Projekt produktu otrzymuje metamorfozę AI

W związku z Oprogramowanie Siemens Digital Industries

Inżynierowie są pod bezprecedensową presją tworzenia produktów, z których każdego dnia korzystają tysiące, jeśli nie miliony konsumentów.

Zapytaj Bernda Zapfa. Szef ds. rozwoju, nowej działalności i technologii w Heller Group, niemieckim producencie obrabiarek, Zapf mówi, że dzisiejsze organizacje muszą w coraz większym stopniu dążyć do równowagi między projektowaniem, inżynierią, produkcją, obsługą i rzemiosłem przy opracowywaniu produktu w oparciu o rygorystyczne wytyczne.

Projekt produktu otrzymuje metamorfozę AI

• Pobierz pełny raport

To trudne zadanie, ale takie, które Zapf twierdzi, że technologia sztucznej inteligencji (AI) może wspierać, przechwytując odpowiednie dane i prowadząc inżynierów przez projektowanie i rozwój produktu.

Nic dziwnego, że badanie McKinsey z listopada 2020 r. pokazuje, że ponad połowa organizacji zastosowała sztuczną inteligencję w co najmniej jednej funkcji, a 22% respondentów twierdzi, że co najmniej 5% ich zarobków w całej firmie można przypisać sztucznej inteligencji. W sektorze produkcyjnym 71% respondentów odnotowało wzrost przychodów o 5% lub więcej dzięki zastosowaniu sztucznej inteligencji.

Ale nie zawsze tak było. Kiedyś rzadko wykorzystywana w rozwoju produktów, sztuczna inteligencja przeszła ewolucję w ciągu ostatnich kilku lat, mówi Zapf. Dziś giganci technologiczni znani z innowacji w sztucznej inteligencji, tacy jak Google, IBM i Amazon, wyznaczyli nowe standardy wykorzystania AI w innych procesach, takich jak inżynieria.

Sztuczna inteligencja to obiecujący i eksploracyjny obszar, który może znacznie poprawić wrażenia użytkownika dla inżynierów projektantów, a także zebrać odpowiednie dane w procesie rozwoju konkretnych aplikacji – mówi Katrien Wyckaert, dyrektor ds. rozwiązań branżowych w Siemens Industry Software.

Rezultatem jest rosnące uznanie dla technologii, która obiecuje uprościć złożone systemy, szybciej wprowadzać produkty na rynek i napędzać innowacje produktowe.

Upraszczanie złożonych systemów

Doskonałym przykładem siły sztucznej inteligencji w ulepszaniu rozwoju produktów jest Renault. W odpowiedzi na rosnące zapotrzebowanie konsumentów francuski producent samochodów wyposaża coraz większą liczbę nowych modeli pojazdów w zautomatyzowaną manualną skrzynię biegów (AMT) – system, który zachowuje się jak automatyczna skrzynia biegów, ale pozwala kierowcom zmieniać biegi elektronicznie za pomocą przycisku.

AMT są popularne wśród konsumentów, ale ich projektowanie może wiązać się z ogromnymi wyzwaniami. Dzieje się tak, ponieważ wydajność AMT zależy od działania trzech odrębnych podsystemów: elektromechanicznego siłownika zmieniającego biegi, elektronicznych czujników monitorujących stan pojazdu oraz oprogramowania wbudowanego w jednostkę sterującą skrzyni biegów, która steruje silnikiem. Ze względu na tę złożoność zdefiniowanie wymagań funkcjonalnych systemu, zaprojektowanie mechaniki siłownika, opracowanie niezbędnego oprogramowania i walidacja całego systemu może zająć nawet rok intensywnych prób i błędów.

Aby usprawnić proces rozwoju technologii AMT, Renault zwróciło się do oprogramowania Simcenter Amesim firmy Siemens Digital Industries Software. Technologia symulacji opiera się na sztucznych sieciach neuronowych, systemach uczenia się AI luźno wzorowanych na ludzkim mózgu. Inżynierowie po prostu przeciągają, upuszczają i łączą ikony, aby graficznie stworzyć model. Wyświetlany na ekranie jako szkic, model ilustruje relacje między wszystkimi różnymi elementami systemu AMT. Z kolei inżynierowie mogą przewidzieć zachowanie i wydajność AMT oraz wprowadzić niezbędne poprawki na wczesnym etapie cyklu rozwoju, unikając problemów i opóźnień na późnym etapie. W rzeczywistości, wykorzystując wirtualny silnik i skrzynie biegów jako zastępcze podczas opracowywania sprzętu, Renault zdołało skrócić czas opracowywania AMT prawie o połowę.

Szybkość bez utraty jakości

Tak więc pojawiające się standardy środowiskowe skłaniają Renault do większego polegania na sztucznej inteligencji. Aby spełnić nowe normy emisji dwutlenku węgla, Renault pracuje nad projektowaniem i rozwojem pojazdów hybrydowych. Ale silniki hybrydowe są znacznie bardziej skomplikowane w opracowywaniu niż te, które można znaleźć w pojazdach z jednym źródłem energii, takich jak konwencjonalny samochód. Dzieje się tak, ponieważ silniki hybrydowe wymagają od inżynierów wykonywania złożonych zadań, takich jak równoważenie mocy wymaganej z wielu źródeł energii, wybór z wielu architektur oraz badanie wpływu przekładni i układów chłodzenia na wydajność energetyczną pojazdu.

Aby spełnić nowe normy środowiskowe dla silnika hybrydowego, musimy całkowicie przemyśleć architekturę silników benzynowych, mówi Vincent Talon, szef symulacji w Renault. Dodaje, że problem polega na tym, że dokładne zbadanie dziesiątek różnych elementów wykonawczych, które mogą wpływać na końcowe wyniki zużycia paliwa i emisji zanieczyszczeń, jest procesem długotrwałym i złożonym, utrudnionym przez sztywne ramy czasowe.

Dzisiaj wyraźnie nie mamy czasu na drobiazgową ocenę różnych architektur hybrydowych układów napędowych, mówi Talon. Musieliśmy raczej zastosować zaawansowaną metodologię, aby zarządzać tą nową złożonością.

Aby uzyskać więcej informacji na temat sztucznej inteligencji w zastosowaniach przemysłowych, odwiedź www.siemens.com/artificialintelligence .

Pobierz pełny raport.

Ta treść została stworzona przez Insights, dział zajmujący się treściami niestandardowymi MIT Technology Review. Nie została napisana przez redakcję MIT Technology Review.

ukryć