211service.com
Produktdesign får en AI-makeover
I samarbete med Siemens Digital Industries Software
Ingenjörer är under en aldrig tidigare skådad press att bygga produkter som används av tusentals, om inte miljoner, konsumenter varje dag.
Fråga bara Bernd Zapf. Chef för utveckling, nya affärer och teknologier på Heller Group, en tillverkare av verktygsmaskiner i Tyskland, säger Zapf att dagens organisationer i allt högre grad måste hitta en balans mellan design, ingenjörskonst, tillverkning, drift och hantverk för att utveckla en produkt baserad på strikta riktlinjer.
Produktdesign får en AI-makeover
Ladda ner hela rapporten
Det är en stor order, men en som Zapf säger att artificiell intelligens (AI)-teknik kan stödja genom att fånga in rätt data och vägleda ingenjörer genom produktdesign och utveckling.
Inte konstigt att en McKinsey-undersökning från november 2020 avslöjar att mer än hälften av organisationerna har anammat AI i minst en funktion, och 22 % av de tillfrågade rapporterar att minst 5 % av deras företagsomfattande intäkter kan hänföras till AI. Och inom tillverkningsindustrin har 71 % av de tillfrågade sett en ökning på 5 % eller mer i intäkter med användning av AI.
Men så var det inte alltid. En gång sällan använt i produktutveckling, har AI upplevt en utveckling under de senaste åren, säger Zapf. Idag har teknikjättar kända för sina innovationer inom AI, som Google, IBM och Amazon, satt nya standarder för användningen av AI i andra processer, såsom ingenjörskonst.
AI är ett lovande och utforskande område som avsevärt kan förbättra användarupplevelsen för designingenjörer, samt samla in relevant data i utvecklingsprocessen för specifika applikationer, säger Katrien Wyckaert, chef för industrilösningar för Siemens Industry Software.
Resultatet är en växande uppskattning för en teknik som lovar att förenkla komplexa system, få ut produkter snabbare på marknaden och driva produktinnovation.
Förenkla komplexa system
Ett perfekt exempel på AI:s kraft att se över produktutvecklingen är Renault. Som svar på ökande konsumentefterfrågan utrustar den franska biltillverkaren ett växande antal nya fordonsmodeller med en automatiserad manuell växellåda (AMT) – ett system som beter sig som en automatisk växellåda men som tillåter förare att växla elektroniskt med hjälp av ett tryckknappskommando.
AMT:er är populära bland konsumenter, men att designa dem kan innebära enorma utmaningar. Det beror på att en AMT:s prestanda beror på driften av tre distinkta delsystem: ett elektromekaniskt ställdon som växlar växlarna, elektroniska sensorer som övervakar fordonsstatus och programvara inbäddad i transmissionens styrenhet, som styr motorn. På grund av denna komplexitet kan det ta upp till ett år av omfattande försök och fel att definiera systemets funktionskrav, designa ställdonets mekanik, utveckla nödvändig programvara och validera det övergripande systemet.
I ett försök att effektivisera sin AMT-utvecklingsprocess vände sig Renault till Simcenter Amesim programvara från Siemens Digital Industries Software. Simuleringstekniken bygger på artificiella neurala nätverk, AI-inlärningssystem som är löst modellerade på den mänskliga hjärnan. Ingenjörer drar, släpper och ansluter helt enkelt ikoner för att grafiskt skapa en modell. När den visas på en skärm som en skiss illustrerar modellen förhållandet mellan alla de olika elementen i ett AMT-system. I sin tur kan ingenjörer förutsäga AMT:s beteende och prestanda och göra nödvändiga förbättringar tidigt i utvecklingscykeln, vilket undviker problem och förseningar i sena skeden. I själva verket, genom att använda en virtuell motor och transmissioner som stand-ins medan man utvecklar hårdvara, har Renault lyckats halvera sin utvecklingstid för AMT nästan till hälften.
Hastighet utan att ge avkall på kvalitet
Så också är framväxande miljöstandarder som får Renault att förlita sig mer på AI. För att uppfylla nya koldioxidutsläppsstandarder har Renault arbetat med design och utveckling av hybridfordon. Men hybridmotorer är mycket mer komplicerade att utveckla än de som finns i fordon med en enda energikälla, till exempel en konventionell bil. Det beror på att hybridmotorer kräver att ingenjörer utför komplexa bedrifter som att balansera kraften som krävs från flera energikällor, att välja från en mängd olika arkitekturer och att undersöka effekten av transmissioner och kylsystem på ett fordons energiprestanda.
För att möta nya miljöstandarder för en hybridmotor måste vi helt ompröva bensinmotorernas arkitektur, säger Vincent Talon, simuleringschef på Renault. Problemet, tillägger han, är att att noggrant undersöka de dussintals olika ställdon som kan påverka de slutliga resultaten av bränsleförbrukning och utsläpp av föroreningar är en lång och komplex process, som försvåras av stela tidslinjer.
Idag har vi helt klart inte tid att noggrant utvärdera olika hybriddrivlinsarkitekturer, säger Talon. Snarare behövde vi använda en avancerad metod för att hantera denna nya komplexitet.
För mer om AI i industriella tillämpningar, besök www.siemens.com/artificialintelligence .
Ladda ner hela rapporten.
Detta innehåll producerades av Insights, den anpassade innehållsdelen av MIT Technology Review. Den skrevs inte av MIT Technology Reviews redaktion.