La richiesta di smart product sta portando le aziende manifatturiere a rivoluzionare i processi di progettazione e sviluppo: digital twin e generative design sono ormai concetti indispensabili per gestire la complessità delle sfide ingegneristiche.

Tuttavia, “la complessità non è un problema, fa parte dell’innovazione. L’importante è gestirla”, è quanto sostiene Jan Leuridan (in foto), Senior Vice President, responsabile delle soluzioni di simulazione e test di Siemens Plm Software, business unit della divisione Digital Factory di Siemens, indicando la direzione strategica che sta intraprendendo il colosso tedesco.

Un percorso avviato una decina di anni fa che, grazie a una politica di acquisizioni e al forte know how interno, ha di fatto spostato il baricentro dell’offerta, estendendola dal dominio dell’automazione di fabbrica anche a quello della progettazione, e trasformando la casa tedesca in una grande realtà di industrial software.

Simulazione, virtualizzazione e testing, le parole d’ordine

Leuridan entra a far parte di Siemens con l’acquisizione di Lms avvenuta nel 2013, un main point del processo di integrazione delle tecnologie di software industriale grazie ai suoi strumenti di simulazione che hanno aggiunto la capacità di validazione.

Le successive acquisizioni di Mentor Graphics, attivo nella progettazione elettrica ed elettronica, Tass, specializzata in soluzioni autonomous driving, un settore in forte crescita e Infolytica, forte nelle soluzioni di progettazione e analisi elettromagnetica consentono di integrare le tecnologie per sviluppare secondo il concetto del digital twin e del continuous development and testing.

Digital twin in quattro step

Modello trasversale a  tutto il processo di sviluppo di smart product è il digital twin – gemello digitale, ovvero la rappresentazione virtuale delle diverse fasi che coinvolgono prodotto, processo produttivo fino alle performance del prodotto stesso.

Si possono dare molte definizioni di gemello digitale, ma secondo Siemens il digital twin è un insieme di modelli computerizzati che forniscono informazioni utili per progettare, validare e ottimizzare un prodotto, un processo produttivo o un impianto produttivo in ambito virtuale

I gemelli digitali sfruttano dati raccolti dai sensori installati su oggetti fisici per rappresentare il loro stato, le condizioni di funzionamento o la posizione in tempo quasi reale. Monitorando l’utilizzo dei prodotti si possono raccogliere molte informazioni preziose, non solo per fare manutenzione predittiva, ma anche per migliorare i prodotti stessi in futuro, fino a generare un nuovi tipi di business model che vanno verso la vendita dei servizi generati dagli stessi.

Le quattro fasi sulle quali si basa il modello prevedono: prodotto virtuale, produzione virtuale che si ottimizzeranno grazie al contino apprendimento dal prodotto reale e dal processo produttivo automatizzato, nonché dal prodotto stesso. Sopra a tutto l’Intelligenza Artificiale, il Cloud Computing e sistemi operativi IoT come MindSphere.

Qui si inserisce anche il concetto del continuous development. “Un esempio è Tesla che raccoglie i dati dai propri sensori e li utilizza per ottimizzare le funzionalità e l’auto stessa”, spiega Lauren.

Il Generative Design per gestire la complessità

La complessità di alcuni smart product, si pensi per esempio ai veicoli a guida autonoma e al loro impatto nelle strade delle future smart city, richiede una capacità de redesign e di reingegnerizzazione.

Le soluzioni software di progettazione generativa consentono agli ingegneri di creare migliaia di opzioni di progettazione, inserendo parametri di base come altezza, peso da supportare, resistenza, opzioni materiali.

Con il design generativo, gli ingegneri non sono più limitati dalla propria immaginazione o dall’esperienza acquisita nel passato. Al contrario, collaborano con la tecnologia, l’Intelligenza Artificiale e Cloud computing per co-creare di più e meglio.

Il software generativo esplora tutte le possibili soluzioni, generando rapidamente alternative di progettazione.