Stel je een wereld voor waarin complexe metalen onderdelen niet worden uitgesneden uit massieve blokken of gegoten in mallen, maar in plaats daarvan laag voor laag worden opgebouwd, zoals een 3D-printer die gesmolten metaal stapelt. Dit is additieve fabricage, een technologie die belooft vormen te creëren die voorheen onmogelijk te maken waren. Het bouwen van deze onderdelen is echter een delicaat evenwichtspel. Als een wand te dun is, kan deze instorten; als een sectie te ver uitsteekt zonder ondersteuning, kan deze vervormen onder invloed van hitte. Decennialang hebben ingenieurs hun ontwerpen handmatig moeten controleren tegen een lange lijst met regels, simulaties moeten draaien om te voorspellen hoe het metaal zich zal gedragen, en vervolgens het onderdeel opnieuw moeten tekenen als er iets mis leek te zijn. Het is een traag, repetitief proces waarbij menselijk oordeel de kloof overbrugt tussen de ruwe getallen van een computer en de fysieke realiteit van de fabrieksvloer.

Nu verandert een nieuw systeem genaamd AgenticDfAM de manier waarop dit werk wordt uitgevoerd. In plaats van een ontwerp alleen te controleren tegen een statische lijst met regels, gebruikt dit systeem een team van intelligente software-agenten die kunnen redeneren, meten en zelfs de regels die ze volgen kunnen herschrijven. Deze agenten kijken niet alleen naar een afbeelding van een onderdeel; ze interageren met gespecialiseerde hulpmiddelen die de geometrie met extreme precisie meten. Als een ontwerp faalt bij een controle, signaleert het systeem niet alleen een fout; het stelt een oplossing voor, voert een simulatie uit om te zien hoe die fix de sterkte en temperatuur van het onderdeel beïnvloedt, en besluit vervolgens of de wijziging het waard is om door te voeren. Cruciaal is dat het systeem transparant is ontworpen. Elke beslissing die het neemt, wordt onderbouwd door een specifieke meting of een berekend getal dat een menselijke ingenieur kan inspecteren en verifiëren.

De onderzoekers achter dit werk, onder leiding van David Guirguis, wilden zien of ze dit hele proces van ontwerp, beoordeling en reparatie konden automatiseren zonder de strikte standaarden te verliezen die vereist zijn voor engineering. Ze bouwden een workflow waarin een groot taalmodel fungeert als een manager die verschillende softwaretools coördineert om specifieke taken af te handelen. Eén tool herkent de vormen in een digitaal model, een andere meet afstanden en hoeken, en een derde voert complexe natuurkundige simulaties uit om te voorspellen hoe het metaal opwarmt en afkoelt. De taalmodel-agent leest de resultaten van deze tools, interpreteert wat ze betekenen en beslist wat de volgende stap is. Als een onderdeel een sectie heeft die te dun is, kan de agent voorstellen de wand te verdikken. Als dat het onderdeel te zwaar maakt, kan de agent een andere vorm voorstellen. Het systeem houdt een voortdurend logboek bij van elke meting en elke regel die het heeft toegepast, waardoor wordt gewaarborgd dat het uiteindelijke ontwerp niet slechts een gok is, maar een oplossing die gebaseerd is op harde gegevens.

Om dit systeem te testen, begonnen de onderzoekers met een digitaal model van een complex metalen beugel. Ze voerden het in de workflow in, samen met een set fabricagerichtlijnen voor een specifiek type nikkellegering. Het systeem begon onmiddellijk aan het werk door het ontwerp te ontleden in zijn geometrische kenmerken en deze te meten aan de hand van de regels. Het vond verschillende overtredingen, zoals wanden die te dun waren en overstekende delen die te steil waren. De agent genereerde vervolgens drie verschillende manieren om deze problemen op te lossen. Eén strategie hield de algemene vorm van het onderdeel exact hetzelfde maar voegde materiaal toe om zwakke plekken te versterken. Een andere strategie verwijderde materiaal om het onderdeel lichter te maken. Een derde aanpak probeerde beide te balanceren. Het systeem draaide simulaties op elk van deze nieuwe versies om te zien hoe ze zich zouden gedragen tijdens het eigenlijke printproces.

De resultaten lieten zien dat het simpelweg oplossen van de geometrische fouten niet voldoende was. De versie die het meeste materiaal toevoegde om de zwakke plekken te herstellen, vertoonde de minste vervorming wanneer het onderdeel uit de printer werd gehaald. Echter, de versie die materiaal verwijderde om gewicht te besparen, vertoonde in bepaalde richtingen juist meer vervorming, ook al voldeed het aan alle basisgeometrische regels. Deze bevinding benadrukt een belangrijke beperking van traditionele ontwerptools: ze kijken vaak één probleem tegelijk. AgenticDfAM kon daarentegen de afwegingen zien. Het toonde aan dat het sterker maken van een onderdeel op één manier, het zwakker kan maken op een andere manier, en het stelde de ingenieur in staat om deze gevolgen te zien voordat het metaal ooit gesmolten werd.

Het systeem bleek ook in staat te zijn om problemen aan te pakken die niet in de oorspronkelijke lijst met regels stonden. In één experiment vroegen de onderzoekers het systeem om ondersteuningsstructuren te ontwerpen voor een klem. Deze ondersteuningen zijn tijdelijke steigers die het onderdeel vasthouden terwijl het wordt geprint. Het systeem genereerde een ontwerp, maar toen een menselijke beoordelaar ernaar keek, merkte hij iets vreemds op: de steunpunten bevonden zich bovenop het oppervlak van het onderdeel waar ze dat niet hoorden te zijn, in plaats van eronder. In plaats van dit simpelweg als een menselijke fout te markeren, onderzocht de agent het probleem. Het vroeg de software om de afstand tussen de steun en het oppervlak van het onderdeel te meten en realiseerde zich dat de code die de steunpunten genereerde een fout maakte bij gebogen oppervlakken. De agent herschreef vervolgens de code om de fout te herstellen, verifieerde de nieuwe code op een plat en een gebogen oppervlak, en startte het hele proces opnieuw. Dit keer waren de steunpunten correct geplaatst en daalde de hoeveelheid verspild steunmateriaal aanzienlijk.

Misschien wel de meest indrukwekkende demonstratie van de aanpassingsvermogen van het systeem kwam toen het de opdracht kreeg om een onderdeel te herontwerpen om hitte te weerstaan. De simulatie liet zien dat er hitte opbouwde in een specifiek gebied van de beugel, wat het metaal zou kunnen verzwakken. De agent stelde een reeks wijzigingen aan de vorm van het onderdeel voor om de hitteafvoer te verbeteren. Het suggereerde het afronden van scherpe hoeken en het opvullen van nauwe openingen. Na het opnieuw draaien van de simulaties stelde het systeem vast dat een van deze wijzigingen de piektemperatuur met 160 graden Celsius verlaagde. Dit was een enorme verbetering, maar het had een prijs: het onderdeel werd iets zwaarder en bewoog een klein beetje meer wanneer de steunpunten werden verwijderd. Het systeem presenteerde deze afweging helder, waardoor de ingenieur kon kiezen tussen een koeler onderdeel of een lichter onderdeel, met volledige kennis van de consequenties.

Gedurende al deze tests hield het systeem een strikte scheiding aan tussen het redeneren en het meten. De taalmodel-agent kon een wijziging voorstellen, maar kon geen getal verzinnen. Als het de dikte van een wand moest weten, moest het een tool vragen om deze te meten. Als het de temperatuur moest weten, moest het een simulatie vragen om deze te berekenen. Dit zorgde ervoor dat het systeem geen feiten kon hallucineren of gegevens kon verzinnen om een verhaal te ondersteunen. Wanneer het systeem een fout maakte, zoals de initiële fout met de steunstructuren, was het in staat om het probleem te diagnosticeren, de onderliggende code te corrigeren en de fix te verifiëren voordat het verderging. Dit vermogen tot zelfcorrectie en het aanpassen van de procedures die het gebruikt om een ontwerp te bouwen, is wat AgenticDfAM onderscheidt van eerdere pogingen tot automatisering.

De onderzoekers vonden dat het systeem succesvol complexe ontwerpuitdagingen kon navigeren die normaal gesproken een team van ingenieurs en uren handmatig werk vereisen. Het kon overtredingen identificeren, meerdere oplossingen voorstellen, de uitkomsten simuleren en zelfs de code herschrijven die het gebruikt om die oplossingen te genereren. In het geval van de klem verminderde het systeem het aantal keren dat het het ontwerp van de steunstructuur moest herstellen van tien pogingen naar vijf. Het slaagde er ook in om de hoeveelheid verspild steunmateriaal in één oriëntatie met bijna 30 procent te verminderen. Deze verbeteringen gingen niet alleen over snelheid; ze gingen over het vinden van betere oplossingen die een mens misschien gemist zou hebben omdat die te veel gefocust was op één regel of één beperking.

Het werk laat zien dat kunstmatige intelligentie een krachtige partner kan zijn in engineering, niet door de ingenieur te vervangen, maar door het zware werk van meten en berekenen over te nemen. Het systeem fungeert als een onvermoeibare assistent die nooit moe wordt van het controleren van getallen of het draaien van simulaties. Het stelt de menselijke ingenieur in staat om zich te concentreren op het grotere plaatje: beslissen welke afwegingen acceptabel zijn en wat het uiteindelijke onderdeel moet doen. Door de metingen en het redeneren gescheiden te houden, garandeert het systeem dat elke beslissing kan worden teruggeleid naar een specifiek bewijsstuk. Deze transparantie is cruciaal voor sectoren zoals de luchtvaart en de medische wereld, waar een fout ernstige gevolgen kan hebben.

Uiteindelijk laat AgenticDfAM een weg vooruit zien voor hoe we de dingen ontwerpen die we bouwen. Het beweegt voorbij het idee van een computer die simpelweg een lijst met regels controleert, naar een systeem dat de context van een ontwerp kan begrijpen, het gedrag kan voorspellen en zijn eigen methoden kan aanpassen om problemen op te lossen. Het systeem beweert niet alle antwoorden te hebben, maar biedt een manier om ze sneller en met meer vertrouwen te vinden. Het verandert het ontwerpproces in een gesprek tussen menselijke intentie en machinale precisie, waarbij elke suggestie wordt onderbouwd door een getal, en elk getal openstaat voor inspectie. Dit is niet alleen een nieuw hulpmiddel voor ingenieurs; het is een nieuwe manier van denken over hoe we de complexe objecten creëren die onze moderne wereld vormen.