Algoritminen suunnittelu ideoinnin työkaluna - Tapauksena seinävalaisin

Aalto-yliopisto

Taiteiden ja suunnittelun korkeakoulu Muotoilun laitos

Algoritminen suunnittelu ideoinnin työkaluna

Tapauksena seinävalaisin

Kalle Nikula

2021

Aalto-yliopisto, PL 11000, 00076 AALTO www.aalto.fi Taiteen kandidaatin opinnäytteen tiivistelmä

Tekijä Kalle Nikula

Työn nimi Algoritminen suunnittelu ideoinnin työkaluna – Tapauksena seinävalaisin Laitos Muotoilun laitos

Koulutusohjelma Muotoilun pääaine Vastuuopettaja Severi Uusitalo Työn ohjaaja(t) Severi Uusitalo

Vuosi 2021 Sivumäärä 40 Kieli suomi

Tiivistelmä

Tämän opinnäytetyön aiheena onalgoritmisen suunnittelun käyttö muotoiluprojektin ideointivai- heessa. Tässä työssä aiheeseen tutustutaan sekä teoreettiselta että käytännölliseltä kannalta. Tu- tustun siihen, kuinka algoritmit auttavatsuunnitteluavaruuden tutkimisessa ja siihen, mitä algorit- misen suunnittelun työkaluilta vaaditaan. Suunnittelen algoritmiavusteisesti seinävalaisimelle var- jostimen, joka tulee todelliseen kohteeseen. Työn tavoitteena on saada aikaan asiakkaan toiveet täyttävä varjostinkonsepti, sekä tehdä hyödyllisiä havaintoja siitä, miten algoritminen suunnittelu vaikuttaa suunnitteluprosessiin.

Työssä käytettävät ohjelmat ovat Rhinoceros3D, sen lisäosa Grasshopper, sekä liitännäinen Bio- morpher. Teen varjostimelle kolme erilaistagenotyyppiä, jotka kukin kattavat tietyn osan ratkai- suavaruudesta. Generoin niiden avulla lukuisia vaihtoehtoja, joista voidaan valita mieluisin jatko- suunnitteluun.

Lopputuloksena syntyi konsepti, johon asiakas on tyytyväinen. Oman työn reflektoinnin kautta voin todeta, että menetelmä on työläs ja jonkin verran rajoittaa ideointia. Vähäinen kokemukseni tosin vaikuttaa tähän arviointiin. Algoritmisella suunnittelulla on kuitenkin erittäin merkittäviä etuja, kuten mahdollisuus luoda suuri määrä variaatioita, sekä kyky luoda monimutkaisia ja tois- tuvia muotoja. Lisäksi automaattisen generoinnin kautta voidaan löytää ratkaisuja, joita ei olisi muuten tullut ajatelleeksi.

Avainsanat algoritminen suunnittelu, parametrinen suunnittelu, generatiivinen suunnittelu,

Sisällysluettelo

Käsitteitä ... 4

1 Johdanto ... 5

2 Suunnittelutehtävä ... 6

3 Suunnitteluavaruus ... 7

3.1 Suunnitteluavaruus työkaluna ja prosessin kuvauksena ... 7

3.2 Suunnitteluavaruus ja rajoitteet varjostimen suunnittelussa ... 8

4 Algoritminen suunnittelu ... 11

4.1 Terminologia ja menetelmät ... 11

4.2 Käytännön menetelmä generatiiviseen suunnitteluun... 12

4.3 Rhinoceros 3D ja Grasshopper ... 13

5 Varjostimen ratkaisuavaruuden tutkiminen ... 16

5.1 Inspiraation lähteitä ... 16

5.2 Genotyyppi 1 ... 17

5.3 Genotyyppi 2 ... 20

5.4 Genotyyppi 3 ... 25

6 Vaihtoehtojen arviointi ja jatkokehitys... 29

7 Keskustelu ... 32

7.1 Design-fiksaation uhka... 32

7.2 Algoritmisen menetelmän vaikutus suunnitteluprosessiin ... 33

8 Yhteenveto ... 36

Lähteet... 37

Liite 1: Genotyyppi 1 ... 38

Liite 2: Genotyyppi 2 ... 39

Liite 3: Genotyyppi 3 ... 40

Käsitteitä

Käsitteillä ja termeillä voi olla useita selityksiä ja käyttötapoja. Tässä esitellään tässä työssä käytetyt määritelmät.

Algoritmion yksiselitteinen kuvaus tai ohje, jota seuraamalla jokin tehtävä toteutetaan tai jokin ongelma ratkaistaan.

Algoritminen suunnittelu on menetelmä, jossa suunnittelutyötä tehdään algoritmien avulla.

CAD(computer aided desing) on lyhenne kaikelle tietokoneavusteiselle suunnittelulle.

Design-fiksaatio on tahatonta tai tahallista lukkiutumista tiettyyn ratkaisuun tai ratkaisu- tyyppiin. Se voi tarkoittaa joko suunnittelun pohjautumista liikaa aiempaan vastaavaan to- teutukseen, tai lukkiutumista tiettyyn vaihtoehtoon liian varhaisessa suunnitteluvaiheessa.

(Crilly 2005.)

Fenotyyppi koostuu yhden genotyypin tuottaman yksilön kaikista havaittavista ominaisuuk- sista. Algoritmisessa suunnittelussa pyritään siihen, että yksi fenotyyppi edustaa tiettyä rat- kaisuavaruuden aluetta (Krish 2011).

Generatiivinen suunnittelu on menetelmä, jossa ohjelmiston avulla automaattisesti gene- roidaan lukuisia variaatioita tuotteesta.

Genotyyppi koostuu yhdestä algoritmista ja sen kaikista mahdollisista lähtöarvoista.

Parametri on jokin ominaisuus, jonka avulla voidaan ohjata isomman kokonaisuuden ra- kentumista. Esimerkiksi suorakaiteen parametrejä ovat leveys ja korkeus.

Suunnitteluavaruus (design space) on konseptuaalinen avaruus, joka sisältää kaikki mah- dolliset suunnitteluongelman määrittelyt ja niiden ratkaisut. Suunnitteluavaruus voidaan ja- kaa ongelma-avaruuteen ja ratkaisuavaruuteen.

Ongelma-avaruus on konseptuaalinen avaruus, joka sisältää kaikki mahdolliset suunnitte- luongelman määrittelyt.

Ratkaisuavaruus on konseptuaalinen avaruus, joka sisältää suunnitteluongelman kaikki mahdolliset ratkaisut.

1 Johdanto

Algoritmien avulla voidaan generoida suunniteltavasta tuotteesta lukuisia variaatioita. Tällä tavalla voidaan tietokoneavusteisesti tutkiasuunnitteluavaruutta (Krish 2011).Algoritminen suunnittelu on jo jonkin aikaa ollut arkkitehtien työkalu. Arkkitehtuurissa tosin käytetään ter- miäparametrinen suunnitteluja puhutaan jopa parametrismista tyylisuuntana. Tuotesuun- nittelussa se ei kuitenkaan ole saanut samalla tavalla jalansijaa. (Markkula 2017.) Algoritmi- sella suunnittelulla on suuria etuja perinteiseen piirtämiseen tai 3D-mallintamiseen nähden.

Algoritmisen suunnittelun avulla voidaan tuotteesta generoida nopeasti suuri määrä erilai- sia variaatioita. Lisäksi algoritmien avulla voidaan luoda monimutkaisia ja toistuvia muotoja, joita olisi vaikea tuottaa perinteisillä mallinnusmenetelmillä.

Tässä työssä tutkitaan, kuinka algoritmista suunnittelua voidaan käyttää muotoiluprojektin ideointivaiheessa. Henkilökohtainen motiivini on myös opetella näiden työkalujen käyttöä.

Sovellan algoritmista suunnittelua seinävalaisimen varjostimen muotoiluun. Teen muuta- man erilaisen algoritmin, joiden avulla pyrin mahdollisimman laajasti tutkimaan ja havain- nollistamaan erilaisia vaihtoehtoja. Varjostimen suunnittelussa pyrin siihen, että kykenen itse valmistamaan sen käyttäen Aalto-yliopiston työpajoja. Valaisin kun tulee todelliseen kohteeseen: asiakkaana on ystäväpariskuntani, joka pyysi minua tekemään heidän asun- tonsa portaikkoon uuden varjostimen. Suunnittelussa on lukuisia rajoitteita, kun suunnitel- laan uutta varjostinta olemassa olevan tilalle. Esimerkiksi valaisimen sijaintia tai valaisevan lampun tyyppiä ei voi muuttaa. Lisäksi asiakkaan toiveet asettavat työlle reunaehtoja. Ta- voitteena on saada aikaan asiakasta miellyttävä varjostinkonsepti, sekä tehdä hyödyllisiä ha- vaintoja siitä, miten algoritminen suunnittelu vaikuttaa suunnitteluprosessiin.

Luvussa 3 tutustun ensin siihen, kuinka suunnitteluavaruus voidaan nähdä suunnittelijan työ- kaluna ja suunnitteluprosessin kuvauksena (Westerlund 2005). Tutustun myös suunnitte- luavaruusajattelun (design-space thinking) käsitteeseen (Halskov & Lundqvist 2021). Poh- din, kuinka oma projektini suhtautuu näihin ajatuksiin ja kuinka voin soveltaa niitä omaan työhöni varjostimen suunnittelussa. Luvussa 4 käyn läpi, kuinka algoritminen suunnittelu voi tukea suunnitteluavaruuden tutkimista (Krish 2011). Luvuissa 5 ja 6 esittelen suunnittelu- työni tuloksia. Luvussa 7 reflektoin oman työni kautta, kuinka algoritminen suunnittelu vai- kuttaa työprosessiini. Työn aikanadesign-fiksaation vaara nousi esille pohdinnoissa. Lukui- sat rajoitteet sekä omien taitojen rajoittuneisuus uuden työkalun käytössä lisäävät riskiä, että ratkaisuavaruutta ei tule tutkittua riittävän laajasti. Luvussa 7 pohdin suunnitteluprosessiani myös tästä näkökulmasta.

2 Suunnittelutehtävä

Asunto sijaitsee vanhalle konepaja-alueelle rakennetussa kerrostalossa, joka on valmistunut 2010-luvulla. Valaisin sijaitsee asunnon portaikon seinässä. Alkuperäinen varjostin oli puo- lisylinterin muotoinen ja materiaaliltaan maalattua terästä. Valoa tuli lähinnä valaisimen ylä- ja alaosista sekä jonkin verran varjostimen pinnalla olevista ympyrän muotoisista rei’istä, joita oli varjostimen ylä- ja alareunoilla. Asiakkaat eivät arvostaneet varjostimen tylsää ulko- näköä ja heikkoja valaisuominaisuuksia. Heidän näkemyksensä mukaan kosmeettiset muu- tokset alkuperäiseen varjostimeen eivät tuota riittävän hyvää lopputulosta. Kuvassa 1 on esitetty valaisin alkuperäisessä asussaan.

Kuva 1. Valaisin alkuperäisellä varjostimella.

3 Suunnitteluavaruus

3.1 Suunnitteluavaruus työkaluna ja prosessin kuvauksena

Muotoiluajattelussa suunnitteluavaruuden (design space) käsite on oleellinen. Suunnitte- luavaruus edustaa ongelman kaikkia mahdollisia määrittelyjä ja ratkaisuja, jotka täyttävät ratkaisulle asetetut vaatimukset. Suunnitteluavaruus on erittäin kompleksinen ja moniulot- teinen ja sisältää loputtoman määrän ratkaisuja (Westerlund 2005.) Sen voi jakaa kahteen osaan: ongelma-avaruuteen ja ratkaisuavaruuteen. Muotoilutyössä ongelma ei ole yleensä etukäteen tarkkaan määritelty, vaan kyseenalaistetaan sekin, ovatko ongelma ja sen ratkai- sutavat sitä mitä etukäteen kuviteltiin. Tällöin kartoitetaan ongelma-avaruutta. Kun on pää- tetty, mitä ongelmaa ollaan ratkaisemassa, aletaan tutkia ratkaisuavaruutta. Prosessi ei kui- tenkaan välttämättä ole lineaarinen, vaan voidaan uudelleen palata pohtimaan myös ongel- man määrittelyä.

Tietyissä tapauksissa suunnitteluavaruuden voi nähdä ikään kuin kartesiolaisena koordinaa- tistona, jossa akselit kuvaavat jotakin ominaisuutta. Tuotteen parametrejä muuntelemalla voidaan liikkua näillä akseleilla ja etsiä avaruudesta erilaisia ratkaisuja. Tällainen ajattelutapa soveltuu yleensä ratkaisuavaruuden tutkimiseen ja on algoritmisen suunnittelun taustalla.

Suunnitteluavaruuden voi nähdä myös konseptuaalisena avaruutena. Tällöin avaruus kuvaa kaikkia mahdollisia ratkaisuja, mutta sieltä ei voi suoraan etsiä ratkaisuja koordinaattien avulla. Tässä ajattelutavassa tarkoituksena on ymmärtää avaruuden rajoja ja aktiviteetit koh- distuvat näihin rajoihin. Kun kartesiolaisen suunnitteluavaruuden kohdalla puhutaan ulottu- vuuksista ja parametreista, konseptuaalisen avaruuden kohdalla voi puhua lähinnä aspek- teista. (Halskov & Lundqvist 2021, 5–6.)

Suunnitteluavaruutta voi lähestyä sekä tutkimalla (exploratory approach) että kokeilemalla (experimental approach). Tutkiessa painotus on vaatimusten ja haluttavien ominaisuuksien selvittelyssä. Kokeilevassa lähestymistavassa tarkastellaan ratkaisujen riittävyyttä ja tulok- sena on yleensä kyllä- tai ei-vastaus. (Westerlund 2005.) Tietyn suunnitteluavaruuden osan tutkimista kutsutaan myös nimellä filtteröinti (filtering). Tämä voi tarkoittaa prototyyppien tekoa, skissailua, tai melkein mitä tahansa muotoilijan käyttämää työkalua. Halskov & Lund- qvist (2021) ehdottavat tämän rinnalle termiäinforming the design space, joka tarkoittaa suunnitteluavaruuden rajojen tutkimista ja sen laajentamista. Tällöin painopiste on laadulli- sessa tutkimuksessa. Tämä informointi voi tapahtua samoilla työkaluilla kuin filtteröintikin, mutta yleensä tärkeitä työkaluja ovat esimerkiksi kenttätutkimukset, työpajat, inspiraation lähteet ja niin omat kuin kilpailijoidenkin kokemukset. (Halskov & Lundqvist 2021, 2.)

Bo Westerlundin (2005) mukaan suunnitteluavaruus ei ole pelkästään työkalu, vaan myös suunnitteluprosessin kuvaus. Kaikki suunnittelutyö tukee suunnitteluavaruuden ymmärtä- mistä. Vaihtoehtoisia prosessin selityksiä ovat lineaarinen malli (waterfall model), kehämalli (circular model) ja suppilomalli (funnel model). Lineaarisessa mallissa edetään suoraan on- gelman määrittelystä ideointiin ja testaukseen, kehämallissa ratkaisut vaikuttavat lähtökoh- tiin ja suppilomallissa ideoidaan monta vaihtoehtoa ja valitaan näistä paras. Westerlundin mukaan muotoilussa ei työskennellä niinkään suhteessa ongelmaan, vaan suunnitellessa kaikki mahdolliset ratkaisut ovat aktiivisessa käytössä. Hänen mukaansa tosin mikään yksit- täinen malli ei kerro koko kuvaa yhdestäkään suunnitteluprosessista. (Westerlund 2005.) Halskov & Lundqvist (2021) ovat samoilla linjoilla ja ehdottavat termiädesign-space thinking osaksi muotoilututkimusta ja tavaksi ymmärtää muotoiluprosessia. Suomeksi voisi ehkä pu- hua suunnitteluavaruusajattelusta. Halskov & Lundqvist näkevät hyödyllisenä ajatuksen, että ei keskityttäisi pelkästään yksittäisiin tuotoksiin, vaan myös aktiviteettien, materiaalien ja ideoiden muodostamaan kokonaisuuteen, jonka osia yksittäiset ratkaisut ovat. Heidän mu- kaansa suunnitteluavaruusajattelu kaipaa vielä formalisointia ja metodeja, kuten työkaluja prosessin kuvaamiseen ja dokumentointiin. (Halskov & Lundqvist 2021, 23–24.)

3.2 Suunnitteluavaruus ja rajoitteet varjostimen suunnittelussa

Rajoitteet ovat tärkeä osa suunnitteluprosessia ja ne vaikuttavat oleellisesti suunnitte- luavaruuden laajuuteen. Ne voivat olla jäykkiä, osittain jäykkiä, tai joustavia. Esimerkiksi lait ja asetukset ovat olla jäykkiä rajoitteita. Asiakaslähtöiset rajoitteet ovat osittain jäykkiä ja muotoilijan itse asettamat rajoitteet ovat joustavia. (Westerlund 2005.)

Uuden varjostimen materiaaliksi asiakkaat toivoivat metallia, kuten messinkiä. Vaatimuk- sena on, että lamppu ei häikäise varjostimen läpi tai ohi. Asiakas toivoo uuden varjostimen olevan vanhaa suurempi, jotta seinää ei tarvitse maalata uudelleen. Varjostimen kiinnitys- tapa halutaan pitää samana. Rungossa on lampun etupuolella kaksi kiinnityskohtaa ruuville.

Kuvassa 2 vasemmalla on esitetty valaisin ja varjostimen kiinnityskohdat. Asiakkaan asetta- mat rajoitteet vaikuttavat jäykiltä tai osittain jäykiltä. Niitä kaikkia voisi kuitenkin kutsua osit- tain jäykiksi, koska asiakkaan kanssa on keskusteluyhteys ja rajoitteista voidaan neuvotella.

Paikan päällä käydessäni ensimmäinen ajatukseni oli, että valaisimen sijainti nurkan lähellä aiheuttaa rajoitteita varjostimen koon suhteen. Varjostimen korkeuden on ehkä luontevaa olla leveyttä suurempi. Jos pidetään kiinni siitä, että seinää ei maalata uudelleen, varjosti- men korkeuden tulee joka tapauksessa olla vähintään n. 35 cm. Varjostimesta tulisi varsin

keskellä, mutta nurkan lähellä se ei mielestäni toimi. Tein nopeasti pahviprototyypin varjos- timen mittojen tutkimiseksi (kuvassa 2 oikealla). Sen koko on 20 x 40 x 8 cm. Totesin, että kun lampun läheltä kuljetaan, tämä näyttää jo aika isolta, eikä lopullinen saa olla ainakaan paljoa pahviprototyyppiä suurempi.

Kuva 2. Varjostimen kiinnitys ja väliaikainen pahviprototyyppi.

Valmistuksen suhteen otan rajoitteeksi, että metalliosat tehdään yhteen suuntaan taivute- tuista levyistä, jotta ei tarvitse tehdä muottia levyn prässäämiseen. Muotin tekeminen olisi kallista ja työlästä. Vaatimus metallisesta pinnasta ei kuitenkaan ole ehdoton, joten tutkin myös muita vaihtoehtoja. Joka tapauksessa muistakin levymateriaaleista, kuten muovista tai vanerista valmistettaessa on samalla tavalla kustannussyistä hyvä pitäytyä yhteen suuntaan kaarevissa pinnoissa.

Kun suunnitellaan uutta varjostinta vanhan tilalle ja rajoitteita on lukuisia, ongelma-avaruu- den tutkiminen on rajatumpaa kuin monessa muussa suunnittelutehtävässä. Ei voida tutkia esimerkiksi erilaisia sijoitusvaihtoehtoja tai valaisintyyppejä. Yksi ongelma-avaruuteen kuu- luva seikka on, kuinka paljon valoa lamppu tuottaa. Varjostimen valmistettavuuden ja val- mistusmenetelmien rajoitusten selvittämisen voi myös sijoittaa ongelma-avaruuteen. Tästä käy esimerkkinä pohdinta kaksoiskaarevien pintojen sallimisesta tai kieltämisestä. Toisaalta

ei ole ihan selvää, kuuluuko jokin asia ongelma- vai ratkaisuavaruuteen. Valmistettavuutta pohdittaessa valmistusmenetelmien mahdollisuuksien tutkimisen voisi katsoa olevan myös ratkaisuavaruuden rajojen tutkimista.

Ennen kuin aloitan algoritmisen suunnittelun, ratkaisuavaruus on mielessäni konseptuaali- sessa muodossa. Tällöin tutkin ratkaisuavaruutta esimerkiksi etsimällä internetistä kuvia eri- laisista seinälampuista, skissailemalla omia ideoita ja hakemalla inspiraatiota mistä tahansa sitä voi löytää. Kun varjostinta suunnitellaan algoritmiavusteisesti, on selvää, että ratkai- suavaruutta käsitellään avaruutena, jolla on määritellyt ulottuvuudet ja jota pyritään järjes- telmällisesti kartoittamaan. Varjostin parametrisoidaan ja nämä parametrit edustavat raja- tun ratkaisuavaruuden eri ulottuvuuksia. Päädytään tutkimaan tiettyä ratkaisuavaruuden osa-aluetta ja voidaan puhua ratkaisuavaruuden filtteröinnistä. Tässä projektissa algoritmi- nen suunnittelu on ikään kuin tehostettua prototypointia: tuotetaan suuri määrä vaihtoeh- toja, joista voidaan valita jatkoon haluttavia ominaisuuksia. Seuraavassa luvussa käyn läpi, mitä algoritminen suunnittelu voi käytännössä olla ja mitä ohjelmia käytän tässä työssä.

4 Algoritminen suunnittelu

Erilaisilla CAD-ohjelmilla on pitkä historia ja monet niistä, kuten SolidWorks, ovat jopa pa- rametrisia. Ohjelmia ei kuitenkaan ole alun perin tehty luovaa työtä ajatellen. Krishin (2011) mukaan ne eivät ole taipuneet nopeaan skissailuun, vaihtoehtojen tutkimiseen ja luovan prosessin kaoottiseen luonteeseen. Siksi ideointiosuus on yleensä tehty käsin piirtämällä.

Krish toteaa emergenssin olevan keskeisessä roolissa luovan prosessin varhaisessa vai- heessa. Tämä tarkoittaa muotoilijan aikaisempien kokemusten ja ideoiden yhdistymistä hä- nen tapaansa jäsennellä niitä. Jos halutaan ottaa CAD-ohjelmat mukaan jo luovan prosessin alkuvaiheisiin, niiden tulee kyetä tukemaan ja stimuloimaan tällaisia prosesseja. (Krish 2011, 89–90.) Tässä luvussa esittelen työkaluja, joiden avulla tietokoneavusteisesta suunnittelusta voidaan tehdä muovautuvampaa ja siten paremmin ideointiin sopivaa.

4.1 Terminologia ja menetelmät

Markkula (2017) käy läpi tietokoneavusteisen suunnittelun terminologiaa. Algoritmisesta suunnittelusta on käytössä useampia nimityksiä. Toinen yleinen, etenkin arkkitehtuurissa käytetty termi, onparametrinen suunnittelu. Tämä korostaa parametrien roolia prosessissa.

Algoritmeja ei voi muodostaa, jos mallia ei ole määritetty muuttujien, eli parametrien avulla.

Algoritmisen suunnittelun voidaan kuitenkin katsoa pitävän sisällään laajemman skaalan tie- tokoneavusteisen suunnittelun menetelmiä, kuten generatiivisen ja evolutiivisen suunnitte- lun. Termilläparametri on myös taakkanaan matemaattisia merkityksiä. (Markkula 2017, 7–

9.) Päädyn siis Markkulan tavoin käyttämään ensisijaisesti termiäalgoritminen suunnittelu.

Termiägeneratiivinen suunnittelu käytetään kahdessa merkityksessä. Se voi tarkoittaa luon- non genetiikan ilmiöitä mukailevaa menetelmää, jossa uudet sukupolvet pohjautuvat edel- lisiin sukupolviin. Termiä voidaan käyttää myös korostaen prosessin generoivaa luonnetta ilman, että tuotetaan useampia sukupolvia. Algoritmisessa suunnittelussa voidaan käyttää evolutiivisia ja geneettisiä algoritmeja, jotka kehittävät uusia sukupolvia aiemman perus- teella. Tällöin tarvitaan jonkinlainen hyvyysfunktio päättämään, mitkä vaihtoehdot ovat suo- tavia (Markkula 2017, 8–9.) Geneettiset algoritmit soveltuvat siten parhaiten ongelmiin, joi- den ratkaisut ovat optimoitavissa. Algoritmien avulla voidaan esimerkiksi optimoida mate- riaalin käyttöä tai tuotteen kestävyyttä. Subjektiivisten arvojen vertailuun on hyvin vaikeaa määrittää hyvyysfunktiota. Siten muotoiluongelmiin paremmin soveltuu menetelmä, jossa muotoilija itse ohjaa prosessin kehitystä. Generatiivisessa mallinnuksessa yhtä algoritmista mallia kutsutaan genotyypiksi. On hyvin vaikeaa määritellä genotyyppiä, joka kattaa laajan osan ratkaisuavaruutta ja siksi niitä on syytä tehdä monta erilaista (Krish 2011, 92).

4.2 Käytännön menetelmä generatiiviseen suunnitteluun

Krish (2011) esittelee käytännöllisen generatiivisen metodin (GDM, Generative Design Met- hod), jota voidaan käyttää luovassa työssä ja jota voidaan käyttää yleisiä CAD-ohjelmia hyö- dyntäen. Se koostuu seitsemästä komponentista:

1. Genotyyppi, joka koostuu algoritmisesta mallista, sen parametrien alkuarvoista ja parametrien tutkittavista alueista.

2. Fenotyyppi, joka on luotu CAD-tiedosto

3. Tutkittava alue (exploration envelope) on lista, joka sisältää eri parametrien ääriarvot 4. Suunnittelutaulukko (design table) sisältää parametrien alkuarvot ja kokeiltavat arvot 5. Generointiohjelma on makro tai ohjelman lisäosa, joka luo satunnaiset variaatiot

suunnittelutaulukon pohjalta.

6. CAD-ohjelma eli parametrinen mallinnusohjelma, jossa mallin historia on nähtävissä ja jota voidaan käyttää ohjelman ulkoisen suunnittelutaulukon avulla.

7. Hyvyyssuodattimet (performance filters), jotka pystyvät arvioimaan tuotoksia ennalta asetettujen kriteerien perusteella.

Menetelmässä ensin luodaan genotyyppi. Sen jälkeen määritetään parametrien ääriarvot ja suunnittelutaulukko. Niiden avulla generoidaan vaihtoehtoja ja filtteröidään eri fenotyypit.

Muotoilijan tulee pyrkiä siihen, että yksi ratkaisu eli fenotyyppi kuvaa tiettyä ratkaisuavaruu- den aluetta. Vaihtoehtoja ei saa olla liikaa, jotta muotoilija ei väsy vaihtoehtojen runsauteen.

(Krish 2011, 91–92.) Kuvassa 3 on esitetty kuinka yhden genotyypin tuottamat ratkaisut suh- tautuvat ratkaisuavaruuteen (solution space).

Kuva 3. Yksittäiset ratkaisut osana ratkaisuavaruutta (Krish 2011, 92).

Kuvassa 3 uloimmat rajat edustavat genotyypin parametrisia rajoja, joiden sisällä täyttävät tietyt suoritusvaatimukset (performance envelopes). Näiden rajojen leikkausten sisään jää elinkelpoinen ratkaisuavaruuden alue (viable space), jossa täyttyvät kaikki tuotteelle asete- tut vaatimukset. Tulee pyrkiä siihen, että yksittäiset ratkaisut (solution instances) eivät ole liian lähekkäin. (Krish 2011.)

GDM-menetelmässä ei ole evolutiivisia algoritmeja, joten genotyypistä ei voi automaatti- sesti generoida useita sukupolvia. Jos genotyyppiä haluaa kehittää, se täytyy tehdä manu- aalisesti muuttamalla parametrien tutkittavia alueita. Evolutiivisten algoritmien lisääminen GDM-menetelmään on kuitenkin mahdollista. (Krish 2011, 99.)

4.3 Rhinoceros 3D ja Grasshopper

Tässä työssä käytän mallinnukseen ohjelmia Rhinoceros 3D (Rhino) ja Grasshopper. Rhino on alkujaan eksplisiittinen mallinnusohjelma, eli ohjelma, jossa malli luodaan kerralla ja se ei ole tämän jälkeen enää muokattavissa eikä sen historia tutkittavissa. Grasshopper on vi- suaalinen ohjelmointieditori, joka toimii Rhinon lisäosana ja mahdollistaa Rhinon käytön pa- rametrisena CAD-ohjelmana. (Akos & Parsons 2014, 8.) Rhinon ja Grasshoperin hyvä puoli on, että algoritmit ovat näkyvillä ja muokattavissa. Aiemmasta ohjelmointikokemuksesta on hyötyä, mutta se ei ole tarpeen. Algoritmeille voi antaa lähtötietoja Grasshopperin sisällä, tai niille voi antaa lähtötiedoiksi Rhinolla tehtyjä geometrioita. Itse algoritmit rakennetaan Grasshopperissa valmiista komponenteista. Kuvassa 4 on esitetty yksinkertainen esimerkki Grasshopper-algoritmista.

Kuva 4. Esimerkki Grasshopper-algoritmista (Akos & Parsons 2014, 9).

Grasshopperissa tieto on järjestäytyneenä listoihin. Listat voivat sisältää kaikenlaista Rhinolla tai Grasshopperilla luotua dataa. Grasshopperissa on paljon työkaluja listojen ma- nipulointiin. Kun komponentit ottavat lähtötietoinaan listoja ja tuottavat listoja, joiden al- kiona on listoja, syntyy puurakenne (Data tree). Yhden määrittelyn avulla voidaan luoda lu- kemattomia objekteja. Jotta Grasshopperia kykenee käyttämään tehokkaasti, pitää ymmär- tää listojen ja puurakenteiden toiminta. Tietojen ja listojen yhdistäminen toisiinsa ei ole helppoa ja siihen ei aina ole siistiä ratkaisua. (Akos & Parsons 2014.)

Generatiivista mallinnusta voidaan toteuttaa Grasshopperissa monella tavalla. Tässä työssä käytetään Biomorpher-liitännäistä, joka muistuttaa toiminnaltaan edellisessä luvussa esitel- tyä GDM-menetelmää. Biomorpherille annetaan lähtötiedoksi sekä algoritmin lopputuot- teena oleva geometria, että algoritmin parametrit, joita ohjelma varioi. Varioitavaksi voi an- taa myös vain osan parametreistä. Kun parametrin määrittää liukusäätimenä, parametrin tutkittava alue määrittyy liukusäätimen minimi- ja maksimiarvojen kautta. Voi valita, kuinka monta variaatioita tuotetaan, mutta Biomorpher kokoaa ne 12 erilaiseksi fenotyypiksi, joista kukin edustaa tiettyä variaatioiden joukkoa (Harding 2020). Näin vältetään arvosteluväsy- mystä. Kuvassa 5 on esitetty Biomorpherin avulla tuotettuja fenotyyppejä.

Kuva 5. Grasshopperin avulla generoituja variaatioita (Harding 2020).

Biomorpherilla voidaan evolutiivisten algoritmien avulla tuottaa genotyypistä useita suku- polvia. Ohjelman tuottamista fenotyypeistä voi valita yhden tai useamman, joiden perus-

teella ohjelma tuottaa seuraavan sukupolven. Biomorpherissa on mahdollista palata aikai- sempiin sukupolviin ja voidaan luoda sukupuuhun useampia haaroja. Ohjelmassa on mah- dollista käyttää myös hyvyyskriteereitä. (Harding 2020.) Varjostimen suunnittelussa en käytä hyvyyskriteereitä, vaan teen sukupolvien välissä valinnat manuaalisesti.

Tässä työssä tutkin erilaisia vaihtoehtoja myös varioimalla algoritmien lähtötietoja käsin.

Koen, että variointia kannattaa tehdä sekä tarkoitushakuisesti että satunnaisesti. Lisäksi kaikki lähtötietotyypit, kuten yhdessä genotyypissä käyttämänigraph mapper, eivät toimi Biomorpherin lähtötietoina. Biomorpherin näkymissä valaistus ei ole mukana, mikä vaikeut- taa sen tuottamien vaihtoehtojen arviointia.

Kuva 6. Biomorpherin tuottamien vaihtoehtojen selaaminen Grasshopperissa.

Biomorpherin tuottamia vaihtoehtoja voi selata Grasshopperin puolella (kuva 6). Kun Grasshopperissa muuttaa parametrin arvoa, tai selaa Biomorpherin tuottamia vaihtoehtoja, valaistuksen muutoksia voi seurata lähes reaaliaikaisesti. Tämä vaatii, että Rhinon näky- mässä on raytraced-asetus käytössä. Tässä työssä esittämäni eri vaihtoehtojen kuvat on enimmäkseen tuotettu ottamalla ruudunkaappaus Rhinon näkymästä.

5 Varjostimen ratkaisuavaruuden tutkiminen

5.1 Inspiraation lähteitä

Inspiraatiota suunnitteluun olen saanut rakennuksen muodoista. Rakennuksen ja koko alu- een arkkitehtuuri viehättävät minua. Pidän siitä, kuinka ikkunoiden mitoissa on vaihtelua ja kuinka ne on siroteltu talon pinnalle. Myös talon päällä olevien metalliverhottujen rakennus- osien vaihtelevat muodot ja värit miellyttävät. Asunnon sisustus on myös antanut vaikutteita suunnitteluun. Uuden varjostimen tulee olla linjassa asunnon modernin sisustuksen kanssa.

Asunnon yksityiskohtia ja inspiraation lähteitä on esitettynä kuvassa 7. Pahviprototyypissä asiakkaat pitivät siitä, kuinka valoa tulee myös lampun pinnan läpi. Tästä tuli ajatus, että lamppu voisi olla myös läpikuultavaa muovia, kuten esimerkiksi valkoista akryylia. Vaihtoeh- toisesti metallivarjostimella valoisuutta voisi lisätä aukoilla tai raoilla.

5.2 Genotyyppi 1

Ensimmäisessä genotyypissä lähdetään liikkeelle ideasta, että lamppu tuottaisi enemmän valoa pinnan läpi. Varjostimen muoto on suorakaide tai kartiomainen ja materiaalina voi olla muovi tai messinki. Pinnalle muodostetaan suorakaiteista kuvio, jonka inspiraationa on toi- minut ikkunoiden sijoittelu rakennuksen pinnalla. Jos materiaalina on muovi, suorakaiteet toteutetaan ohentamalla muovipintaa varjostimen sisäpuolelta. Siten ilman valoa varjostin on äärimmäisen vähäeleinen ja kuvio tulee esille vasta, kun valo sytytetään. Jos varjostin on messinkinen, sama kuvio toteutetaan rakoina. Kuvio muodostetaan satunnaisesti. Lähtötie- doiksi satunnaisgenerointiin muotoilija määrittää kuinka monta suorakaidetta on, millä alu- eella ne voivat sijaita, ja mitkä ovat vaihteluvälit niiden leveyksille ja korkeuksille. Lähtötie- doiksi pitää antaa myös siemenluvut satunnaisgeneraattoreille. Niin tässä kuin kaikissa muissakin genotyypeissä varjostimen kiinnitys lamppuun on jätetty mallintamatta.

Kuva 8. Itse tehtyjä genotyypin 1 variaatioita.

Kuvassa 8 on esitettynä algoritmin avulla luotuja erilaisia varjostimia, jotka on luotu itse pa- rametreja muuttamalla. Kuvassa 9 on esitettynä Biomorpherin avulla satunnaisgeneroituja varjostimia. Kuvan 8 valaisimet olen renderöinyt Keyshot-ohjelman avulla. Minulla oli ongel- mia saada läpikuultavuus toimimaan oikein Rhinossa ja kuvan 9 varjostimissa olen käyttänyt kahta eri valonläpäisevyyttä, jotta saan Rhinossa aikaan saman efektin kuin Keyshotissa.

Kuva 9. Biomorpherin avulla satunnaisesti generoituja versioita genotyypistä 1.

Liitteessä 1 on esitettynä genotyypin Grasshopper-algoritmi kokonaisuudessaan. Algorit- min periaate on esitetty kuvassa 10 ja sen toiminnan voi jakaa kolmeen päävaiheeseen:

1. Varjostimen kolmiulotteisen muodon määrittäminen:

 Valitaan varjostimen korkeus, pinnan paksuus ja nurkkien pyöristyssäde.

 Määritetään varjostimen leveys ja syvyys ala- ja yläreunoilla.

 Muodostetaan pinta loft-komennon avulla ala- ja yläreunojen välille.

2. Pintakuvion määrittäminen:

 Muodostetaan tasopinta varjostimen korkeuden ja reunan pituuden mukaan.

 Määritetään millä etäisyyksillä varjostimen reunoista pintakuvio sijaitsee.

 Valitaan suorakaiteiden määrä, sekä vaihteluväli leveydelle ja korkeudelle.

 Tuotetaan kuvio (sijainnit, leveydet ja korkeudet generoidaan satunnaisesti).

3. Kuvion siirtäminen kolmiulotteiselle pinnalle:

 Siirretään kuvio 3D-pinnallesurface morph -komennon avulla.

 Valitaan, toteutetaanko kuvio ohennuksena vai rakoina.

 Määritetään materiaali.

Kuva 10. Genotyypin 1 vaiheet.

5.3 Genotyyppi 2

Toisen genotyypin inspiraationa ovat olleet rakennuksen muodot suuressa mittakaavassa:

massoittelun vaihtelevat rytmit ja rakennuksen aaltoilevat muodot. Varjostimen perusmuoto muodostetaan muuten samalla tavalla kuin edellisessä genotyypissä, mutta pinta määrite- tään kolmen poikkileikkauksen avulla. Siten varjostimen muoto kokonaisuudessaan ei ole enää yhteen suuntaan taivutettavissa oleva pinta. Tekninen rajoite kaksoiskaarevuuden vält- tämisestä saavutetaan muuttamalla kolmiulotteinen pinta vaakasuuntaisiksi nauhoiksi. Muo- toilija voi määrittää nauhojen määrän. Niiden sijainti ja leveys määritetään graafisestigraph mapper -työkalun avulla. Nauhojen välisen raon leveys on valittavissa. Pintaan voi myös saada aikaan satunnaisesti generoitua aaltoilua. Aaltoilun tiheys ja amplitudi ovat säädettä- vissä. Varjostimen materiaalina on messinki.

Nauhat ovat irti toisistaan ja niiden taustalle tulee tehdä jonkinlainen levyt yhdistävä ra- kenne. Sitä ei oteta huomioon vielä tässä suunnitteluvaiheessa. Kuvissa 11 ja 12 on esitetty fenotyyppejä, jotka luotu valitsemalla parametrien arvot itse. Kuvan 11 varjostimissa ei ole ollenkaan aaltoilua mukana ja kuvan 12 varjostimissa on.

Kuva 11. Genotyypin 2 avulla tuotettuja varjostinvaihtoehtoja ilman aaltoilua.

Kuva 12. Genotyypin 2 avulla tuotettuja varjostinvaihtoehtoja aaltoilun kanssa.

Algoritmi ei toimi oikein, jos muodossa on yhtäkkisiä suuria muutoksia. Toimimattomuus voi ilmetä nauhojen katkeamisena tai väärän levyisinä nauhoina (kuva 13). En keksinyt mistä virheet johtuvat, mutta ne tulevat esille vain suhteellisen äärimmäisissä tapauksissa. Siten ne ovat siedettävissä. Käsin parametreja säätämällä ongelman voi korjata nopeasti. Bio- morpheria käytettäessä kannattaa kiinnittää huomiota parametrien tutkittavien alueiden määrittämiseen, jotta lopputuloksena ei ole suuria määriä rikkoutuneita muotoja.

Kuva 13. Genotyypin 2 rikkoutuneita tuotoksia.

Kuvassa 14 on esitettynä Biomorpherin avulla luotuja fenotyyppejä. Tässä on tehty valinta, että nauhojen leveys kasvaa ylöspäin mentäessä. Tämän koin miellyttävimmäksi käsin teh- tyjen kokeilujen perusteella.

Kuva 14. Biomorpherin avulla satunnaisesti generoituja versioita genotyypistä 2.

Kuvassa 15 on havainnollistettuna, kuinka tulokset muuttuvat, kun tuotetaan useampi suku- polvi ja tehdään valintoja sukupolvien välissä. Punaisella korostetuissa valinnoissa olen suo- sinut suorakulmaisen muotoisia varjostimia, jotka koin miellyttäviksi. Vihreällä korostetuissa valinnoissa taas suosin vaihtoehtoja, joilla on jonkinlainen ”vyötärö”. Kummassakin linjassa valitsin jokaisesta sukupolvesta kolme suosikkiani ohjelman ehdottamasta 12 fenotyypistä.

Nähdään, että linjat selvästi eroavat toisistaan ja valinnat vaikuttavat tuleviin sukupolviin.

Kuvia 14 ja 15 vertailemalla voi todeta, että valon rooli estetiikassa on merkittävä. Varhaisista sukupolvista onnistuu suosikkien valitseminen pelkästään Biomorpherin esittämien kuvien perusteella, mutta myöhemmissä sukupolvissa erot ovat pienempiä ja valo tulee ottaa mu-

fenotyyppejä ei pysty selaamaan, vaan pitää selata läpi kaikki kyseisen sukupolven variaa- tiot. Esim. tässä tapauksessa niitä oli 100 kpl.

Kuva 15. Biomorpherin avulla tehtynä kaksi erilaista sukulinjaa genotyypistä 2.

Algoritmi kokonaisuudessaan on esitettynä liitteessä 2. Algoritmin periaate on esitetty ku- vassa 16 ja sen toiminnan voi jakaa neljään päävaiheeseen:

1. Varjostimen kolmiulotteisen perusmuodon määrittäminen:

 Määritetään korkeus sekä ala- ja yläreunat samalla tavalla kuin edellisessä.

 Lisäksi määritetään välipoikkileikkaus ja sen sijainti.

 Poikkileikkausten nurkkien pyöristyssäteet voi määrittää erikseen.

 Muodostetaan pinta loft-komennon avulla poikkileikkausten välille.

2. Aaltoilun määrittäminen:

 Muodostetaan tasopinta varjostimen mittojen mukaan.

 Muodostetaan pinnalle pisteverkko. Pisteverkon tiheyttä voi säätää.

 Siirretään pisteitä satunnaisesti ulospäin. Vaihteluvälin voi määrittää.

 Muodostetaan aaltoileva pinta siirrettyjen pisteiden avulla.

3. Aaltoilun siirtäminen kolmiulotteiselle pinnalle ja nauhojen sijainnin määrittäminen:

 Muutetaan aaltoileva pinta 3D-pinnaksisurface morph -komennon avulla.

 Määritetään leikkaustasot, joiden kohdille nauhat tulevat. Valitaan leikkaus- tasojen määrä. Sijainteja voi muokatagraph mapper -työkalulla.

4. Nauhojen muodostaminen ja materiaalin määrittäminen:

 Nauhojen muodot saadaan 3D-pinnan ja tasojen poikkileikkauksista.

 Pursotetaan nauhat ylöspäin ja määritetään materiaali.

Kuva 16. Genotyypin 2 vaiheet.

5.4 Genotyyppi 3

Tässä genotyypissä inspiraationa ovat toimineet rakennuksen päällä olevat metalliverhotut osat. Varjostimen perusmuoto määritetään samalla tavalla kuin ensimmäisessä genotyy- pissä, mutta vaihtoehtoisesti poikkileikkaus voi olla myös puoliympyrä. Varjostimen pinta jaetaan satunnaisesti suorakaiteisiin Grasshopperinsubstrate-komennon avulla. Näitä suo- rakaiteita voi halutessaan siirtää ulospäin lampusta. Lähtötietona annetaan suorakaiteiden määrä, siirron maksimietäisyys, sekä suorakaiteiden välisen raon leveys. Pinnan materiaalina on messinki. Kun levyjä siirretään ulospäin, lamppu saattaa tulla näkyviin. Siten levyjen taus- talla olevan tukirakenteen tulee toimia näköesteenä. Tämän rakenteen voisi valmistaa muo- vista 3D-tulostamalla. Tässä genotyypissä levyjen taustoille on pursotettu muoviset kappa- leet, jotka päästävät läpi osan valosta.

Kuva 17. Genotyypin 3 avulla tuotettuja varjostinvaihtoehtoja.

Kuvassa 17 on esitettynä fenotyyppejä, jotka olen itse tehnyt parametreja muuttamalla ja kuvassa 18 Biomorpherin avulla automaattisesti generoituja. Tämänkin genotyypin kanssa kokeilin, minkälaista kehitystä tapahtuu, kun generoi useamman sukupolven. Tein Bio- morpherin avulla samalla tavalla kaksi linjaa kuin genotyypin 2 kohdalla. Kuvassa 19 vasem- malla on esitettynä linja (keltaiset valinnat), jossa kokeilin mitä tapahtuu, jos valitsee vain

kaksi fenotyyppiä joka kierroksella ja valitsee keskenään kaksi hyvin erilaista. Tämä ei vai- kuttanut hyvältä strategialta, koska myöhemmissä sukupolvissa vaihtoehdot jakautuivat sel- västi kahteen kategoriaan. Ei syntynyt juuri vaihtoehtoja niiden väliltä. Kuvan 19 oikeanpuo- leisessa linjassa tavoitteenani oli saada vaihtoehtoja, joissa on suhteellisen maltilliset muo- dot. Joka kierroksen välissä valitsin kolme suosikkiani uuden sukupolven perustaksi. Tämä vaikutti toimivammalta strategialta, sillä lopputuloksena on variaatioita tavoittelemastani teemasta. Tämän ja muidenkin kokeilujeni perusteella koen, että Biomorpherilla useampien sukupolvien luominen soveltuu tällaiseen rajoitetun alueen tarkempaan tarkasteluun. Jos haluaa mahdollisimman laajan skaalan erilaisia vaihtoehtoja, riittää ensimmäisen sukupol- ven tarkastelu ja tästä ensimmäisestä sukupolvesta kannattaa tehdä runsaslukuinen.

Kuva 19. Biomorpherin avulla tehtynä kaksi erilaista sukulinjaa genotyypistä 3.

Liitteessä 3 on esitettynä genotyypin Grasshopper-algoritmi kokonaisuudessaan. Algorit- min periaate on esitetty kuvassa 20 ja sen toiminnan voi jakaa kolmeen päävaiheeseen:

1. Varjostimen kolmiulotteisen muodon määrittäminen:

 Valitaan varjostimen korkeus, pinnan paksuus ja nurkkien pyöristyssäde.

 Määritetään varjostimen leveys ja syvyys ala- ja yläreunoilla.

 Vaihtoehtoisesti poikkileikkauksen voi määrittää puoliympyränä.

 Muodostetaan pintaloft-komennon avulla ala- ja yläreunojen välille.

2. Pintakuvion määrittäminen:

 Muodostetaan tasopinta varjostimen korkeuden ja reunan pituuden mukaan.

 Jaetaan pinta osiinsubstrate-komennon avulla. Osien määrä ja niiden välisen raon leveys ovat muutettavissa.

 Pinnan osat siirretään satunnaisesti ulospäin ja sisäosa pursotetaan pintaan asti. Siirron maksimietäisyyden voi valita.

3. Muodostetaan kolmiulotteinen varjostin:

 Siirretään muokatut pinnat 3D-kappaleeksisurface morph -komennon avulla.

 Määritetään materiaali.

Kuva 20. Genotyypin 3 vaiheet.

6 Vaihtoehtojen arviointi ja jatkokehitys

Genotyypin 1 kohdalla tulokset muuttuvat mielenkiintoisemmiksi, kun etäännytään alkupe- räisestä ikkunainspiraatiosta. Kuvassa 21 vasemmanpuoleisimmassa varjostimessa ohen- nukset muistuttavat ikkunoita, mutta muissa vaihtoehdoissa voi havaita erilaisia mielleyhty- miä, joilla ei ole mitään tekemistä ikkunoiden kanssa. Esimerkiksi oikeanpuoleisin muistut- taa mielestäni jänistä ja toinen vasemmalta tuo mieleeni nuotion. On huomionarvoista, että kaikki kuvan 21 varjostimet ovat Biomorpherilla tehdyn satunnaisgeneroinnin tuotoksia. Mi- kään alkuperäisen inspiraation ulkopuolella oleva mielleyhtymä ei ole tarkoituksellinen. Jos genotyypin 1 kanssa jatkaisi detaljisuunnitteluun, olisi haasteita sen suhteen, kuinka varjos- timen kiinnitys saataisiin huomaamattomaksi. Ajatus on, että varjostin olisi valmistettavissa koneistamalla muovilevyä ohuemmaksi kuvion kohdalta ja sen jälkeen taittamalla levyä läm- mittämisen avulla. Tällä valmistusmenetelmällä kuvio ei voisi ylettyä taitoksen yli, koska ohuiden ikkunoiden kohdalla muovi menisi taitettaessa kuprulle. Kuvan 21 vaihtoehdoissa tämä onkin jo otettu huomioon. Itse olen kohtuullisen tyytyväinen genotyypin 1 tuotoksiin, mutta asiakkaan mielestä visuaalinen ilme ei vastannut täysin odotuksia.

Kuva 21. Genotyypin 1 tuottamia yllättäviä tuloksia.

Asiakkaan ensireaktio oli selvästi positiivisin genotyypin 2 kohdalla. Itse olen erityisen tyyty- väinen siihen, kuinka variaatioiden skaala on laaja, eikä olla ihan niin lähellä alkuperäisen varjostimen muotoa kuin genotyyppi 1 on. Genotyypillä 2 voidaan saada aikaan varsin näyt- täviä kaikkiin suuntiin säteileviä varjostimia, mutta mielestäni sellainen sopisi paremmin sei- nän keskelle ja nurkan lähellä hillitympi vaihtoehto on parempi. Sekä asiakas että minä pi- dämme vaihtoehdoista, jotka koostuvat suhteellisen vähistä osista ja joissa aaltoilu on mal- tillista. Toisin sanoen paras vaihtoehto on lähellä alkuperäistä inspiraatiota talon muodoista.

Kuvassa 22 on esitettynä suosikkeja genotyypistä 2.

Kuva 22. Suosikkeja genotyypistä 2.

Asiakas tykästyi jossain määrin myös genotyyppiin 3 ja itse innostuin siitä aluksi, mutta in- nostus jotenkin karisi nopeasti. Tämä johtuu ehkä siitä, että Grasshopperin valmiin työkalun rooli estetiikassa on suuri. Vähän vaivaa ajatus, että ohjelmistoista hyvin perillä oleva voi ensinäkemältä todeta, ettäsubstrate-komento on kuvion takana. Myös tässä genotyypissä algoritminen menetelmä luo yllättäviä tuloksia. Vähillä osilla valaisin on arkkitehtoninen ja muistuttaa alkuperäisistä inspiraatioista. Kun osia lisää, syntyyscience fiction -mielleyhtymiä (kuva 23). Ne ovat mielenkiintoisia, mutta eivät mielestäni sovi tähän kohteeseen.

Kuva 23. Osien määrän vaikutus genotyypin 3 estetiikkaan.

Jatkosuunnitteluun valittiin genotyyppi 2 ja siitä versio, jossa osien määrä on vähäinen ja aaltoilu maltillista. Muotoa voi tarkemmin vielä hioa, mutta lähtökohtana on kuvan 22 kaksi alimmaista vaihtoehtoa.

Kuva 24. Varjostimen rakenteen periaatekuva.

Jatkosuunnittelussa pitää myös suunnitella rakenne, joka pitää varjostimen koossa. Alusta- vasti olen miettinyt, että varjostimen runko tehdään muovista 3D-tulostamalla. 3D-tulostettu runko kiinnitetään ruuveilla valaisimeen ja levyt kiinnitetään tämän jälkeen runkoon (kuva 24). Näin saadaan ruuvit piiloon. Messinkilevyihin hitsataan tai liimataan kiinni jonkin- laiset koukut tai napit, joiden avulla levyt saa napsautettua kiinni 3D-tulostettuun runkoon.

7 Keskustelu

Nähdäkseni ajatus suunnitteluavaruudesta prosessin kuvauksena täydentää hyvin muotoi- luajattelua. Mielestäni Westerlundin (2005) ajatus, että muotoillessa kaikki mahdolliset rat- kaisut ovat käytössä, kuvaa suunnitteluprosessia. Suunnitteluavaruusajattelua ei kannata ajatella pelkästään muotoilijan työtä selittävänä konseptina, vaan se on myös hyödyllistä pi- tää mielessä työtä tehdessä. Pelkästään sananavaruus ajatteleminen auttaa kyseenalaista- maan, onko tutkinut riittävästi vaihtoehtoja, ja onko onnistunut välttämään design-fiksaa- tion. Varjostimen suunnitteluprosessissa fiksaatiota tosin jossain määrin tapahtui siitäkin huolimatta, että suunnitteluavaruus oli tietoisesti otettu osaksi työn aihetta. Tässä luvussa pohdin varjostimen suunnittelua fiksaation näkökulmasta ja käyn läpi, kuinka koin algorit- misen suunnittelun osana omaa suunnitteluprosessiani.

7.1 Design-fiksaation uhka

Nathan Crillyn (2015) mukaan design-fiksaatio voidaan määritellä kahdella tavalla. Se voi tarkoittaa joko liian aikaista lukkiutumista johonkin tiettyyn vaihtoehtoon, tai uuden suunnit- telemista tukeutuen liikaa aikaisempiin toteutuksiin. Fiksaatio voi olla täysin tiedostama- tonta, tiedostettua, tai joissakin tapauksissa jopa tarkoituksellista. (Crilly 2015, 54–56.) Crillyn mukaan merkittäviä fiksaatiota lisääviä tekijöitä ovat aikaisemmat vastaavat toteutuk- set, ensimmäiset ideat, ja rajoitteet, kuten tiukka aikataulu. Lisäksi asiakkaan tehtävänanto voi olla suppea. Tiimityössä myös idean omistajuus voi muodostua ongelmaksi, kun halu- taan edistää omia konsepteja. (Crilly 2015, 67–69.) Varjostimen suunnittelussa aikaisempi toteutus selkeästi vaikutti, koska tehtiin vanhan tilalle uutta. Lampun tyyppi, sijainti, ja var- jostimen kiinnitystapa oli lyöty lukkoon. Näiden ja muidenkin rajoitteiden perusteella pää- dyin siihen, että on syytä pysyä alkuperäisen varjostimen tyyppisessä toimintaperiaatteessa.

Tätä tietoista fiksaatiota voi pitää perusteltuna, mutta se ei välttämättä tarkoita, että loppu- tulos on paras mahdollinen. Vähän jäi mietityttämään, kuinka kokenut muotoilija olisi toimi- nut. Se kun on tunnettu ilmiö, että aloittelijat lähtevät kehittämään ensimmäisiä ideoitaan liian pitkälle (depth-first), ja kokeneemmat lähtevät liikkeelle laajemmista mahdollisuuksista (breadth-first, top down) (Westerlund 2005).

Prototypointi todellisilla kappaleilla osoittautui tässä projektissa hedelmälliseksi, koska siitä sain ajatuksia varjostimen koon suhteen sekä idean, että se voisi päästää valoa pinnan läpi.

Tästä tuli idea genotyyppiin 1 ja se vaikutti muihinkin vaihtoehtoihin. Toisaalta tein proto-

Eri genotyyppien kautta onnistuin mielestäni kohtuullisen hyvin tutkimaan erilaisia vaihto- ehtoja, mutta tietokoneohjelmien käytön haasteet rajoittivat ideointia. Tätä ovat tutkimuk- sessaan käsitelleet B.F. Robertson ja D.F. Radcliffe (2009). He tunnistavat neljä mekanismia, joilla CAD-ohjelmat vaikuttavat suunnittelijoiden luovuuteen. Positiivisessa mielessä mallin- taminen helpottaa visualisointia ja kommunikointia. Ongelmana on, että ohjelman kyvyt ra- joittavat ideointia: ohjelmassa kaikki ei välttämättä ole mahdollista ja saatetaan tehdä sitä, mikä on nopeinta. He havaitsivat myös, että liiallinen CAD-ohjelmiin nojautuminen vähentää ideointia verrattuna siihen, että työskennellään keskustellen ja käsin piirtäen. Tietokoneella mallinnettaessa myös fiksaation riski kasvaa, kun muuttaminen käy sitä vaikeammaksi, mitä pidemmälle malli kehittyy. Fiksaatiolla alttiimpia ovat aloittelijat ja ne, jotka käyttävät työs- sään pelkästään tietokonetta. (Robertson & Radcliffe 2009.) Näitä ilmiöitä on havaittavissa myös oman työni kohdalla. Ennen tätä projektia olin käyttänyt jonkin verran Rhinoa, mutta en lainkaan Grasshopperia. Tässä työssä käsin piirtäminen jäi minulla paljon pienempään rooliin kuin yleensä ja huomio oli ohjelmien käytössä. Ideointi olisi varmasti ollut monipuo- lisempaa käsin piirtäen. Työskentely oli hidasta, ja jokainen uusi genotyyppi oli iso panos- tus. Tästä johtuen genotyyppejä on vain kolme ja niissä on käytetty samoja elementtejä.

Tätä rajoittuneisuutta voisi kutsua taidon puutteen aiheuttamaksi fiksaatioksi.

7.2 Algoritmisen menetelmän vaikutus suunnitteluprosessiin

Omalla kohdallani voin todeta, että vaatii paljon aikaa ennen kuin mallinnustyökalut ovat niin hyvin hallussa, että niiden avulla ideointi on sujuvaa. En saanut Grasshopperilla toteu- tettua kaikkea mitä halusin, vaan päädyin tekemään sen, minkä onnistuin saamaan aikaan kohtuullisessa ajassa. Esimerkiksi genotyypissä 1 olisin halunnut pakata pintakuvion suora- kaiteet lähelle toisiaan. Kun en tässä onnistunut, tyydyin siihen, että ne sulautuvat toisiinsa.

Tästä tosin seurasi mielenkiintoisia tuloksia ja olin lopulta tyytyväinen niihin. On vaikea vetää rajaa, mitkä ongelmat johtuivat ohjelman rajoituksista ja mitkä omasta osaamattomuudesta.

Joka tapauksessa tietotekniset haasteet rajoittivat työtä.

Tässä työssä otin vaikutteita Sivam Krishin (2011) esittämästä generatiivisesta menetelmästä (GDM). Krishin mukaan missä tahansa ideointimenetelmässä nopeus on tärkeää, ja että tämä on mallinnusohjelmien kohdalla haaste. Hän tuo esille haasteina myös, kuinka algorit- misessa suunnittelussa aina supistetaan ratkaisuavaruutta ja ei ole selkeää, kuinka algoritmit kannattaa toteuttaa. Myös niillä kokeiltavien arvojen määrittely on raskasta. Lisäksi arvoste- luväsymys on todellinen vaara, kun vaihtoehtoja voi tuottaa loputtomasti. (Krish 2011, 97.) Oman työni perusteella näen haasteena, kuinka laajuus on saavutettavissa algoritmilla, joka

on nopea rakentaa ja jonka käyttäminen on sujuvaa. Koin myös, että on vaikeaa lyödä valin- toja lukkoon, kun erilaisia vaihtoehtoja voi toteuttaa lähes äärettömän määrän. Krish (2011) toteaa, että GDM-menetelmässä etuna on, että sen käyttäminen on lähestyttävämpää kuin geneettisten algoritmien käyttö. Se kun ei vaadi niin paljoa ohjelmointiosaamista. Lisäksi GDM ei vaadi objektiivisia kriteereitä, kun hyvyysfunktiot eivät ole pakollisia. (Krish 2011, 96.) Algoritmisen suunnittelun suuri etu on, että kun algoritmit on luotu, on erilaisten vari- aatioiden tuottaminen todella nopeaa. Muotoja voidaan tutkia ja optimoida aivan eri no- peudella kuin käsin piirtäessä, muovatessa, tai eksplisiittisesti mallinnettaessa. Generatiivi- silla menetelmillä voidaan jättää parametrien arvojen valinta tietokoneen tehtäväksi, mikä mahdollistaa omien ennakkokäsitysten jättämisen taka-alalle. Voidaan saada aikaan yllättä- viä tuloksia, jotka ovat kaukana siitä, mistä lähdettiin liikkeelle.

Toteutin automaattista generointia Grasshopperin liitännäisen Biomorpherin avulla. Sillä sain aikaan yllättäviä tuloksia erityisesti Genotyypin 1 kohdalla. Oli havaittavissa, että loppu- tulos on kiinnostavampi, kun etäännytään alkuperäisestä ikkunamielleyhtymästä. Toinen au- tomaattisen generoinnin etu on kyky hallita suuria määriä parametreja. Esimerkiksi geno- tyypissä 1 on paljon parametrejä, mutta niiden määrästä en halunnut tinkiä, jotta en rajoit- taisi genotyypin potentiaalia. Tämä tinkimättömyys johti siihen, että käsin parametreja sää- tämällä genotyypin 1 käyttö on todella hidasta. Biomorpherin avulla variaatioiden tuottami- nen nopeutui huomattavasti ja suuresta parametrimäärästä ei enää ollut juurikaan haittaa.

Pystyin kuitenkin toteamaan myös, että automaattisen generoinnin käyttö ei ole ihan help- poa, koska varioitavien parametrien ja niiden tutkittavien alueiden valinnoilla on suuri vai- kutus prosessin onnistumiseen. Genotyyppien 1 ja 2 kohdalla piti generoinnin lähtökohdat miettiä huolella, koska rikkinäiset ratkaisut olivat riesana. Krish (2011) toteaa, että mallin hy- vyyttä kuvaa se, kuinka suuren skaalan ratkaisuja se kykenee kuvaamaan (Krish 2011). On- nistuin mielestäni kohtuullisen hyvin luomaan algoritmeja, joilla voi tuottaa laajan skaalan erilaisia varjostimia, erityisesti genotyypin 2 kohdalla. Myös genotyypin 1 kohdalla oli ilo huomata, kuinka monenlaista pintakuviota syntyi.

Arkkitehtuurissa parametrismista puhutaan jopa tyylisuuntana. Tätä työtä tehdessä tuli aja- tus, että samoin käy ihan kaikilla aloilla, joilla algoritmista suunnittelua sovelletaan. Algorit- mit ajavat estetiikkaa kohti tietynlaista toistuvuutta ja satunnaisuutta. Tämä estetiikka ei vält- tämättä ole ongelma, koska ovathan tulokset usein todella hienoja. Se voi kuitenkin muo- dostua rasitteeksi, jos tiettyjen menetelmien käytöstä tulee itseisarvo ja kaikki alkaa näyttää samalta. Algoritmisesti mallinnettaessa on myös vaarana, että keskitytään ideoihin, joissa

on tunnistettavissa paljon variointipotentiaalia. Näin muotoilija saattaa tiedostamattaan um- mistaa silmänsä hyviltä vaihtoehdoilta. Omankin työni kohdalla voi todeta, että jonkin as- teista parametrismia on havaittavissa kaikkien genotyyppien kohdalla.

Yleensä ottaen tätä työtä tehdessä koin algoritmisen suunnittelun mielekkäänä ideoinnin työkaluna, vaikka kokemattomuus toikin haasteita. Algoritmisuus ja generatiivisuus tekevät mallintamisesta selvästi muovautuvampaa ja stimuloivampaa. Varioinnin nopeus ja yllättä- vät ratkaisut ovat mielestäni menetelmän merkittävimpiä etuja. Lisäksi algoritmien avulla voidaan tuottaa monimutkaisia geometrioita, joita olisi todella vaikea käsin piirtäen tai eks- plisiittisesti mallintaen hahmottaa. Algoritminen suunnittelu auttaa kartoittamaan tiettyä rat- kaisuavaruuden aluetta tarkemmin kuin mitä on mahdollista muilla menetelmillä. Merkittä- vimpänä haasteena näen sen, kuinka algoritmien kehittäminen vaatii aikaa ja ei ole varmaa, onnistuuko algoritmien kehittäminen niin hyvin, että lopputulos on vaivan arvoinen. Toi- saalta algoritmeja voi soveltaa kevyemminkin, kuin mitä tein tässä työssä. Kaikkia geo- metrioita ei ole pakko rakentaa Grasshopperissa, vaan algoritmin syötteenä voi käyttää myös Rhinolla tehtyjä objekteja. Parhaimman lähestymistavan voi valita projektikohtaisesti.

Jatkossa varmasti jossakin projektissa otan algoritmisen suunnittelun mukaan jo ideointivai- heessa, jos havaitsen, että edellä mainitut edut voivat kyseisen projektin kohdalla olla mer- kittäviä.

8 Yhteenveto

Algoritmisen suunnittelun avulla voidaan tehostaa suunnitteluavaruuden tutkimista. Käyttä- mäni ohjelmat Rhino, Grasshopper ja Biomorpher soveltuvat hyvin ideoinnin työkaluiksi. Ne myös vastaavat Krishin (2011) ajatuksia siitä, millaisia ominaisuuksia algoritmisen suunnitte- lun ohjelmistoilla tulee olla. Koen kuitenkin, että menetelmä on varsin työläs ja on vaikeaa kehittää algoritmeja, jotka tuottavat laajan skaalan ratkaisuja. Toisaalta edut ovat kiistatto- mat. Erilaisia variaatioita voidaan tuottaa loputtomia määriä ja automaattinen generointi auttaa löytämään ratkaisuja, jotka eivät olisi muuten tulleet mieleen. Oma kokemattomuus tosin vaikuttaa arviointiin. Näkemykset tulevat kehittymään, kun kokemusta kertyy. Näen siis algoritmisen suunnittelun sen verran hyödyllisenä työkaluna, että tulen käyttämään sitä jat- kossakin.

Rajoitteiden runsaus toi haastetta suunnittelutoimeksiantoon. Työtä tehdessä aloin kyseen- alaistamaan, olenko tutkinut tarpeeksi erilaisia vaihtoehtoja, vai muistuttaako varjostin liikaa alkuperäistä. Tähän vaikutti myös se, että uusia ohjelmia opetellessa huomio oli suunnitte- lun teknisessä puolessa. Siten design-fiksaatio nousi pohdinnoissa suureen rooliin. Asiakas oli kuitenkin tyytyväinen tuotettuihin vaihtoehtoihin. Niiden perusteella voidaan jatkaa suunnittelua ja varmasti saadaan aikaan kelvollinen lopputulos.

Minulle henkilökohtaisesti tämän opinnäytteen tekeminen on kerryttänyt arvokasta koke- musta sen suhteen, kuinka algoritmista suunnittelua voidaan käyttää ideoinnin työkaluna.

Olen myös saanut ajatuksia, kuinka tulen työskentelemään jatkossa. Toivottavasti tästä työstä on hyötyä muillekin, jotka harkitsevat algoritmisen suunnittelun opettelua.

Lähteet

Akos, G & Parsons, R. 2014. Foundations – The Grasshopper primer third edition. Mode Lab. 144 s.

Crilly, N. 2015. Fixation and creativity in concept development: The attitudes and practices of expert designers. Design Studies. Vol 38. S. 54—91. ISSN 0142-694X.

Halskov, K & Lundqvist, C. 2021. Filtering and Informing the Design Space: Towards De- sign-Space Thinking. ACM Transactions on Computer-Human Interaction. Vol 28:1. S. 8:1—

8:28. ISSN 1073-0516.

Harding, J. 2020. Biomorpher – Interactive Evolution for Grasshopper, User Manual for v0.7.0. 22 s.

Krish, S. 2011. A practical generative design method. Computer-Aided Design. Vol 43:1. S.

88—100. ISSN 0010-4485.

Markkula, S. 2017. Algoritminen suunnittelu muotoilijan työkaluna. Kandidaatintyö. Aalto- yliopisto, Muotoilun laitos. 39 s.

Robertson, B.F & Radcliffe, D.F. 2009. Impact of CAD tools on creative problem solving in engineering design. Computer-Aided Design. Vol 41. S. 136—146. ISSN 0010-4485.

Westerlund, B. 2005. Design space conceptual tool - grasping the design process. Confer- ence: The Nordic Design Research Conference. Copenhagen, 2005. 7 s.

Kuvalähteet:

Kuvat tekijän, ellei toisin mainita.

Kuva 7: Alueen ilmakuva: YIT Oyj. Saatavissa:

https://res.cloudinary.com/yit/image/upload/q_auto:eco,f_auto,fl_lossy,w_1920,c_li- mit/v1614687109/337178.jpg [Viitattu 9.11.2021].

Liite 1: Genotyyppi 1

Liite 2: Genotyyppi 2

Liite 3: Genotyyppi 3