Išmanūs modeliai, skirti protingesniems sprendimams priimti

Susijęs su „Siemens Digital Industries“ programinė įranga





Inžinerijos projektavimo, kūrimo ir bandymo metodo populiarumas sparčiai mažėja, nes šiuolaikiniai inžinieriai susiduria su precedento neturinčiu spaudimu diegti naujoves, neatsilikti nuo naujausių technologijų ir kurti kūrybiškus neatidėliotinų problemų sprendimus.

Išmanūs modeliai, skirti protingesniems sprendimams priimti

Apsvarstykite, pavyzdžiui, automatizuotas vairavimo sistemas. Nors autonominės transporto priemonės žada žymiai pagerinti mobilumą, inžinieriai turi išbandyti šias sistemas dėl svarbių veiksnių, tokių kaip sauga ir galimi sistemos gedimai. „Toyota“ yra vienas iš automobilių gamintojų, siekiančių, kad sistemos be vairuotojo būtų saugios. 2016 m. Toyota prezidentas ir generalinis direktorius Akio Toyoda pasakė daugiau būtų reikalingas bandymas kad užbaigtų savo misiją – apie 8,8 milijardo mylių.



Laimei, sako Stefanas Jockuschas, „Siemens Digital Industries Software“ strategijos viceprezidentas, modeliavimas gali padėti. Praktiškai išbandant milijonus realaus pasaulio scenarijų – nuo ​​apsnigtų kelių iki neatsargių pėsčiųjų, modeliavimo technologija gali analizuoti autonominių transporto priemonių veikimą, paspartindama plėtrą ir sumažindama išlaidas.

Tačiau nors modeliavimas yra labai svarbus skaitmeniniam šiandienos ir ateities produktų kūrimui ir gamybai, tokie iššūkiai kaip padidėjęs sudėtingumas ir srities žinių trūkumas verčia organizacijas sustiprinti modeliavimo procesus naudojant dirbtinio intelekto (AI) galimybes.

AI ace išmanusis padidėjimas

Nors iššūkiai gali skirtis, konsultacijų ir tyrimų bendrovės CIMdata direktorius Don Tolle teigia, kad viena iš pagrindinių modeliavimo kliūčių yra pakankamai daug laiko, kurio reikia norint pakeisti sudėtingą modeliavimą ir pasidalyti rezultatais su kitais, įskaitant projektavimo inžinierius. ir modeliavimo analitikai. Tiesą sakant, Tolle teigia, kad gali užtrukti kelias savaites, kol bus sukurti, rinkti informaciją, sukurti, vykdyti ir analizuoti modeliavimo modelius, kad būtų lengviau priimti sprendimus.



Sudėtingumas yra dar viena kliūtis, kurią inžinieriai turi įveikti. Modeliavimo modeliai gali suteikti gilesnių ir tikslesnių įžvalgų apie gamybos sistemų elgesį, tačiau šios papildomos detalės gali kainuoti didesnio skaičiavimo kaina. Kuriant modeliavimo modelius taip pat reikia talentų, turinčių gilių srities ir matematinių žinių. Daugelis organizacijų siekia demokratizuoti prieigą prie modeliavimo įrankių, paversdamos juos standartine projektavimo ir gamybos procesų dalimi. Tačiau iššūkis, įspėja Tolle, yra tai, kad šiuos įrankius galėtų naudoti paprastas inžinierius, kuris galbūt neturi gilių žinių apie modeliavimo ir modeliavimo technologijos specifiką. Juk dirbtinio intelekto algoritmų kūrimas yra tik dalis modeliavimo proceso; inžinieriams reikia srities žinių, kad suprastų platesnį modelių kūrimo kontekstą ir jų paskirtį.

Reaguodamos į kliūtis, daugelis organizacijų kreipiasi į AI, kad paspartintų ir supaprastintų modeliavimą – ir dėl geros priežasties. AI gali distiliuoti informaciją į inžinieriams lengviau suprantamą ir skaidresnę formą, todėl nereikia sąveikauti su kiekviena modelio detale. Gebėjimas kurti šiuos neįtikėtinai sudėtingus modelius yra viena iš sričių, kur dirbtinis intelektas ir mašininis mokymasis turės didžiausią įtaką, sako Tolle.

Taip yra todėl, kad dirbtinis intelektas gali pasisemti patirties iš daugybės modeliavimo duomenų rinkinių, sukurtų atliekant tūkstančius modeliavimo paleidimų panašiose programose. Dėl to dirbtinis intelektas gali pasiūlyti modelio parametrus, leidžiančius sukurti optimalų sistemos projektavimo charakteristikų rinkinį, kartu pašalinant riziką, kad modeliavimas užtruks ilgiau nei fizinis bandymas. Po to inžinieriai gali pradėti derinti optimalias dizaino charakteristikas detalesniems projektams, pvz., trimačiams kompiuteriniams projektams, programinės įrangos kūrimui ir elektronikai. Modeliavimas padidina inžinieriaus intelektą, naudodamas AI ir [mašininį mokymąsi], kad pagerintume analizę ir duomenų naudojimą, sako Tolle.



Naudojimo atvejų netrūksta

AI gali padėti modeliavimą paversti praktišku tais atvejais, kai kitaip nebūtų, pavyzdžiui, kai dizaineris greitai nori išbandyti ir patvirtinti daugybę dizaino konfigūracijų.

Modeliavimas gali būti brangus, pavyzdžiui, hibridinės elektrinės transporto priemonės įkrovimas tūkstančiams važiavimo ciklų tipų, sako Jockusch. Dirbtinis intelektas padeda kurti vadinamuosius surogatinius modelius, naudojant tūkstančius esamų modeliavimų, kad būtų sukurti labai supaprastinti, skaičiavimo požiūriu daug pigesni modeliai, kurie yra pakankamai tikslūs, kad galėtų nukreipti dizainerius į sudėtingą sprendimų priėmimo erdvę.

Kitas AI privalumas yra galimybė anksti aptikti dizaino trūkumus produkto gyvavimo ciklo metu. Tolle teigimu, per pastaruosius ketverius ar penkerius metus aviacijos ir automobilių pramonėje buvo keletas pastebimų sistemų gedimų ar sistemų priežiūros pavyzdžių, kai buvo atšaukti dideli atšaukimai ir didelės problemos. Sprendimų priėmimas vėlyvoje gyvavimo ciklo dalyje yra didžiulis.



Geros naujienos, anot jo, yra tai, kad dirbtinis intelektas gali sumažinti gaminio projektavimo trūkumų riziką, nes inžinieriai gali patvirtinti sistemas viso jų kūrimo metu. Tai leidžia priimti protingesnius ir greitesnius dizaino sprendimus ir kompromisus projektavimo ciklo pradžioje, o ne vėliau keisti dizainą, o tai gali būti brangu sudėtingose ​​sistemose.

Atsisiųskite pilna ataskaita .

Šį turinį sukūrė „Insights“, „MIT Technology Review“ tinkinto turinio dalis. Ją parašė ne „MIT Technology Review“ redakcija.

paslėpti