📅 Data publikacji: 10.06.2025
W 2025 roku zespół inżynierów i projektantów w laboratorium TechGen w Krakowie zapoczątkował projekt TopoForge, mający na celu wdrożenie generatywnego designu sterowanego AI do procesów projektowania CAD. W przeciwieństwie do tradycyjnych metod rysowania konturów i ręcznej modelizacji, TopoForge umożliwiał definiowanie wymagań funkcjonalnych—punktów mocowania, wektorów sił działających na komponent oraz dopuszczalnego zakresu odkształceń—po czym automatycznie kreował wiele wariantów kształtu z wewnętrzną strukturą kratownicową. Już w pierwszych tygodniach programiści opracowali moduł przetwarzania danych wejściowych, który analizował dane z FEA (analiza metodą elementów skończonych) i proponował parametry masowego usunięcia nadmiarowych obszarów materiału, zachowując wymagane granice wytrzymałości.
Proces generatywnego designu rozpoczynał się od wprowadzenia modelu bazowego i określenia kryteriów optymalizacji—minimalizacji masy, maksymalizacji sztywności oraz uwzględnienia ograniczeń druku 3D (kąt nachylenia, promień zaokrąglenia ścianek). Algorytm iteracyjnie modyfikował geometrię, testując kolejne iteracje w wirtualnym środowisku, gdzie każda generowana wersja była automatycznie walidowana przez wbudowany silnik FEA. Po kilkuset cyklach wariantów TopoForge wyselekcjonował najlepsze 10 projektów, z których inżynierowie mogli wybrać ostateczny kształt. Ta symbioza ludzkiej intuicji i obliczeń AI skróciła czas koncepcyjny prototypu z kilku dni do kilku godzin, pozwalając skupić się na walidacji i testach fizycznych.
Pierwszym testowym zadaniem było zaprojektowanie wspornika montażowego dla korpusu drona. Użytkownicy wprowadzili wektor sił aerodynamicznych i udarów lądowania, a TopoForge wygenerował strukturę o złożonej splocie kratownicowym, zapewniając 35% redukcję masy przy zachowaniu wytrzymałości na poziomie standardowych stopów aluminium. Po wydruku na maszynie SLM testy mechaniczne wykazały zgodność wyników z symulacjami, co potwierdziło trafność generatywnego podejścia.
W drugiej fazie projektu TopoForge nawiązał współpracę z producentem sprzętu medycznego MediParts. Celem było opracowanie lekkościowych elementów implantów ortopedycznych z kieszeniami na wzrost tkanki kostnej. Wspólne laboratorium w Warszawie zostało wyposażone w drukarki 3D L-PBF oraz kontrolowane komory termiczne, by zoptymalizować proces spiekania. Programiści dostosowali moduł generatywnego designu do specyfiki stopów tytanu medycznego, definiując nowe reguły topologii uwzględniające płynne przejścia między komorami o różnej porowatości.
Po wprowadzeniu danych o obciążeniach ciała, zawartości wapnia i parametrach wzrostu osteoblastów, TopoForge wygenerował wewnętrzną sieć kanalików o średnicy 300–500 µm, wspierając migrację komórek i unaczynienie. Każdą iterację natychmiast weryfikowano pod kątem druku 3D—kąty nachylenia nie mogły przekroczyć 45° bez podpór, a minimalna grubość żeber musiała wynosić co najmniej 0,5 mm. Po kilku dniach testów liniowych powstały implanty wykazujące 25% wyższe wskaźniki integracji kości w badaniach przedklinicznych na modelach zwierzęcych.
Przemysłowy etap obejmował integrację z systemem MES (Manufacturing Execution System), gdzie każdy wygenerowany plik topologii był automatycznie przesyłany do maszyny. Kontrola parametrów druku—mocy lasera, prędkości przesuwu stołu i temperatury podłoża—była zsynchronizowana z warstwami pliku CAD, co gwarantowało powtarzalność przy produkcji wielkoseryjnej. MediParts odnotowało 40% spadek odpadów materiałowych i skrócenie czasu wytwarzania zamówienia z 10 do 4 dni roboczych. TopoForge udowodnił, że AI-Generated Design to nie tylko nowy trend, ale realne oszczędności i przewaga konkurencyjna.
Trzecia faza TopoForge zakładała integrację z technologiami wirtualnej i rozszerzonej rzeczywistości. Projektanci zakładali gogle AR, aby w czasie rzeczywistym wizualizować efekty zmian parametrów topologii na fizycznych prototypach. Dodatkowo opracowano moduł uczenia maszynowego, który analizował dane z czujników drona i automatycznie modyfikował projekty wsporników w locie, dostosowując je do zmieniających się warunków aerodynamicznych.
Równocześnie zespół badał integrację generatywnego designu z bioprintingiem, aby tworzyć rusztowania dla tkanek inżynierii regeneracyjnej. Współpraca z Politechniką Gdańską zaowocowała pierwszymi prototypami bioaktywnych struktur o gradiencie porowatości, które przyspieszały różnicowanie komórek macierzystych i wspierały angiogenezę in vitro.
Na koniec prof. Zieliński stwierdził: „Generatywny design z AI to przyszłość każdego projektu — od mikroskopijnych struktur medycznych po wielkogabarytowe elementy architektoniczne. To algorytmy, które uczą się od inżynierów i zwracają rozwiązania wykraczające poza naszą wyobraźnię.” 🌟