Effektiv och optimerad produktdesign – AI revolutionerar industriell FoU

Generativ AI kommer att stödja olika yrkesverksamma i allt snabbare takt, eftersom den blir mer tillgänglig och användarvänlig. Det leder till ökad produktivitet och effektivare verksamheter. Men detta är bara början för industriell FoU. 

”Med tillräckligt med data kan framtidens produktdesign innebära att en designer verbalt beskriver sin vision för AI, som kontinuerligt uppdaterar modellen på skärmen,” föreställer sig Tero Hämeenaho, chef för Additiv tillverkning och AI-programdirektör på Etteplan. 

Även om framtidsvisionerna fortfarande ligger en bit framåt, finns det goda skäl att tro att generativ AI och stora språkmodeller kommer att förändra spelplanen inom FoU. Industrispelare har redan sett ökad effektivitet och kostnadsbesparingar inom förebyggande underhåll och kvalitetskontroll. 

”Generativ AI kan analysera data och förutsäga resultat med större noggrannhet. Det kan förbättra beslutsfattande baserat på information och minska kostnader och ledtider. Detta kommer utan tvekan att påskynda innovationen inom FoU”, förklarar Hämeenaho. 

Bearbetning av realtidsdata blir enklare tack vare den växande edge computing-teknologin och AI-chip. Framgång kräver högkvalitativ data och effektiv datastyrning.

Inom olika designuppgifter, som utformning av utrustning eller processer, är det avgörande att planerna följer aktuella standarder och riktlinjer. Men det finns tiotusentals standarder, och att hitta rätt information tar värdefull tid.

"SFS behövde en lösning som skulle hjälpa tekniska designers att snabbt hitta rätt information. Tillsammans skapade vi en AI-driven konversationsbot som snabbt identifierar de relevanta standarderna eller designriktlinjerna från en stor databas,” säger Hämeenaho. 

Både designriktlinjer och standarder innehåller många bilder, illustrationer och diagram. AI:n måste kunna hitta relevant information i olika format för att ge meningsfull hjälp, så all data som matades in i tjänsten vektoriserades. 

”För att öka effektiviteten med AI krävs en tillräcklig mängd raffinerad data. Om ett företag har tillräckligt många exempel på produktdesign kan AI automatiskt välja och modifiera modeller baserat på företagets riktlinjer, vilket påskyndar designprocessen,” förklarar Hämeenaho. 

Ett annat långvarigt ämne har varit utnyttjandet av driftsdata från sensor-täta enheter. Genom att mata in dessa data i simulerade miljöer och digitala tvillingar kan AI hjälpa till att skapa optimerade produkter. 

”Företag kan redan ha mycket data, men den är spridd över olika system och plattformar. För att dra nytta av AI nu eller i framtiden måste företag se till att de samlar in relevant och kvalitativ data,” påpekar Hämeenaho. 

Många industriella tillämpningar, som robotautomation, kräver realtidsdatabearbetning för att fungera effektivt. Tidigare har detta hindrat många försök att använda AI, eftersom latensen från molnbaserad bearbetning ofta har varit oacceptabel i industriella miljöer. 

Övergången till edge computing, där AI integreras direkt i enheter via specialiserade chip, är en spelväxlare för industriföretag. Det minskar behovet av datatransmission och möjliggör realtidsbearbetning på plats. 

Enligt Hämeenaho kommer fördelar som AI-baserad prestandaoptimering snart att bli tillgängliga för ännu fler företag. ”Med edge computing och AI-chip är det möjligt att skapa smartare, säkrare och mer autonoma system utan fördröjningar från molnbaserad bearbetning.” 

För att komma igång bör FoU utforska de möjligheter som AI kan skapa för sina team och hela verksamheten. Även om dagens AI-verktyg kan ha begränsningar för framtida användningsområden, är det avgörande att samla erfarenhet och skapa sig lärdomar för framtida behov. På så sätt kommer FoU-team att stå redo att skörda fördelarna tidigt. 

”Företag med erfarenhet kommer att stå bland föregångarna när framtida AI-verktyg, som fysikbaserade AI-modeller, blir tillgängliga. De förstår redan hur AI kan gynna deras verksamhet och skapa fördelar,” påpekar Hämeenaho. 

Framgångsrika AI-projekt kräver inte nödvändigtvis stora investeringar i interna resurser eller kompetenser. En grundläggande förståelse för AI och dess styrkor och svagheter är värdefull, men företag bör ha en klar insikt om begränsningarna inom sina egna processer och metoder. 

”Etteplan har hjälpt sina kunder genom att bryta ner deras processer för att identifiera möjligheter för AI att leverera förbättringar och mervärde. Vår branschkompetens gör att vi kan skapa meningsfulla lösningar som ger våra kunder en konkurrensfördel,” avslutar Hämeenaho. 

Vill du utnyttja FoU:s fulla potential för att ligga steget före? Ta en titt på vår FoU-guide!