Применимость искусственного интеллекта в проектировании и производстве
После десятилетий фальстартов искусственный интеллект (ИИ) наконец проник в нашу жизнь и наш бизнес. Киран Кришнамурти, специалист по предметной области AI, CFMS, объясняет, как эта новая волна технологий может улучшить рабочие процессы, сэкономить время и деньги, а также помочь вам использовать ваши внутренние данные.
По мере того как производство все больше зависит от мозга, а не от мускулов, ИИ трансформирует высокодоходное производство и высокодоходные отрасли дизайна благодаря своим возможностям принятия решений на основе данных. Когда профессор Эндрю Нг — бывший главный научный сотрудник Baidu, соучредитель Coursera и адъюнкт-профессор Стэнфорда — выступил с докладом о том, почему «ИИ — это новое электричество», он подчеркнул преобразующий характер этой технологии. И поскольку эта недавняя волна ИИ начинает вызывать культурный сдвиг от «всезнайки» к «всезнайке» во многих различных отраслях, таких как аэрокосмическая промышленность и здравоохранение, реальность такова, что предприятия, которые не проходят через это преобразование может погибнуть.
Конечно, внедрение ИИ не так просто, как развертывание соответствующих технологий или адаптация рабочей культуры — не то чтобы любую из этих задач можно было действительно назвать простой. Первоначальная проблема — это разрыв, который существует между мирами производства и дизайна с высокой стоимостью и искусственным интеллектом. Именно этот разрыв препятствует беспрепятственному переходу и применению технологий искусственного интеллекта. На этом этапе важно провести различие между эволюцией и изменением. Многие компании со временем изменятся, но эволюция требует внедрения новых технологий и процессов более естественным образом.
Ключ к конкурентоспособности
В области производства и проектирования дорогостоящих товаров эволюция в определенной степени происходит естественным образом. Как эффективность, так и результативность традиционных процессов проектирования и производства остались на прежнем уровне, и, как указано в отчете McKinsey «Индустрия 4.0», традиционные рычаги повышения производительности в производстве (например, методологии бережливого производства, аутсорсинг и т. д.) практически исчерпаны. Это означает, что время выхода на рынок и оперативность реагирования на потребности клиентов теперь являются ключевыми факторами конкурентоспособности. Так где же вписывается ИИ?
Чтобы раскрыть ценность данных, компании должны иметь возможность собирать, анализировать и действовать на основе отслеживаемой, проверенной информации. В нынешних условиях эта информация существует в виде одностороннего потока информации, который ведет от проектирования к производству и обслуживанию. Возможность почти мгновенно извлекать уроки из данных, генерируемых в течение жизненного цикла продукта, и циклически передавать эту информацию обратно в процессе проектирования и разработки имела бы значительные преимущества.
ИИ обеспечивает естественную совместимость с обрабатывающей промышленностью, заполненной датчиками, а промышленный ИИ позволяет использовать ценность данных от оборудования и датчиков, обеспечивая интеллектуальные прогнозы и автоматизацию оперативного принятия решений.По сути, цифровой двойник отражает весь производственный процесс, включая машины, линии и заводы, и служит фундаментом для обеспечения автоматизированного принятия решений на основе ИИ на заводе.
Интеграция предиктивного машинного обучения
Сочетая деятельность по анализу производства на ранних стадиях с моделью искусственного интеллекта, известной как машинное обучение, которая использует статистические методы для «обучения» и прогнозирования, компании могут извлечь выгоду из ускоренного выхода на рынок и зрелости процессов. Это было продемонстрировано CLAMPS (Компьютерное обучение в автоматизированных производственных процессах), совместным проектом Центра моделирования и моделирования (CFMS) и Национального центра композитов (NCC). Последний привносит в проект знания в области производства композитов, в то время как первый является независимым некоммерческим специалистом в области проектирования и производства с высокой стоимостью, опираясь на передовое моделирование и симуляцию, высокопроизводительные вычисления и возможности искусственного интеллекта. Вместе обе организации стремятся продемонстрировать, что интеграция прогностического машинного обучения будет способствовать улучшению и минимизации изменчивости в процессе производства композитов.
Подчеркивая этапы оцифровки и автоматизации, необходимые для включения в процесс формования жидких композитов, результатом проекта станет физический демонстрационный образец, который будет автоматически регулировать параметры производственного процесса для обеспечения неизменно высокого качества деталей. Это уменьшит потребность в доработке, браке или ремонте, что в конечном итоге сэкономит затраты в NCC. Поскольку проект связан с предварительным производством, у него не было данных о больших объемах производства, необходимых для оптимального использования ИИ. Чтобы удовлетворить требования к данным, способность обнаруживать и контролировать образование дефектов будет основываться на результатах более чем 15 000 виртуальных симуляций процесса инфузии жидкого композита.Сами по себе симуляции хороши, но требуют больших вычислительных ресурсов, поэтому для обработки данных и классификации решений, принятых в процессе инфузии, был использован алгоритм машинного обучения, чтобы свести к минимуму образование пористости и дефектов сухих пятен.
В физическом производственном процессе поток смолы контролируется с помощью интеллектуально расположенных датчиков, что позволяет в режиме реального времени понимать поток внутри закрытой формы. Модель машинного обучения будет использоваться для прогнозирования и уменьшения образования дефектов путем выборочного открытия и закрытия впускных и выпускных клапанов, чтобы влиять на поток смолы. Вместо десятков тысяч симуляций, выполнение которых может занять до 48 часов, модель машинного обучения может делать прогнозы качества покрытия смолой за доли секунды. Этот пилотный проект послужит проверкой принципа применения машинного обучения для управления процессом производства композитов с потенциалом масштабирования до сложной геометрии композитных деталей для таких отраслей, как аэрокосмическая, автомобильная и возобновляемая энергетика.
Освобождение инженеров; инновации
Автоматизация на основе искусственного интеллекта позволит отрасли производства и проектирования с высокой стоимостью достичь более высокого уровня точности и производительности — уровня, который в настоящее время находится за пределами возможностей человека. Освободив инженеров от рутинной повторяющейся деятельности, ИИ высвободит больше времени для инновационных и творческих задач. Чтобы ускорить и облегчить внедрение этих технологий, CFMS использует свое положение независимой некоммерческой организации, занимающей центральное место в сообществе разработчиков и производителей.
Совместный и инновационный характер ИИ присущ CFMS, который способствует совместным инновациям во многих отраслях, между предприятиями разного размера и в академических кругах.CFMS может предложить ряд навыков, опыта и доступа к технологиям, которые помогают предприятиям беспрепятственно пройти текущий путь технологической трансформации; чтобы сначала помочь им определить возможности для топологий, связанных с ИИ, в их собственном бизнесе, и сделать это с минимальным воздействием и максимальной выгодой. При минимальных капитальных вложениях нет необходимости менять существующие настройки> Сейчас самое время позволить умным алгоритмам собирать бизнес-данные и раскрывать их ценность, чтобы ускорить обучение, улучшить процессы и воспользоваться преимуществами ИИ. Если вы хотите узнать, как технологии ИИ могут работать на вас, свяжитесь с CFMS.
