iar dacă se atinge un nivel acceptabil de precizie, poate fi utilizat pentru a calcula comportamentul ambalajului pentru orice variantă de proiectare.
Folosind învățarea automată, designerii pot găsi cele mai bune compromisuri în doar câteva secunde și pot înțelege impactul unei schimbări de design, dispunând de feedback în timp real. Explorarea mai multor spații de proiectare poate scurta în mod semnificativ procesul de dezvoltare a ambalajelor, îndeplinindu-se obiectivele ambițioase legate de costul, greutatea și durabilitatea acestora. Merită subliniat că prin intermediul MODSIM activat AI, instrumentele de simulare și de învățare automată sunt disponibile într-o interfață ușor de utilizat, inclusiv pentru utilizatorii neexperimentați. În loc să înlocuiască munca umană, AI colaborează cu designerii, oferindu-le feedback instantaneu.
Puteți vizualiza oricând colecția de materiale pe Wiki Machine Learning din comunitatea SIMULIA, care include o explicație detaliată a antrenării rețelelor neuronale cu date de simulare, precum și link-uri către articole și seminarii web pe acest subiect.
Concluzie
Inteligența artificială și învățarea automată ajută industria bunurilor de consum ambalate (CPG) să facă față provocărilor legate de designul modern al ambalajelor. Învățarea automată accelerează procesul de simulare și explorare a designului, ajutând designerii să reducă greutatea și costurile și să îmbunătățească rezistența și sustenabilitatea. De cealaltă parte, soluțiile AI de la Dassault Systèmes se integrează în fluxurile de lucru consacrate ale industriei CPG, combinând tehnologia de învățare automată cu cea mai bună tehnologie de simulare a fizicii.
Dacă vă sunt utile articolele noastre, nu ezitați să vă abonați la newsletter.