La producción debe ser cada vez más rápida, las piezas deben cumplir normas cada vez más estrictas y nuestros logros actuales deben ser aún mejores. Para lograrlo, es esencial optimizar los productos fabricados de modo que ofrezcan un rendimiento aún mejor. A menudo, esto significa reducir el peso de las piezas y, al mismo tiempo, buscar una mayor robustez y rendimiento. Y esta ecuación «menos es más» comienza en la fase de diseño. Aunque los diseñadores se esfuerzan por guiar las ideas en esta dirección, nuevas tecnologías como la inteligencia artificial y el aprendizaje automático están poniendo en juego nuevas posibilidades. Este también es el caso de la optimización topológica y el diseño generativo.
La optimización topológica y el diseño generativo son dos enfoques que utilizan cálculos asistidos por ordenador para optimizar los diseños de forma que, por un lado, ofrezcan un rendimiento pleno y, por otro, permitan ahorrar costes y recursos en la producción. Aunque ambos métodos persiguen objetivos similares, no deben equipararse ni confundirse. A continuación, analizaremos qué se entiende por optimización topológica y diseño generativo, profundizaremos en sus ventajas, retos, campos de aplicación y explicaremos sus ventajas en combinación con la impresión 3D.
(Créditos: Mensch und Maschine)
Un diseño mejorado con optimización topológica y diseño generativo
En sí misma, la optimización topológica no es una tecnología nueva. De hecho, lleva utilizándose desde principios de los años 90 para optimizar modelos 3D de componentes de manera que se conserven las funciones básicas, pero ahorrando material redundante cuando la pieza no tenga que soportar ninguna carga. La optimización topológica parte siempre de un diseño creado por el ser humano que debe adaptarse de forma que no se pierdan prestaciones a pesar del ahorro. Para ello, sin embargo, es necesario definir determinadas condiciones marco, por ejemplo, que se tengan en cuenta las fuerzas que actúan sobre la pieza y se definan zonas protegidas. Los algoritmos informáticos crean entonces un modelo de malla cuya integridad estructural debe comprobarse en el transcurso del AEF (Análisis de Elementos Finitos). A continuación, un ingeniero de CAD debe comprobar el resultado y ajustarlo si es necesario.
Mientras que el diseño final tras la optimización de la topología siempre va precedido de un concepto creado previamente que debe mejorarse (normalmente en cuanto a material y peso), el diseño generativo no requiere un diseño básico. Esto ya es una diferencia notable. En el diseño generativo, se crean modelos nuevos a partir de «restricciones» (condiciones) definidas para explorar las numerosas posibilidades. Estas restricciones pueden ser, entre otras, las superficies de bloqueo, el material utilizado, el proceso de fabricación elegido o los costes. A continuación, se recurre a la inteligencia artificial para conceptualizar distintas opciones de diseño que se correspondan con los parámetros previamente definidos. Es importante señalar que el diseño generativo no garantiza de entrada una solución óptima, sino que analiza las posibles compensaciones entre los objetivos definidos (como el peso, el consumo de material y el coste) y ofrece varias opciones basadas en las preferencias del usuario. Al igual que con la optimización topológica, los ingenieros deben definir estas condiciones en el primer paso y luego seleccionar el diseño final entre las innumerables posibilidades de diseño.
Comparación entre la optimización topológica y el diseño generativo. (Créditos: Mensch und Maschine)
Ambas soluciones apoyan el desarrollo de productos con la ayuda de mecanismos asistidos por ordenador y crean diseños optimizados en términos de fabricación ligera, reducción de costes y ahorro de material, etc. Todo ello manteniendo o incluso mejorando la calidad de los componentes. Hay que añadir que los diseños propuestos suelen inspirarse en la naturaleza y presentan similitudes con estructuras óseas, colmenas, corales, etc. Mientras que la optimización topológica da lugar a un único diseño final, el diseño generativo muestra varias posibilidades, en función de las restricciones establecidas.
Así, tanto la optimización topológica como el diseño generativo conducen a la creación de un diseño óptimo de diferentes maneras, pero los diseños pueden plantear problemas en la fase de postproducción. No todos los procesos de fabricación son capaces de realizar diseños complejos con geometrías entrelazadas, voladizos y espesores de pared variables, que a veces se sugieren como parte de las optimizaciones.
Por este motivo, el potencial de la optimización topológica y el diseño generativo puede aprovecharse en combinación con la impresión 3D. Por un lado, ambas soluciones generan diseños que serían difíciles o imposibles de realizar con los procesos tradicionales y, por otro, los diseños pueden generarse en función del método de fabricación. Con el diseño generativo, puede determinarse desde el principio que la pieza se fabricará de forma aditiva y el software tendrá en cuenta esta condición. Así, sólo generará soluciones que puedan realizarse mediante la tecnología de impresión 3D. No ocurre lo mismo con la optimización topológica. Un ingeniero de CAD debe comprobar el diseño generado y posiblemente refinarlo en función del método de fabricación. Si el componente se fabrica mediante impresión 3D, pueden ser necesarias estructuras de soporte en función del proceso. El diseñador debe determinar entonces dónde y cómo pueden fijarse.
Ilustración de una pieza optimizada mediante diseño generativo que puede imprimirse en 3D. (Créditos: Siemens PLM)
Ventajas y limitaciones
Una de las ventajas de ambos métodos es que los diseños se optimizan en función de los parámetros especificados mediante algoritmos o inteligencia artificial. Esto ahorra tiempo, material y, por tanto, costes. El diseño generativo permite crear cientos o incluso miles de opciones de diseño y compararlas entre sí sin perder mucho tiempo. Las simulaciones y pruebas ya forman parte del proceso de diseño, lo que elimina la necesidad de repeticiones. El punto de coste también puede especificarse como condición en el diseño generativo, mientras que la optimización topológica de un concepto de componente no proporciona ninguna información sobre el coste.
Las numerosas opciones de modelado en el diseño generativo pueden ser una ventaja a la hora de identificar diversas soluciones. Con la optimización topológica, al final sólo hay un diseño final. En este caso, el ingeniero todavía tiene que hacer mejoras y comprobaciones, mientras que cuando se utiliza el diseño generativo, aplica sus conocimientos para hacer una selección. Una ventaja significativa es que los diseños están disponibles en un archivo CAD al final del proceso de diseño generativo, que puede exportarse como archivo STEP, por ejemplo, para fabricar aditivamente el componente y simplificar la continuación de la cadena de procesos. El modelo obtenido mediante la optimización topológica debe convertirse primero en un archivo CAD.
Aunque ambas soluciones de diseño asistido por ordenador ofrecen numerosos incentivos positivos, también están asociadas a una serie de retos. Por un lado, las soluciones de software para el diseño generativo y la optimización topológica son muy caras e implican elevados costes. Por otro, su funcionamiento correcto y eficaz también requiere conocimientos especializados. La optimización topológica ya es un método probado y muchas grandes empresas se han familiarizado con él a lo largo de los años. Han invertido tiempo y dinero en que sus ingenieros se familiaricen con la optimización topológica. En cambio, el diseño generativo no se ha hecho popular hasta hace pocos años. Aunque se pueden encontrar más soluciones, el software de diseño generativo es más caro, lo que significa que no es una opción para muchas empresas. Siguen caminos ya probados, porque la optimización topológica también les lleva a su objetivo.
La optimización topológica se utiliza principalmente para mejorar el peso de una pieza. (Créditos: Formlabs)
Ambos procesos necesitan de los diseñadores CAD y sus conocimientos, aunque éstos intervienen más en la optimización topológica. En ambos casos, tienen que ocuparse de las propiedades de los materiales y la tecnología de producción y analizar los diseños en cuanto a su viabilidad. El uso final también debe tenerse en cuenta en el proceso de diseño. Los diseños creados por la IA pueden ser los más optimizados funcionalmente, pero a menudo no son muy atractivos. Es posible que los diseñadores tengan que hacer ajustes en términos estéticos, pero también hápticos, acústicos y olfativos, ya que estos estímulos sensoriales son cruciales para los usuarios finales del producto. Si, por ejemplo, la puerta de un coche se crea utilizando la optimización topológica y el diseño generativo, no sólo debe fabricarse de forma ligera, rentable y con materiales respetuosos con el medio ambiente. También debe poder integrarse en el diseño del coche, ser visualmente atractiva y sonar y sentirse como una puerta de coche para tener éxito entre los clientes. Es precisamente en estos puntos sensoriales donde la optimización topológica y el diseño generativo alcanzan sus límites y no pueden (todavía) sustituir al ser humano en el proceso de diseño. No obstante, ambas soluciones abren un amplio abanico de posibilidades en numerosas aplicaciones, que veremos a continuación.
Aplicaciones
Aunque los diversos ámbitos de aplicación suelen solaparse, los métodos difieren en sus planteamientos y posibles usos. La optimización topológica trabaja siempre dentro de unos límites definidos, eliminando material de una forma básica dada y realizando simulaciones de elementos finitos para aumentar el rendimiento. En cambio, el diseño generativo va un paso más allá. Utiliza algoritmos para desarrollar soluciones nuevas y creativas que no sólo optimizan la distribución del material, sino que también amplían el espacio de diseño. La optimización topológica y el diseño generativo se utilizan en las mismas industrias en las que las propiedades físicas de un componente son cruciales, como la aeroespacial o la automovilística, pero también en las industrias creativas y la arquitectura.
La pared divisoria del Airbus A320, desarrollada mediante diseño generativo. (Créditos: Autodesk)
En la industria aeroespacial, la optimización topológica permite mejorar los diseños existentes para producir estructuras de avión más ligeras, como las costillas de refuerzo, lo que a su vez reduce el consumo de combustible. Un ejemplo es el trabajo de Andreas Bastian, que diseñó asientos de avión un 54% más ligeros, reduciendo considerablemente el peso de toda la aeronave. El diseño generativo también es utilizado por empresas como Airbus para producir componentes más estables y creativos. Un ejemplo muy conocido es el tabique divisorio del Airbus A320, que se modeló a partir de procesos naturales de crecimiento.
En la industria del automóvil, la optimización topológica contribuye al desarrollo de vehículos ligeros, estables y seguros, mejorando los diseños existentes mediante la reducción de peso. El sistema de suspensión de las ruedas de Fiat Chrysler se aligeró un 36% integrando más de doce componentes diferentes en una sola pieza. El diseño generativo también se utiliza en la optimización de componentes de vehículos mediante la creación de nuevas soluciones. Esto permite a las empresas aumentar el rendimiento de sus productos y satisfacer las crecientes demandas de sostenibilidad. Bugatti, por ejemplo, utilizó software de diseño generativo para desarrollar el sistema de control del alerón del Chiron, lo que resultó en un conjunto optimizado con una reducción de peso de más del 50%. Porsche también utilizó el diseño generativo para producir un pistón innovador para el motor de alto rendimiento del 911 GT2 RS.
Un diseño de vehículo desarrollado con diseño generativo. La similitud con las estructuras óseas es especialmente evidente en este caso, y los vehículos optimizados podrían asemejarse a ellas en el futuro. (Créditos: Siemens)
Tanto la optimización topológica como el diseño generativo desempeñan también un papel decisivo en el campo de la medicina. Un ejemplo de aplicación de la optimización topológica son los implantes personalizados de NuVasive, que utilizan estructuras reticulares para ahorrar peso sin sacrificar la estabilidad. En comparación, el diseño generativo permite soluciones avanzadas, sobre todo en el campo de la osteointegración, en el que los implantes se diseñan de forma que su estructura se asemeje a la del hueso natural. Esto favorece el crecimiento de nuevo tejido óseo sobre el implante impreso en 3D, mejorando la estabilidad a largo plazo. Mientras que la optimización topológica en el campo médico suele tener como objetivo la eficiencia y la reducción de peso, el diseño generativo se centra en la adaptación óptima a la anatomía individual del paciente, especialmente en la fabricación de prótesis.
El diseño generativo también se utiliza en arquitectura y construcción para crear conceptos innovadores y funcionales para espacios que también ofrecen soluciones a problemas de diseño complejos. Igualmente, la optimización topológica se utiliza cada vez más en arquitectura para mejorar las formas de los edificios existentes y aumentar su capacidad de carga. Ambos métodos permiten a los arquitectos diseñar estructuras más eficientes en la fase de proyecto, a menudo inspirándose en estructuras naturales. Un ejemplo de ello es el puente de la empresa de robótica MX3D, construido sobre un canal de Ámsterdam mediante diseño generativo por robots 3D.
El diseño generativo se utiliza sobre todo en la industria de la moda y la joyería, ya que se centra menos en optimizar factores como el peso y más en crear formas creativas e inusuales. Un ejemplo es la diseñadora Julia Körner que creó innovadores trajes impresos en 3D para el éxito de taquilla Black Panther. Anouk Wipprecht también utiliza el diseño generativo, como en el caso del ScreenDress, realizado posteriormente con la tecnología MultiJet Fusion. Su principal objetivo es ampliar los límites de la moda tradicional y crear nuevas estructuras estéticas mediante procesos de diseño digital.
El vestido de Anouk Wipprecht a la izquierda y un diseño de Julia Körner a la derecha. (Créditos: Anouk Wipprecht, Julia Körner)
El diseño generativo también se utiliza en la industria del deporte y los bienes de consumo para fabricar productos rentables y de alto rendimiento. El proceso de desarrollo se acelera mediante el uso de algoritmos asistidos por IA que generan diversas variantes de diseño. Un ejemplo es la zapatilla deportiva Architech desarrollada por Under Armour, que se produjo utilizando diseño generativo y en colaboración con Autodesk.
Softwares y proveedores
Para utilizar eficazmente la optimización topológica y el diseño generativo se necesitan soluciones de software especializadas. Herramientas como 3DXpert de Oqton son ideales para la optimización topológica, especialmente para implantes y geometrías complejas. Por su parte, Altair Inspire también es ideal para aplicaciones en los sectores de automoción y aeroespacial. Ansys Discovery y Netfabb ofrecen soporte para la optimización topológica con el fin de garantizar impresiones 3D estables. Netfabb también dispone de una versión de prueba gratuita; si no, el precio es de 5.300 euros/año o 15.895 euros/tres años. Otra solución de software es CogniCAD, de ParaMatters, una plataforma en la nube que combina la optimización topológica con el diseño generativo y está especializada en diseños 3D complejos. Para utilizar CogniCAD, se pueden comprar tokens, cuyos precios oscilan entre 14,90 y 5,90 dólares, según la versión del software que se elija.
Z88Arion® es un software gratuito que dispone de tres algoritmos de optimización topológica. Siemens NX-12, por su parte, destaca por la integración de la optimización topológica basada en la tecnología de modelado convergente, que permite un modelado 3D impecable y da lugar a componentes más ligeros pero robustos. El software es adecuado tanto para el diseño generativo como para la optimización topológica.
nTpology es un software adecuado para el diseño generativo. (Créditos: nTopology)
Para el diseño generativo, nTopology ofrece nTop, un potente software que proporciona herramientas generativas para requisitos individuales. Fusion 360 de Autodesk también es una buena opción, con funciones como el esbozo, el modelado de superficies y el renderizado, y puede utilizarse para la optimización topológica y el diseño generativo. El uso de las herramientas de optimización topológica de Fusion 360 es gratuito, pero si se desea utilizar toda la carga de trabajo de Fusion 360, incluidas las funciones de diseño generativo, el precio es de 680 $ al año u 85 $ al mes. Otros programas son Creo Parametric y Creo Generative Design, que utilizan tecnologías en la nube para crear conceptos de diseño optimizados y aplicar rápidamente diseños rentables. Por su parte, MSC Apex Generative Design de Hexagon es adecuado para producir estructuras detalladas e intrincadas.
El software adecuado será el socio clave para poner en práctica tus proyectos con la optimización topológica y el diseño generativo. En el mercado actual, las soluciones de diseño generativo suelen ser más caras que las de optimización topológica. Sin embargo, en función de tu presupuesto y objetivos, seguro que encontrarás la solución adecuada en un mercado en constante crecimiento. En cualquier caso, se recomienda a los ingenieros que se familiaricen con el software, ya que el nivel de intuitividad varía. La experiencia es crucial para aprovechar al máximo las ventajas de diseño de la optimización topológica y el diseño generativo. A continuación encontrarás una tabla comparativa de las funciones más importantes.
¿Qué piensas de la comparativa entre el diseño generativo y la optimización topológica? Deja tus comentarios en nuestras redes sociales: Facebook, LinkedIn y Youtube. Sigue toda la información sobre impresión 3D en nuestra Newsletter semanal.