211service.com
Modelli intelligenti per un processo decisionale più intelligente
In associazione con Software Siemens per le industrie digitali
La popolarità dell'approccio di progettazione, costruzione e test all'ingegneria è in rapido declino poiché gli ingegneri di oggi devono affrontare una pressione senza precedenti per innovare, stare al passo con le ultime tecnologie e progettare soluzioni creative a problemi urgenti.
Modelli intelligenti per un processo decisionale più intelligente
Consideriamo, ad esempio, i sistemi di guida automatizzati. Sebbene i veicoli autonomi promettano di migliorare significativamente la mobilità, gli ingegneri devono testare questi framework per fattori critici come la sicurezza e potenziali guasti del sistema. Toyota è una delle case automobilistiche che lavora per rendere sicuri i sistemi senza conducente. Nel 2016, il presidente e CEO di Toyota Akio Toyoda ha detto di più servirebbero dei test per completare la sua missione, circa 8,8 miliardi di miglia.
Fortunatamente, afferma Stefan Jockusch, vicepresidente della strategia di Siemens Digital Industries Software, la simulazione può aiutare. Testando virtualmente milioni di scenari del mondo reale, dalle condizioni della strada innevata ai pedoni negligenti, la tecnologia di simulazione può analizzare le prestazioni dei veicoli autonomi accelerando lo sviluppo e riducendo i costi.
Ma mentre la simulazione è fondamentale per lo sviluppo digitale e la produzione dei prodotti di oggi e di domani, sfide come l'aumento della complessità e la mancanza di conoscenza del dominio stanno spingendo le organizzazioni a rafforzare i loro processi di simulazione con capacità di intelligenza artificiale (AI).
Aumento intelligente dell'intelligenza artificiale
Sebbene le sfide possano variare, afferma Don Tolle, direttore della società di consulenza e ricerca CIMdata, uno degli ostacoli principali alla simulazione è la discreta quantità di tempo necessaria per capovolgere una simulazione complessa e condividere i risultati con altri, inclusi i progettisti e analisti di simulazione. In effetti, Tolle afferma che possono essere necessarie settimane per progettare, raccogliere informazioni, costruire, eseguire e analizzare modelli di simulazione a supporto del processo decisionale.
La complessità è un altro ostacolo che gli ingegneri devono affrontare. I modelli di simulazione possono fornire informazioni più approfondite e accurate sul comportamento dei sistemi di produzione, ma questi dettagli aggiuntivi possono comportare un maggiore calcolo. La costruzione di modelli di simulazione richiede anche talento con una profonda conoscenza del dominio e della matematica. Molte organizzazioni si concentrano sulla democratizzazione dell'accesso agli strumenti di simulazione rendendoli una parte standard dei processi di progettazione e produzione. Ma la sfida, avverte Tolle, è rendere questi strumenti utilizzabili dall'ingegnere medio che potrebbe non avere una profonda conoscenza del dominio nelle specifiche di una tecnologia di simulazione e simulazione. Dopotutto, lo sviluppo di algoritmi di intelligenza artificiale è solo una parte del processo di simulazione; gli ingegneri hanno bisogno di conoscenze di dominio per comprendere il contesto più ampio di come vengono costruiti i modelli e lo scopo a cui servono.
In risposta agli ostacoli, molte organizzazioni si stanno rivolgendo all'IA per accelerare e semplificare la simulazione, e per una buona ragione. L'intelligenza artificiale può distillare le informazioni in una forma più facile da comprendere per gli ingegneri e più trasparente, eliminando la necessità di interagire con ogni dettaglio di un modello. La capacità di creare questi modelli incredibilmente complessi è una delle aree in cui l'intelligenza artificiale e l'apprendimento automatico avranno il maggiore impatto, afferma Tolle.
Questo perché l'IA può apprendere competenze dal vasto volume di set di dati di simulazione creato da migliaia di esecuzioni di simulazione in applicazioni simili. Di conseguenza, l'IA può proporre parametri del modello che consentono un insieme ottimale di caratteristiche di progettazione per il sistema eliminando il rischio che le simulazioni richiedano più tempo rispetto ai test fisici. In seguito, gli ingegneri possono iniziare a mettere insieme le caratteristiche di progettazione ottimali per progetti più dettagliati, come progetti 3D assistiti da computer, sviluppo software ed elettronica. La simulazione aumenta l'intelligenza dell'ingegnere utilizzando l'intelligenza artificiale e l'apprendimento automatico per migliorare il modo in cui conduciamo analisi e utilizziamo i dati, afferma Tolle.
Non mancano i casi d'uso
L'intelligenza artificiale può aiutare a rendere pratica la simulazione nei casi in cui altrimenti non lo sarebbe, ad esempio quando un progettista desidera testare e convalidare rapidamente molte configurazioni di progettazione.
Le simulazioni possono essere computazionalmente costose, ad esempio il comportamento di carica di un veicolo elettrico ibrido per migliaia di tipi di cicli di guida, afferma Jockusch. L'intelligenza artificiale aiuta a sviluppare i cosiddetti modelli surrogati, utilizzando migliaia di simulazioni esistenti per derivare modelli altamente semplificati e molto meno costosi dal punto di vista computazionale, sufficientemente accurati da guidare i progettisti attraverso uno spazio decisionale complesso.
Un altro vantaggio dell'IA è la sua capacità di rilevare i difetti di progettazione nelle prime fasi del ciclo di vita di un prodotto. Ci sono stati alcuni esempi notevoli di guasti o sviste di sistema negli ultimi quattro o cinque anni sia nell'industria aerospaziale che in quella automobilistica con importanti richiami e grossi problemi, afferma Tolle. Il costo per prendere decisioni alla fine del ciclo di vita è enorme.
La buona notizia, afferma, è che l'IA può ridurre al minimo il rischio di introdurre difetti nella progettazione del prodotto consentendo agli ingegneri di convalidare i sistemi durante tutto il loro sviluppo. Ciò consente decisioni e compromessi di progettazione più intelligenti e rapidi nelle prime fasi del ciclo di vita del progetto, anziché dover modificare il progetto in un secondo momento, il che può essere costoso in sistemi complessi.
Scarica il rapporto completo .
Questo contenuto è stato prodotto da Insights, il ramo dei contenuti personalizzati di MIT Technology Review. Non è stato scritto dalla redazione del MIT Technology Review.