211service.com
Produktdesign får en AI-makeover
I samarbeid med Siemens Digital Industries-programvare
Ingeniører er under et enestående press for å bygge produkter som brukes av tusenvis, om ikke millioner, av forbrukere hver dag.
Bare spør Bernd Zapf. Leder for utvikling, ny virksomhet og teknologier hos Heller Group, en maskinverktøyprodusent i Tyskland, sier Zapf at dagens organisasjoner i økende grad må finne en balanse mellom design, ingeniørarbeid, produksjon, drift og håndverk for å utvikle et produkt basert på strenge retningslinjer.
Produktdesign får en AI-makeover
Last ned hele rapporten
Det er en stor ordre, men en som Zapf sier at kunstig intelligens (AI)-teknologi kan støtte ved å fange opp de riktige dataene og veilede ingeniører gjennom produktdesign og utvikling.
Ikke rart at en McKinsey-undersøkelse fra november 2020 avslører at mer enn halvparten av organisasjonene har tatt i bruk AI i minst én funksjon, og 22 % av respondentene rapporterer at minst 5 % av bedriftsomfattende inntekter kan tilskrives AI. Og innen produksjon har 71 % av respondentene sett en økning på 5 % eller mer i inntekter med bruk av kunstig intelligens.
Men det var ikke alltid tilfelle. En gang sjelden brukt i produktutvikling, har AI opplevd en utvikling de siste årene, sier Zapf. I dag har teknologigiganter kjent for sine innovasjoner innen kunstig intelligens, som Google, IBM og Amazon, satt nye standarder for bruk av kunstig intelligens i andre prosesser, som for eksempel engineering.
AI er et lovende og utforskende område som kan forbedre brukeropplevelsen for designingeniører betydelig, samt samle relevante data i utviklingsprosessen for spesifikke applikasjoner, sier Katrien Wyckaert, direktør for industriløsninger for Siemens Industry Software.
Resultatet er en økende forståelse for en teknologi som lover å forenkle komplekse systemer, få produkter til markedet raskere og drive produktinnovasjon.
Forenkling av komplekse systemer
Et perfekt eksempel på AIs kraft til å overhale produktutvikling er Renault. Som svar på økende etterspørsel fra forbrukere, utstyrer den franske bilprodusenten et økende antall nye kjøretøymodeller med en automatisert manuell girkasse (AMT) – et system som oppfører seg som en automatisk girkasse, men som lar sjåførene skifte gir elektronisk ved hjelp av en trykknappkommando.
AMT-er er populære blant forbrukere, men å designe dem kan by på formidable utfordringer. Det er fordi ytelsen til en AMT avhenger av driften av tre distinkte undersystemer: en elektromekanisk aktuator som skifter girene, elektroniske sensorer som overvåker kjøretøyets status og programvare innebygd i transmisjonskontrollenheten, som styrer motoren. På grunn av denne kompleksiteten kan det ta opptil et år med omfattende prøving og feiling å definere systemets funksjonskrav, designe aktuatormekanikken, utvikle nødvendig programvare og validere det overordnede systemet.
I et forsøk på å strømlinjeforme AMT-utviklingsprosessen, henvendte Renault seg til Simcenter Amesim-programvare fra Siemens Digital Industries Software. Simuleringsteknologien er avhengig av kunstige nevrale nettverk, AI-læringssystemer løst modellert på den menneskelige hjernen. Ingeniører drar, slipper og kobler til ikoner for å lage en modell grafisk. Når den vises på en skjerm som en skisse, illustrerer modellen forholdet mellom alle de ulike elementene i et AMT-system. På sin side kan ingeniører forutsi oppførselen og ytelsen til AMT og gjøre nødvendige forbedringer tidlig i utviklingssyklusen, og unngå problemer og forsinkelser på sent stadium. Faktisk, ved å bruke en virtuell motor og transmisjoner som stand-ins mens han utvikler maskinvare, har Renault klart å kutte AMT-utviklingstiden nesten med det halve.
Hastighet uten å ofre kvalitet
Det er også nye miljøstandarder som får Renault til å stole sterkere på AI. For å overholde nye standarder for utslipp av karbondioksid, har Renault jobbet med design og utvikling av hybridbiler. Men hybridmotorer er langt mer komplekse å utvikle enn de som finnes i kjøretøyer med en enkelt energikilde, for eksempel en konvensjonell bil. Det er fordi hybridmotorer krever at ingeniører utfører komplekse bragder som å balansere kraften som kreves fra flere energikilder, velge fra en rekke arkitekturer og undersøke effekten av transmisjoner og kjølesystemer på et kjøretøys energiytelse.
For å møte nye miljøstandarder for en hybridmotor, må vi fullstendig revurdere arkitekturen til bensinmotorer, sier Vincent Talon, leder for simulering i Renault. Problemet, legger han til, er at det å nøye undersøke dusinvis av forskjellige aktuatorer som kan påvirke de endelige resultatene av drivstofforbruk og utslipp av forurensende stoffer er en langvarig og kompleks prosess, vanskeliggjort av rigide tidslinjer.
I dag har vi tydeligvis ikke tid til møysommelig å vurdere ulike hybrid-drivlinjearkitekturer, sier Talon. I stedet måtte vi bruke en avansert metodikk for å håndtere denne nye kompleksiteten.
For mer om AI i industrielle applikasjoner, besøk www.siemens.com/artificialintelligence .
Last ned hele rapporten.
Dette innholdet ble produsert av Insights, den tilpassede innholdsarmen til MIT Technology Review. Den ble ikke skrevet av MIT Technology Reviews redaksjon.