Europe 
Türkiye 
United Kingdom 
Global 
Iniciar sesión con mi cuenta Xometry 
Vincent Ung, director de operaciones y cofundador de Cognitive Design Systems (CDS), nos dedicó su tiempo para arrojar luz sobre el aislamiento existente entre el diseño y la fabricación, cómo el diseño generativo está yendo más allá de la impresión 3D y qué lugar ocupa la IA en el trabajo de ingeniería.
La brecha entre el diseño y la producción
¿Qué problema intentan resolver?
El problema es que la ingeniería de diseño tiene que ser mucho más rápida. Los ingenieros tienen muchas más exigencias a la hora de desarrollar nuevos productos y debemos evolucionar con la tecnología. Por eso, buscamos acelerar los tiempos de ciclo en el diseño de productos, especialmente en las piezas mecánicas.
El equipo fundador está formado por tres personas. ¿Quién tenía experiencia de primera mano con este problema?
Yo no vengo de la ingeniería mecánica, sino de las finanzas. Pero Rhushik y Henri sí son ingenieros mecánicos. Trabajaron intensamente en Japón, en empresas de servicios de fabricación (service bureaus), a cargo de la fabricación y el diseño, y vieron y sufrieron el problema de primera mano.
En las grandes empresas, el diseño mecánico está en un extremo, luego vienen la simulación y los estudios de viabilidad, y en el otro extremo están los encargados de la fabricación en el taller, a quienes casi nunca se les consulta sobre esos diseños. Así que querían acortar esa brecha.
También tienen mucha experiencia en fabricación aditiva, lo que nos impulsó a seguir adelante.
¿Cómo encaja la fabricación aditiva?
La fabricación aditiva (FA) ofrece mayor libertad de diseño, lo que significa que los resultados del diseño generativo son viables para la producción. Empezamos con la fabricación aditiva, pero poco a poco nos fuimos orientando hacia métodos de fabricación más convencionales.
Por tanto, creemos que el diseño generativo no tiene por qué ser exclusivo de la FA; puede utilizarse para la fundición a presión, el mecanizado, el moldeo por inyección y todo lo demás, y podemos aprovechar esas tecnologías para la fabricación en su conjunto.
Usted dice que lo creen. ¿El mercado también lo cree?
Eso es lo que estamos viendo, y parece que empresas como InfinitiForm también. La FA sigue siendo un nicho (y cuando digo FA me refiero a la impresión 3D industrial) y aún no ha alcanzado todo su potencial. En sectores como el aeroespacial hay muchas restricciones de certificación. La cuestión nunca es FA frente a convencional. Depende de lo que se necesite, del rendimiento de la pieza, de los compromisos que se puedan asumir y de la cantidad. Ante la presión de ser más productivos, tenemos que cambiar nuestra forma de diseñar.
El diseño generativo y la optimización topológica existen en las herramientas CAD habituales desde hace tiempo. ¿Por qué no han resuelto el problema del ciclo de diseño?
Con la optimización topológica se reduce el material y se coloca donde las tensiones son mayores, de modo que se obtiene una pieza teórica. Eso no significa que el resultado se pueda fabricar. En Cognitive Design lo hacemos en dos pasos. Primero se mejora el rendimiento de la pieza, y luego se ejecuta lo que llamamos diseño impulsado por la fabricación, un Diseño para la Fabricación (DfM) automatizado que rediseña la pieza para un proceso determinado. Se combinan ambos para sacarle el máximo partido. Y la optimización topológica es solo un enfoque. Hemos desarrollado nuestros propios algoritmos para carcasas y para topologías que no se basan en la tensión.
Lleva un tiempo en el sector de la FA. Todo el mundo está de acuerdo en que permite iterar rápidamente y fabricar internamente, pero su adopción ha sido más lenta de lo esperado. ¿Qué la frena?
Varias cosas. La primera es el coste. La impresión 3D en metal sigue siendo cara en comparación con la fundición a presión o el mecanizado. La segunda es la certificación, que conlleva un coste adicional.
Luego está la madurez. No todo el mundo tiene el mismo nivel de conocimiento sobre lo que la FA puede hacer realmente, el posprocesamiento que necesita y el diseño que exige. Mucha gente llega pensando que puede coger una pieza diseñada para la fabricación convencional y simplemente imprimirla en 3D, y a veces fracasa. La gente también tiene la idea preconcebida de que la impresión 3D solo sirve para el prototipado rápido barato de polímeros, cuando en realidad estamos hablando de aplicaciones reales. Hay grandes casos de uso, pero aún no se ha adoptado por completo.
Generar la pieza y hacerla fabricable
Entonces, ¿cómo resuelve Cognitive Design todo esto?
La capacidad principal es generar múltiples diseños y permitir explorarlos. Se analizan los compromisos entre tensión, rendimiento, coste y huella de carbono, y se entiende qué dirección es la mejor para tus necesidades. Además, utilizamos IA para ir más rápido. La exploración que antes llevaba mucho tiempo, porque la gente diseñaba esas piezas manualmente, ahora se hace con IA.
¿Qué datos introduce el usuario y quién hace el primer modelo?
Como punto de partida, se trae un modelo 3D existente (una malla STL o un archivo STEP) y se añaden los casos de carga si se dispone de simulación. El software lleva integrada una simulación sin malla, por lo que calculamos el rendimiento de la pieza y nos aseguramos de que cumple los criterios. También se ofrecen varios materiales y se pueden importar los propios, de modo que se puede comparar el titanio frente al aluminio o el Inconel en procesos como la FA y el mecanizado.
¿Cómo utilizan el diseño generativo y qué lo hace tan rápido, tal y como afirman en su web?
El diseño generativo se utiliza casi siempre. Lo usamos para la optimización topológica con el fin de encontrar la mejor pieza teórica. Tenemos un algoritmo específico para carcasas (una caja de cambios, por ejemplo) y otro conjunto que llamamos tejido topológico (topology weaving), donde se crean diseños que no dependen de la tensión, conectando regiones funcionales a lo largo de una trayectoria.
Hace poco lanzamos un diseño de experimentos, que permite generar diseños a través de una serie de parámetros. En lugar de un valor, dices: «quiero que esto se pruebe entre 0,5 y 10», y crea una matriz y genera muchos diseños automáticamente.
La velocidad proviene de nuestro propio núcleo implícito. El modelado implícito representa un modelo 3D mediante campos, de forma similar a como lo hace una empresa como nTop, y ahí hacemos todas las modificaciones, motivo por el cual también hicimos que la simulación fuera sin malla. Todo se ejecuta de forma implícita casi hasta el final, donde se necesita una malla, y entonces se exporta una malla o un archivo STEP con una reconstrucción de malla a B-rep.
La siguiente capacidad es el Diseño para la Fabricación (DfM). Cuéntenos un poco sobre esto.
Hoy en día contamos con cinco procesos principales: FA, mecanizado, fundición a presión, forja y moldeo por inyección. Tomamos las reglas del Diseño para la Fabricación (DfM) y las usamos para modificar las piezas; la particularidad es que las reglas son personalizables. Los clientes aportan sus propias reglas internas de DfM y las aplican al diseño. Para una pieza moldeable, los ángulos de desmoldeo, las contrasalidas y el espesor de pared importan mucho, y el software rediseña automáticamente para respetar esas restricciones.
Entonces, ¿proporcionan un conjunto de reglas que puedo editar? ¿Es solo algorítmico o también hay un componente de IA?
Esta parte es algorítmica, se basa en reglas.
¿Cómo funciona el flujo? ¿Primero obtengo iteraciones del diseño generativo y luego ejecuto el diseño para la fabricación?
Sí, es secuencial, en dos pasos. Eso nos diferencia bien de algunas herramientas existentes, que integran las restricciones de fabricación en el solucionador de optimización topológica y, al final, puede que no te den piezas que se puedan fabricar. Lo dividimos porque, de lo contrario, tienes demasiadas restricciones a la vez y no converge bien.
Tomando el mecanizado como ejemplo, los diseños muy difíciles se pueden fabricar, pero tienen un precio acorde. ¿Cómo se evita que el resultado se convierta en una pieza cara y excesivamente compleja?
En el mecanizado actualmente solo tenemos 3 ejes, pero tiene razón, el mecanizado puede volverse complejo. Generamos piezas más prismáticas y se pueden definir direcciones en x, y y z, por lo que el resultado es más favorable para el mecanizado. No te ves obligado a obtener la pieza más cara y compleja, aunque podrías hacerlo.
También te ofrecemos una estimación de costes para guiar esas decisiones, y funciona de la misma manera que el DfM: configurable por el cliente (los salarios, las tarifas por hora, el precio de la máquina, el material). La idea no es calcular el coste al céntimo, sino entender si el mecanizado sale más rentable que otro proceso y el orden de magnitud de la diferencia de precio.
¿Qué es el diseño impulsado por la simulación?
Realizamos simulaciones mecánicas y térmicas para validar las piezas y asegurarnos de que cumplen los requisitos; luego utilizamos los datos de tensión para optimizar aún más. Se añade material donde hay mucha tensión y se quita donde hay menos. En la FA, se pueden colocar estructuras reticulares o estructuras TPMS basadas en los niveles de tensión, aplicar desfases de superficie (offsets) o añadir nervios. También se pueden importar datos de tensión desde un solucionador externo como Ansys, Abaqus o Nastran, y nosotros leemos esos resultados y modificamos la geometría en consecuencia.
O sea que se convierte en un bucle.
Exactamente. La idea es un bucle entre todos esos elementos. Una vez que has creado tu flujo de trabajo, puedes ejecutarlo en un montón de piezas diferentes, cambiando los parámetros o las condiciones de contorno para generar los diseños.
Cuando el ordenador ya hace tanto, el ingeniero todavía tiene que entenderlo. Después de diez buenos resultados, ¿los ingenieros no empezarán a confiar ciegamente en el software?
La mayoría de los ingenieros utilizan nuestro software para converger en el mejor concepto lo más rápido posible y, al final, lo validan en una herramienta certificada como Ansys. Ansys puede tardar horas o incluso días, así que la clave es que no iteran en él, solo lo ejecutan una vez al final, cuando ya han convergido en la mejor pieza teórica.
¿Qué significa la función de «flujos de trabajo reutilizables» (reusable workflows) en su sitio web?
A medida que usas el software, construyes un flujo de trabajo, básicamente una metodología o conocimiento de diseño que entiendes como ingeniero. Lo empaquetas, se lo envías a otro equipo, y ellos reutilizan las entradas y salidas para obtener un resultado similar con datos diferentes. Encapsulas el conocimiento tanto de los ingenieros de fabricación como de diseño. A eso me refería con reducir la brecha entre ellos, y todo ese conocimiento se queda a nivel interno en la empresa.
¿Dónde entra la IA aquí?
La usamos de varias maneras, y no de la misma forma que otros. A veces para estimar costes más rápido, a veces para el reconocimiento de características (por ejemplo, reconocer cilindros y superficies cuando reconstruimos una malla a B-rep). Pero lo más importante es que nos integramos con los grandes modelos de lenguaje (LLM) existentes. Hemos hecho integraciones con Claude y otros**;** somos agnósticos. En lugar de usar la interfaz, puedes quedarte en tu LLM y decirle: «aquí está la carpeta con mis piezas, optimízalas para mecanizado, fundición a presión y FA, dame un diseño de experimentos con varios materiales, aquí están los casos de carga en mi Excel, ejecútalo». El LLM está integrado como un servidor MCP, por lo que tiene el contexto y puede usar el software de forma autónoma, casi como si creara el flujo de trabajo por sí mismo.
Empezaron en 2021. ¿Cuánta IA habría si empezaran en 2025 o 2026?
Sería parecido, porque nuestra postura es que la IA es un facilitador. No estás eliminando al humano, estás acelerando la toma de decisiones para poder explorar más variantes de diseño. No creo que los ingenieros sean reemplazados. Consigues equipos más pequeños y mucho más eficientes que producen más, y eso ya lo estamos viendo. Los días en que alguien era un experto porque conocía CATIA desde hacía 20 años y sabía qué botones pulsar han quedado atrás. A un ingeniero no se le define por su capacidad para usar un software, sino por cómo toma decisiones a partir de sus conocimientos y sus resultados.
Me parece que cuanto más lejos están los fundadores de la ingeniería, más seguros están de que la IA hará ingeniería autónoma. Los fundadores ingenieros dicen que la IA ayuda acelerando el trabajo de los ingenieros, principalmente eliminando algunos flujos tediosos y tareas repetitivas.
Nosotros estamos en ese bando. Dos de los fundadores son ingenieros mecánicos, y tenemos a muchos ingenieros (no solo de diseño, sino de fabricación), por lo que entendemos las restricciones reales de las máquinas y la producción. Incluso con una gran automatización, se necesita un humano para validar, por normativa y para asegurarse de que el cálculo es correcto, porque la IA puede alucinar. En un sector muy sensible, no veo cómo la EASA aprobaría una pieza generada por IA que nunca se simuló en Ansys u otra herramienta certificada. Hay empresas que hacen simulación con IA (predicciones en lugar de cálculos reales), lo cual es genial para explorar variantes y converger en la mejor. Pero no nos veo eliminando el cálculo por elementos finitos (FE) al final. Sigue siendo una herramienta que necesita ser validada.
Al servicio de los OEM de automoción, defensa y aeroespacial
¿Para quiénes trabajan?
Nos centramos sobre todo en tres sectores: aeroespacial, defensa y automoción, y prestamos servicio a grandes OEM (fabricantes de equipos originales). Nuestro mayor cliente hoy en día es Safran, en el sector aeroespacial. Dos de los fundadores trabajaban en Japón, por lo que tenemos fuertes lazos con clientes japoneses, principalmente de automoción y espacio, mientras que en Francia se trata principalmente de defensa y aeronáutica. La empresa tiene su sede en Toulouse, la cuna de Airbus, por lo que hay muchos proveedores y grandes empresas aeronáuticas en la zona.
¿Cuántas empresas utilizan el software hoy en día?
Entre 60 y 70.
¿Puede dar un ejemplo de un cliente que ponga esto en práctica?
Un buen ejemplo es Thales Alenia Space. Fabrican soportes para satélites y tenían que diseñar una familia de unos 80, con diferentes combinaciones, topologías y formas; antes todo se hacía manualmente. Con nuestro software construyeron un flujo de trabajo que optimiza cada forma, comprueba si es mejor en FA o en mecanizado, y qué material es el mejor. Una vez que lo hicieron para un soporte, automatizaron toda la familia, porque los casos de carga eran similares y es paramétrico, por lo que se reutiliza el trabajo de la primera pieza. Funciona especialmente bien cuando se tiene una familia de piezas similares o se desea reutilizar una metodología en varias piezas.
¿Cuál es el tipo de éxito que más les satisface?
Como ingenieros, nos encanta ver piezas. El propósito de CDS es pasar del diseño a una pieza real fabricada, así que nos encanta cuando un cliente nos envía fotos de algo que realmente ha fabricado a partir de un diseño en nuestro software. El retorno de inversión (ROI) es la eficiencia: pasar de cientos de horas a decenas, y a veces los clientes alcanzan un rendimiento que simplemente no podían lograr con sus herramientas actuales.
On-premise (en local) por elección
¿Cuánto cuesta Cognitive Design y cómo se fijan los precios?
Es una licencia SaaS, pero el software es on-premise (en local), lo cual es una verdadera ventaja. No hay conectividad en la nube, por lo que los datos siguen siendo propiedad exclusiva. Tenemos licencias fijas y flotantes, y el rango de precios oscila entre 10 000 y 20 000 euros, dependiendo de la licencia y el módulo.
¿El requisito de ser on-premise provino de los sectores a los que prestan servicio, como el aeroespacial?
Sí, y fue una elección consciente. Podríamos implementarlo en la nube, pero eso impediría que muchos de nuestros clientes utilizaran la solución.
¿Puedo pagar por una funcionalidad limitada, como solo diseño generativo o diseño para la fabricación?
Sí, tenemos algunos paquetes dependiendo del módulo, pero la mayoría de los clientes optan por el paquete completo.
¿Cuánto tiempo lleva la configuración desde el día que firmo hasta que el primer ingeniero lo usa?
Normalmente, unos pocos días. En algunas empresas hay restricciones informáticas y de ciberseguridad, pero es como instalar una aplicación en tu escritorio. Hacemos implementaciones en servidores para clientes más grandes con más de una licencia, y licencias flotantes para que puedan tener usuarios simultáneos.
¿Cuánto soporte proporcionan?
Siempre ofrecemos soporte, y la incorporación (onboarding) es clave porque es una nueva forma de diseñar. El software es muy fácil de usar. Se conectan bloques con conectores, de forma similar a Grasshopper o Rhino si se ha diseñado paramétricamente de esa manera. En uno o dos días ya eres independiente, y apoyamos a los clientes a medida que se convierten en usuarios más intensivos de la plataforma.
¿Se integra con las herramientas CAD y PLM que ya utilizan los equipos?
Nos encantaría. No siempre es fácil trabajar con otros proveedores de software, porque las empresas de CAD son muy protectoras de su PLM, que es realmente su núcleo, si pensamos en Dassault Systèmes o Siemens. Hay soluciones de empresas como Tech Soft 3D para conectarse a esos PLM, y es algo que estamos estudiando. Queremos estar más integrados en el flujo de trabajo de la ingeniería, porque las grandes empresas necesitan interoperabilidad y, lo que es más importante, trazabilidad con el PLM.
Entonces, a día de hoy, si uso SolidWorks, ¿exporto un archivo STEP, utilizo su software y vuelvo a importar?
Sí, se optimiza y luego se vuelve a importar el archivo STEP en tu software CAD al final.
Los próximos cinco años
¿Cómo será la ingeniería de diseño en cinco años?
Cada vez más ingenieros utilizarán software que les haga eficientes. El diseño generativo sin duda ha llegado para quedarse, y los enfoques basados en la física con IA serán complementarios a las suites que la gente ya utiliza (para validar, para generar, para ser más productivos). Hoy en día solo hay tres suites principales: Dassault, Siemens y PTC o Autodesk, que cubren todo, desde CAD hasta CAE, PLM, MES y ERP. A las grandes empresas les resultará difícil alejarse de ese ecosistema, así que nosotros nos situamos a su lado.
También creo que habrá mucha consolidación, y que las empresas grandes y medianas integrarán más funcionalidades. Lo interesante será ver si una empresa de IA da ese paso y compite con los proveedores de software; si Anthropic se posiciona algún día como una herramienta de ingeniería. Han entrado en muchos sectores verticales a través de adquisiciones, por lo que podrían revolucionar estas industrias de la misma manera.
¿Qué es lo que la industria subestima y qué sobreestima de la IA?
Es una pregunta complicada. Creo que estamos subestimando el ritmo al que avanza la IA. Los modelos más antiguos eran como un recién licenciado con conocimientos básicos de física, y con los modelos más nuevos el razonamiento es mucho más profundo y complejo.
Por otro lado, estamos sobreestimando nuestra propia capacidad para digerirla. La IA no deja de aportar novedades y, como humanos, nuestra adaptación a las nuevas tecnologías es mucho más lenta que el ritmo al que avanzan las máquinas, especialmente en este sector.
Muchas de las empresas de IA de este espacio parecen mantener una relación cordial e incluso hablan de cooperación, lo que no siempre ocurre con las startups. ¿Qué grado de optimismo tiene respecto a la posibilidad de reunir estas soluciones?
Sinceramente, la mayoría de los fundadores de software de ingeniería nos conocemos, así que tenemos un trato cordial incluso siendo competidores. Sabemos que no podemos hacerlo todo nosotros mismos, y al final lo que queremos es mejorar la vida de los ingenieros. Nadie quiere un software para CAD, otro para PLM, otro para MES y otro para simulación. Quieres una única plataforma que lo englobe todo, y por eso hablamos de complementariedad. Además, con la IA y los LLM, la interoperabilidad es un cuello de botella mucho menor. Un agente LLM se conecta a través de servidores MCP a multitud de herramientas diferentes, de modo que tú no importas ni exportas tu modelo 3D entre ellas: el agente lo hace por ti. Podríamos imaginar a las empresas de IA como el núcleo, conectándose a diferentes programas, y al agente haciendo el trabajo tedioso que aportaba poco valor.
¿Alguna empresa de IA en diseño o fabricación interesante que destacaría?
Unas cuantas. La semana pasada estuvimos hablando con PhysicsX. Conocemos bastante bien a Neural Concept y Synera. Está InfinitiForm, que hace algo parecido a nosotros. Aún estamos en los inicios, y será interesante ver si algunas de estas startups acaban complementándose para competir con los grandes, como Dassault y Siemens.
Related Topics
Javier López Picazo
6
Uliana Krayneva
0
Comment(0)