L’utilizzo della simulazione nella progettazione si giustifica pienamente solo quando permette di migliorare le caratteristiche di un progetto, più che quando si pone come pura verifica. In questi casi, a fronte di un design di partenza, tramite le simulazioni e le interpretazioni dei risultati alla luce dei criteri di progetto, si procede a modificare il design per migliorarne le prestazioni. Questo percorso tipicamente viene svolto tramite operazioni manuali guidate dall’esperienza dell’ingegnere. Le strategie di ottimizzazione prevedono che sia in realtà un software, ovviamente pilotato dall’analista ad effettuare le iterazioni allo scopo di raggiungere il target in modo efficace ed efficiente. Ossia, centrare effettivamente gli obiettivi di progetto nel rispetto dei vincoli e farlo nel minor tempo e con il minor numero di tentativi possibile. Un altro obiettivo dell’ottimizzazione è individuare soluzioni innovative che non sarebbero intuitive da formulare per un ingegnere. Magari per l’elevata complessità del problema o per la presenza di più obiettivi e vincoli in conflitto tra loro. Inoltre, ci si attende da una procedura di ottimizzazione che sia altamente automatizzata. Ossia, la possibilità di crearla e eseguirla con minimi interventi dell’analista per motivi di efficienza.
Le difficoltà che si presentano durante l’uso pratico delle numerose tecniche di ottimizzazione disponibili per esempio topologica, di forma, parametrica, DoE, ecc. sono ad esempio la necessità di pervenire a soluzioni che siano geometricamente costruibili e facilmente trasferibili al reparto progettazione, la gestione di problemi che siano fortemente diversificati per disciplina, ad esempio strutturali, termici, ecc. oppure come formulazione matematica ad esempio analisi strutturali di tipo statico e lineare a fronte invece magari di analisi fortemente non lineari e transitorie come possono essere quelle fluidodinamiche. Inoltre, un’altra sfida è la necessità di formulare delle soluzioni numeriche che siano efficaci a livello locale, un esempio classico è quella di stress che richiede che la mesh e la geometria durante il processo di ottimizzazione siano estremamente accurate e dettagliate.
Vediamo adesso con alcuni casi pratici come si possono raggiungere gli obiettivi e superare le sfide appena descritte utilizzando NX CAE.