Das Produktdesign erhält eine KI-Überarbeitung

In Verbindung mit Siemens Digital Industries-Software

Ingenieure stehen unter beispiellosem Druck, Produkte zu bauen, die täglich von Tausenden, wenn nicht Millionen von Verbrauchern verwendet werden.



Fragen Sie einfach Bernd Zapf. Laut Zapf, Head of Development, New Business and Technologies bei der Heller Group, einem Werkzeugmaschinenhersteller in Deutschland, müssen Unternehmen von heute zunehmend ein Gleichgewicht zwischen Design, Konstruktion, Fertigung, Betrieb und handwerklichem Können finden, um ein Produkt auf der Grundlage strenger Richtlinien zu entwickeln.

Das Produktdesign erhält eine KI-Überarbeitung

  • Laden Sie den vollständigen Bericht herunter

Das ist eine große Aufgabe, aber laut Zapf kann die Technologie der künstlichen Intelligenz (KI) sie unterstützen, indem sie die richtigen Daten erfasst und Ingenieure durch das Produktdesign und die Entwicklung führt.

Kein Wunder, dass eine McKinsey-Umfrage vom November 2020 zeigt, dass mehr als die Hälfte der Unternehmen KI in mindestens einer Funktion eingeführt haben und 22 % der Befragten angeben, dass mindestens 5 % ihrer unternehmensweiten Einnahmen auf KI zurückzuführen sind. Und in der Fertigung haben 71 % der Befragten eine Umsatzsteigerung von 5 % oder mehr durch die Einführung von KI verzeichnet.

Aber das war nicht immer so. Einst nur selten in der Produktentwicklung eingesetzt, hat KI in den letzten Jahren eine Evolution erfahren, sagt Zapf. Heute haben Tech-Giganten, die für ihre Innovationen in der KI bekannt sind, wie Google, IBM und Amazon, neue Standards für den Einsatz von KI in anderen Prozessen wie dem Engineering gesetzt.

KI ist ein vielversprechendes und explorierendes Gebiet, das die Benutzererfahrung für Konstrukteure erheblich verbessern und relevante Daten im Entwicklungsprozess für bestimmte Anwendungen sammeln kann, sagt Katrien Wyckaert, Director of Industry Solutions bei Siemens Industry Software.

Das Ergebnis ist eine wachsende Wertschätzung für eine Technologie, die verspricht, komplexe Systeme zu vereinfachen, Produkte schneller auf den Markt zu bringen und Produktinnovationen voranzutreiben.

Komplexe Systeme vereinfachen

Ein perfektes Beispiel für die Leistungsfähigkeit von KI bei der Überholung der Produktentwicklung ist Renault. Als Reaktion auf die steigende Verbrauchernachfrage stattet der französische Autohersteller eine wachsende Zahl neuer Fahrzeugmodelle mit einem automatisierten Schaltgetriebe (AMT) aus – einem System, das sich wie ein Automatikgetriebe verhält, aber dem Fahrer ermöglicht, die Gänge elektronisch per Knopfdruck zu schalten.

AMTs sind bei Verbrauchern beliebt, aber ihre Entwicklung kann gewaltige Herausforderungen darstellen. Das liegt daran, dass die Leistung eines AMT vom Betrieb dreier unterschiedlicher Subsysteme abhängt: einem elektromechanischen Aktuator, der die Gänge schaltet, elektronischen Sensoren, die den Fahrzeugstatus überwachen, und einer in das Getriebesteuergerät eingebetteten Software, die den Motor steuert. Aufgrund dieser Komplexität kann es bis zu einem Jahr dauern, bis die funktionalen Anforderungen des Systems definiert, die Aktuatormechanik entworfen, die erforderliche Software entwickelt und das Gesamtsystem validiert wurde.

Um seinen AMT-Entwicklungsprozess zu rationalisieren, wandte sich Renault an die Simcenter Amesim-Software von Siemens Digital Industries Software. Die Simulationstechnologie basiert auf künstlichen neuronalen Netzen, KI-Lernsystemen, die dem menschlichen Gehirn lose nachempfunden sind. Ingenieure ziehen einfach Symbole per Drag-and-Drop und verbinden sie, um ein Modell grafisch zu erstellen. Wenn es als Skizze auf einem Bildschirm angezeigt wird, veranschaulicht das Modell die Beziehung zwischen all den verschiedenen Elementen eines AMT-Systems. Im Gegenzug können Ingenieure das Verhalten und die Leistung des AMT vorhersagen und alle notwendigen Verfeinerungen früh im Entwicklungszyklus vornehmen, um Probleme und Verzögerungen in der Spätphase zu vermeiden. Durch die Verwendung eines virtuellen Motors und Getriebes als Stellvertreter bei der Entwicklung von Hardware ist es Renault gelungen, seine AMT-Entwicklungszeit fast zu halbieren.

Geschwindigkeit ohne Qualitätseinbußen

Auch aufkommende Umweltstandards veranlassen Renault, sich stärker auf KI zu verlassen. Um die neuen Standards für Kohlendioxidemissionen einzuhalten, hat Renault an der Konstruktion und Entwicklung von Hybridfahrzeugen gearbeitet. Hybridmotoren sind jedoch weitaus komplexer zu entwickeln als solche, die in Fahrzeugen mit einer einzigen Energiequelle wie einem herkömmlichen Auto zu finden sind. Das liegt daran, dass Hybridmotoren komplexe Leistungen von Ingenieuren erfordern, wie das Ausbalancieren der erforderlichen Leistung aus mehreren Energiequellen, das Auswählen aus einer Vielzahl von Architekturen und das Untersuchen der Auswirkungen von Getrieben und Kühlsystemen auf die Energieeffizienz eines Fahrzeugs.

Um neue Umweltstandards für einen Hybridmotor zu erfüllen, müssen wir die Architektur von Benzinmotoren komplett überdenken, sagt Vincent Talon, Simulationsleiter bei Renault. Das Problem, fügt er hinzu, ist, dass die sorgfältige Untersuchung der Dutzende verschiedener Aktoren, die die endgültigen Ergebnisse des Kraftstoffverbrauchs und der Schadstoffemissionen beeinflussen können, ein langwieriger und komplexer Prozess ist, der durch starre Zeitvorgaben erschwert wird.

Heute haben wir eindeutig nicht die Zeit, verschiedene Hybrid-Antriebsstrangarchitekturen sorgfältig zu evaluieren, sagt Talon. Vielmehr mussten wir eine fortschrittliche Methodik anwenden, um diese neue Komplexität zu bewältigen.

Weitere Informationen zu KI in industriellen Anwendungen finden Sie unter www.siemens.com/artificialintelligence .

Laden Sie den vollständigen Bericht herunter.

Dieser Inhalt wurde von Insights erstellt, dem Zweig für benutzerdefinierte Inhalte von MIT Technology Review. Es wurde nicht von der Redaktion des MIT Technology Review geschrieben.

verbergen