211service.com
Produktdesign får en AI-makeover
I forbindelse med Siemens Digital Industries Software
Ingeniører er under et hidtil uset pres for at bygge produkter, der bruges af tusinder, hvis ikke millioner, af forbrugere hver dag.
Spørg bare Bernd Zapf. Leder for udvikling, nye forretninger og teknologier hos Heller Group, en værktøjsmaskineproducent i Tyskland, siger Zapf, at nutidens organisationer i stigende grad skal finde en balance mellem design, teknik, fremstilling, drift og håndværk til at udvikle et produkt baseret på strenge retningslinjer.
Produktdesign får en AI-makeover
Download hele rapporten
Det er en stor opgave, men en, som Zapf siger, kunstig intelligens (AI) teknologi kan understøtte ved at fange de rigtige data og vejlede ingeniører gennem produktdesign og udvikling.
Ikke underligt, at en McKinsey-undersøgelse fra november 2020 afslører, at mere end halvdelen af organisationerne har taget kunstig intelligens i brug i mindst én funktion, og 22 % af de adspurgte rapporterer, at mindst 5 % af deres indtjening på hele virksomheden kan henføres til kunstig intelligens. Og i fremstillingen har 71 % af de adspurgte oplevet en stigning på 5 % eller mere i omsætningen med AI-adoption.
Men det var ikke altid tilfældet. Engang sjældent brugt i produktudvikling, har AI oplevet en udvikling i løbet af de sidste par år, siger Zapf. I dag har tech-giganter kendt for deres innovationer inden for AI, såsom Google, IBM og Amazon, sat nye standarder for brugen af AI i andre processer, såsom engineering.
AI er et lovende og udforskende område, der markant kan forbedre brugeroplevelsen for designingeniører, samt indsamle relevante data i udviklingsprocessen for specifikke applikationer, siger Katrien Wyckaert, direktør for industriløsninger for Siemens Industry Software.
Resultatet er en voksende påskønnelse af en teknologi, der lover at forenkle komplekse systemer, få produkter på markedet hurtigere og drive produktinnovation.
Forenkling af komplekse systemer
Et perfekt eksempel på AI's magt til at revidere produktudvikling er Renault. Som svar på forbrugernes stigende efterspørgsel udstyrer den franske bilproducent et voksende antal nye bilmodeller med en automatiseret manuel gearkasse (AMT) - et system, der opfører sig som en automatisk gearkasse, men som tillader chauffører at skifte gear elektronisk ved hjælp af en trykknap-kommando.
AMT'er er populære blandt forbrugere, men at designe dem kan give formidable udfordringer. Det skyldes, at en AMTs ydeevne afhænger af driften af tre forskellige undersystemer: en elektromekanisk aktuator, der skifter gearene, elektroniske sensorer, der overvåger køretøjets status, og software, der er indlejret i transmissionskontrolenheden, som styrer motoren. På grund af denne kompleksitet kan det tage op til et år med omfattende forsøg og fejl at definere systemets funktionskrav, designe aktuatormekanikken, udvikle den nødvendige software og validere det overordnede system.
I et forsøg på at strømline sin AMT-udviklingsproces henvendte Renault sig til Simcenter Amesim-software fra Siemens Digital Industries Software. Simuleringsteknologien er afhængig af kunstige neurale netværk, AI-læringssystemer, der er løst modelleret på den menneskelige hjerne. Ingeniører skal blot trække, slippe og forbinde ikoner for grafisk at skabe en model. Når modellen vises på en skærm som en skitse, illustrerer den sammenhængen mellem alle de forskellige elementer i et AMT-system. Til gengæld kan ingeniører forudsige adfærden og ydeevnen af AMT og foretage de nødvendige justeringer tidligt i udviklingscyklussen og undgå problemer og forsinkelser i de sene stadier. Faktisk, ved at bruge en virtuel motor og transmissioner som stand-ins under udvikling af hardware, har Renault formået at halvere sin AMT-udviklingstid næsten.
Hastighed uden at ofre kvaliteten
Det er også nye miljøstandarder, der får Renault til at stole mere på AI. For at overholde nye CO2-emissionsstandarder har Renault arbejdet på design og udvikling af hybridbiler. Men hybridmotorer er langt mere komplekse at udvikle end dem, der findes i køretøjer med en enkelt energikilde, såsom en konventionel bil. Det skyldes, at hybridmotorer kræver, at ingeniører udfører komplekse bedrifter som at balancere den kraft, der kræves fra flere energikilder, at vælge mellem en lang række arkitekturer og undersøge effekten af transmissioner og kølesystemer på et køretøjs energiydelse.
For at leve op til nye miljøstandarder for en hybridmotor skal vi fuldstændig nytænke benzinmotorernes arkitektur, siger Vincent Talon, leder af simulering hos Renault. Problemet, tilføjer han, er, at en omhyggelig undersøgelse af snesevis af forskellige aktuatorer, der kan påvirke de endelige resultater af brændstofforbrug og forurenende emissioner, er en langvarig og kompleks proces, der er blevet vanskeligere af stive tidslinjer.
I dag har vi tydeligvis ikke tid til omhyggeligt at evaluere forskellige hybriddrivlinjearkitekturer, siger Talon. I stedet var vi nødt til at bruge en avanceret metode til at håndtere denne nye kompleksitet.
For mere om kunstig intelligens i industrielle applikationer, besøg www.siemens.com/artificial intelligence .
Download hele rapporten.
Dette indhold blev produceret af Insights, den tilpassede indholdsarm af MIT Technology Review. Det er ikke skrevet af MIT Technology Reviews redaktion.