Seit Jahren hören wir davon, dass die nächste große industrielle Revolution entweder in vollem Gange ist oder ernsthaft beginnen wird. Beide Aussagen haben etwas Wahres in sich, aber die erstere sieht immer ähnlicher ausEs ist das Pferd zum Rücken.
Industrie 4.0 ist im Wesentlichen die Brücke zwischen physischen und digitalen Systemen, die durch das industrielle Internet der Dinge erreicht wird und die Fertigung, wie wir sie kennen, verändert. Diese neuen, durch künstliche Intelligenz ermöglichten Test- und Produktionsmodi beginnen zu helfenIngenieure überwachen physische Assets in Echtzeit, richten autonome Entscheidungssysteme in Produktionslinien ein und verbessern die Wertschöpfungsprozesse.
Die Revolution ist so vielversprechend, dass der US-Senat dafür gestimmt hat, ein Gesetz zu billigen, das als das umfangreichste bezeichnet wirdindustriepolitisches Gesetz in der Geschichte des Landes bereits im Juni. Und während die meisten Anwendungen von Industrie 4.0-Initiativen noch immer in den Bereich der Systeme der letzten industriellen Revolution fallen, tauchen wirklich spannende Technologien und Anwendungen auf, von denen die meistenhaben eine Basis in KI.
Der Geschäftsbereich Manufacturing Intelligence von Hexagon ist seit Jahren Teil dieses Wandels. Der Fokus des Unternehmens auf die Integration von Intelligenz in Design-, Engineering-, Produktions- und Qualitätsinspektionslösungen für die Fabriken seiner Kunden hat ihm einen rechtmäßigen Platz als prominente Persönlichkeit in jeder Branche eingebracht.Industrie 4.0-Gespräch.
Passt also, dass sie die HxGN LIVE Design & Engineering 2021 virtuelle Konferenz über drei Tage ab dem 12. Oktober. Die Veranstaltung wird 220 Vorträge zu Themen wie Akustik, ICME Integrated Computational Materials Engineering, Multi-Physics Digital Twins sowie KI und maschinelles Lernen sehen und wie sich diese Felder an und anpassenführt das neue industrielle Zeitalter an.
Wie KI ein Rechenskalierungsproblem löst
Es lohnt sich, daran zu erinnern, wie wir hierher gekommen sind, da die Gespräche, die wir gleich erwähnen werden, alle vor dem gleichen kontextuellen Branchenhintergrund ablaufen. Die FE-Analyse Finite-Elemente-Analyse ermöglicht es Ingenieuren, hochgenaue, virtuelle Darstellungen eines physischen Assets zu erstellenund sehen Sie, wie es unter verschiedenen Umständen funktioniert.
Diese virtuellen Simulationen sind oft physikalisch treu, aber auch erheblich zeit- und rechenintensiv. Der alleinige Einsatz dieser Simulationen wird Ingenieuren wahrscheinlich nicht helfen, den Traum von digitalen Zwillingen zu verwirklichen, zum Beispiel eines der Ziele, die die aktuelle industrielle Bewegung charakterisieren.
Digitale Zwillinge sind exakte virtuelle Darstellungen von Produkten, Menschen, ganzen Prozessen oder sogar Lieferketten, die sowohl ein Live-Fenster in das, was mit ihnen passiert, als auch wie sie im Laufe ihrer Lebensdauer auf unterschiedliche Situationen reagieren könnten.Durch die Kombination von Echtzeitdaten von Sensoren mit der Vorhersagekraft der Simulation, digitale Zwillinge helfen Ingenieuren, schneller fundiertere Entscheidungen zu treffen, ermöglichen umfassendere Ansätze in Forschung und Konstruktion und vereinfachen komplexe Optimierungsprobleme und Produktinnovationen.
Dies zu realisieren erfordert jedoch die Hilfe von KI, da FE-Simulationen in den letzten Jahren so komplexer geworden sind, dass sie den Ingenieuren und Designern, die sie verwenden müssen, echte rechnerische und finanzielle Hindernisse darstellen. KI ändert das. Hexagon zum Beispielhat mit CAE-aware Machine Learning bereits Erfolge erzielt, um Echtzeitsimulationen zum Testen von Automobilhardware zu erstellen, was mit physikbasierter Simulation allein nicht praktikabel ist.
KI umgeht diese Unpraktikabilität, indem sie die Informationen bereitstellt, die für die Erstellung eines ROMs Reduced-Order-Model erforderlich sind, ein mathematischer Ansatz, um die definierenden Merkmale eines traditionellen Modells zu identifizieren und sie auf eine vereinfachte, recheneffiziente Weise zu erhalten. Algorithmen des maschinellen Lernens erreichen diesdurch „Untersuchen“ der Dynamik zwischen Eingangs- und Ausgangswerten vergangener FE-Simulationen.
Dies ist ein sehr wertvolles Werkzeug in einer Welt, in der FE-Simulationen komplexer Systeme wie denen in CFD Computational Fluid Dynamics Stunden oder sogar Tage dauern können. KI kann dieses Timing auf Sekunden reduzieren. Es hilft auch, den Grundstein zu legenfür digitale Zwillinge, deren reale Genauigkeit davon abhängt, wie gut Forscher die ihnen vorausgehenden Algorithmen trainieren können.
Der Einsatz von KI in Fertigungsbereichen kann hochkomplexe Engineering-Tools zum praktischen Vorteil von Nicht-Experten demokratisieren. Es ermöglicht auch eine breitere Palette von Möglichkeiten der Zusammenarbeit, ohne geistiges Eigentum zu riskieren, da ROMs von Natur aus oft proprietäre Informationen verschleiern.
HxGN LIVE Design & Engineering 2021: Talks to watch
Im Laufe der Konferenz finden Hunderte von Vorträgen statt, und alle zu faszinierenden Themen, daher ist es schwierig, eine Anzahl von ihnen für ein Highlight-Reel herauszugreifen. Aber wenn Sie neugierig sind, wie KI dabei hilftFormenfertigung, Design und Industrie 4.0 insgesamt haben wir eine kurze Liste mit einigen Präsentationen zusammengestellt, die Sie nicht verpassen sollten.
Die Automobilindustrie gehört zu den empfänglichsten KI-Spielplätzen da draußen. Als Elektrofahrzeug und in geringerem Maßeder Selbstfahrer Revolution nimmt weltweit Fahrt auf, die Automobilwelt erfindet sich mit KI neu und nutzt sie sogar, um die Ergonomie- und Sicherheitsaspekte von Sitzen sowohl unter normalen Fahrbedingungen als auch in Crash-Szenarien besser zu verstehen.
Das Erstellen und Durchführen der Simulationen für diese beiden Bedingungen kann ziemlich zeitaufwändig sein, insbesondere da sie oft Hunderte von Malen durchlaufen werden, während die unterschiedlichen Körperhaltungen der Insassen berücksichtigt werden, um die Verletzungswerte zu bestimmen.
Masahiro Takeda, Vertreter der JSOL Corporation, wird einen Vortrag über eine Fallstudie halten, die versucht, solche Verletzungswerte durch Verlinkung vorherzusagenFahr- und Crashsimulationen mit ROMs teilweise mit maschinellen Lernalgorithmen generiert. Die Studie von Takeda ist ein großartiges Beispiel dafür, wie ROMs die Rechenlast verringern können, da die durchschnittliche Vorhersagegenauigkeit ihres ROMs bei über 90 Prozent lag und einen 19-stündigen Computer-Crunch in einBerechnung von nur ein paar Sekunden.
Laurent Di Valentin, CAE Senior Technical Fellow für Stellantis, hält einen Vortrag über Maschinelles Lernen und CAE-Komplementarität, in dem detailliert beschrieben wird, wie das Unternehmen Verhaltensmodelle mit künstlicher Intelligenz erstellt, um traditionellere Physikmodelle für die Fahrzeugprojektentwicklung zu erweitern und zu ersetzen. Diese Modelle erhöhen die Effizienz von der Entwurfsphase bis zur Validierung und veranschaulichen, wie KI die Entwicklung beschleunigen kanndas ganze System.
Ein weiterer Vortrag, der sich mit der Synthese von FE-Simulationen und maschinellem Lernen beschäftigt, ist der Vortrag des Forschers der Gustave Eiffel-Universität Dr. Michel Behr über die Echtzeit-Design von 3D-gedruckten, orthopädische Einlagen. Behr beschäftigt sich seit 15 Jahren mit der Auswirkungsbiomechanik und Verletzungsvorhersage. Sein Vortrag wird sich auf die Entwicklung und Erprobung neuer Möglichkeiten zur Vorhersage des Einflusses von Einlagen auf den Gang eines Patienten konzentrieren.
Die Ergebnisse von Behrs Arbeit zeigen, wie vorteilhaft es sein kann, die besten Modellreduktionsmethoden und die traditionellere FE-Modellierung zu kombinieren, um bessere Entscheidungshilfen für Konstrukteure und Planer zu schaffen.
Eine der aktuelleren Präsentationen, auf die wir uns freuen, ist der Vortrag von Hideki Nakata und Zhuravlev Anton über die Verwendung von CFD und KI, um die Verbreitung von Infektionskrankheiten in der Luft besser zu verstehen und zu verhindern Krankheiten wie COVD-19 sowie eine bessere Vorbereitung der Städte auf Naturkatastrophen.
Verwendung der Marienkathedrale in Tokio als Testraum, Forscher bei EcokakuDie Technologieabteilung von Kyoto hat in Zusammenarbeit mit dem Leica Geosystems-Team von Hexagon ein Tröpfchen-Visualisierungssystem entwickelt, mit dem sie den Luftstrom und damit die potenzielle Reichweite der Virusausbreitung im Gebäude konzeptualisieren konnten.
Die 3D-Laserscanner von Leica und die Cradle-CFD-Software von Hexagon ermöglichten es ihnen, ein Modell des Inneren des Gebäudes zu erstellen und zu visualisieren, wie die Architektur und die Klimaanlagen die in der Luft befindlichen Wasserpartikel verteilen würden, die der häufigste Vektor für den Transport des Virus sind.
Normalerweise kann eine solche Modellierung viel Zeit in Anspruch nehmen, aber Ecokaku konnte mithilfe von KI die Analysen der gemessenen Daten in ein ROM umwandeln, das Echtzeitansichten in eine Reihe von „Was-wäre-wenn“-Luftströmungsszenarien ermöglichte. Dies half den Forschern, wirksame Gegenmaßnahmen zu entwickeln, um das Risiko von Gläubigen zu reduzieren.Exposition gegenüber dem Virus, so dass sich die umliegende Gemeinde zu Weihnachtsfeiern versammeln kann.
Faszinierenderweise werden die Techniken, die bei der Modellierung des Domraums und der Entwicklung von Sicherheitsmaßnahmen verwendet werden, auch auf die Analyse extremer Wetterereignisse angewendet. Organisationen wie ecoKaku können dieselben KI-Tools verwenden, um Stadtbeamten und Ingenieuren umsetzbare Pläne zur Verfügung zu stellen, um sich besser darauf vorzubereitenund auf Naturkatastrophen reagieren. Da der Klimawandel in nächster Zeit eine Zunahme extremer Wetterereignisse verspricht, könnten solche KI-gestützten Analysen sehr wohl Leben retten. Der Vortrag verspricht bemerkenswert zu werden.
Schließlich hält die Vertreterin von Leonardo Aircraft, Stefania Sorrentino, einen Vortrag über Materialdatenbankanreicherung mit KIDas benötigt.
Diese Vorhersagemodelle könnten möglicherweise auch auf andere Designbereiche ausgedehnt werden, sodass Forscher besser entscheiden können, welche Tests durchgeführt werden müssen, um die Genauigkeit des Modells zu verbessern, und wie diese neueren KI-Tools am besten mit traditionellen virtuellen Tests kombiniert werden können.
Bauen statt Vorhersagen der Zukunft der KI
Da die Welt des Designs und der Produktion immer weiter in die Industrie 4.0-Praktiken vordringt, veranstaltet Hexagon eine Konferenz zum passenden Zeitpunkt, insbesondere angesichts der Tatsache, dass diese Technologien fast garantiert bald die Geschäftsabläufe in so ziemlich jedem Fertigungssektor verändern werden.
Wie in jedem anderen Bereich, auf den sie angewendet wird, spielt die KI eine Schlüsselrolle bei dieser Transformation. Die vierte industrielle Revolution strotzt immer noch vor Möglichkeiten, und die Vorhersage, wie technologische Werkzeuge wie diese die Zukunft verändern werden, ist ein großer Teil dessen.tun wir hier bei Interessante Technik | wissenschaft-x.com. Aber die Hunderte von Referenten bei HxGN LIVE Design & Engineering 2021 sind diejenigen, die diese Zukunft tatsächlich gestalten. Verpassen Sie nicht, was sie dazu zu sagen haben.