デジタルエンジニアリングにおけるAIと高度なシミュレーションの探求：業界リーダーからの洞察

このページの内容は、サードパーティサービスによって自動翻訳されています。

最近の「Pulling the Digital Thread」パネルディスカッション、シミュレーションとAIの力を活用して未来のエンジニアリングを形成するには、人工知能（AI）と高度なシミュレーションの交差点について議論するために、4人の影響力のある人物が集まりました。私はこのディスカッションをモデレートし、AIとシミュレーションがエンジニアリングプロセスをどのように再構築し、さまざまな業界における製品開発を加速させるかについて深掘りしました。

会話に独自の専門知識を持ち込んでくださったパネリストの皆様に感謝いたします：David Long（INCOSE）、Tom Martinek（Ansys）、Jan Paul (JP) Stein（McKinsey）、Matteo Nicholich（Aras）。

製品開発におけるAIの利点

Ansysの製品開発のベテランであるTom Martinekは、AIがどのように従来のシミュレーションツールに統合されているかについての彼の視点を共有することから始めました。「AIと機械学習は、物理ベースのシミュレーションから得られる同じ結果を、より迅速かつ効率的に達成することを可能にしています」とTomは説明しました。彼は、AIが複雑な物理方程式の解決に依存することなく製品の挙動を予測し始めており、それにより設計プロセスが加速されていることを強調しました。AIの専門家ではないことを強調しながらも、Tomは、AIがシミュレーション技術のポートフォリオを拡充し、製品開発をより効率的にする方法について指摘しました。

システムエンジニアリングの視点を代表するDavid Longは、AIが複雑なエンジニアリング問題に別の知性の層を追加する方法について説明しました。「システムエンジニアリングは多くの集合知が一つの個別の知性よりも優れているという考えに基づいています」とDavidは述べました。彼は、AIが学際的なチームを支援し、他の方法では明らかでなかった相互作用や初期の解決策の概念を特定することができると強調しました。Davidによれば、その目標はシステムエンジニアリングへのアクセスを民主化し、AIの支援を通じてすべてのエンジニアにとってより身近なものにすることです。

ディープラーニング代替と高速シミュレーション

McKinseyのJan Paul Steinは、AIベースの技術、特にディープラーニング代替がどのように古典的なシミュレーション手法を部分的に置き換えることができるかについての洞察を提供しました。「ディープラーニング代替は、シミュレーションからの完全なデータを基にAIモデルを訓練することで、古典的なシミュレーションを部分的に置き換えることを可能にする魅力的な技術です」とJan Paulは述べました。彼は、これらのモデルがより迅速な推論を可能にし、最適な設計ソリューションの効率的な探索を促進する方法について詳しく説明しました。このアプローチにより、企業は複数の設計を迅速に繰り返し、より精緻な成果を得ることができます。Jan Paulによれば、ディープラーニング代替は、AIを訓練するために大規模な言語モデル（LLMs）を使用することで古典的なシミュレーションを部分的に置き換える魅力的な新技術です。

JPはまた、さまざまな業界における市場投入までの時間を短縮するためのAIの役割についても強調しました。「以前は製品の性能向上が主な推進力でした。しかし今では、市場投入までの時間を短縮することに重点が移っています」と彼は言いました。彼は、自動車産業を中心に、業界がエンジニアリングプロセスを合理化し、競争市場の圧力に対応するためにAIをますます活用していることを説明しました。

従来の最適化とAIの橋渡し

Matteo Nicolichは、製品開発における最適化手法の進化に関する洞察を共有しました。彼は、従来の最適化技術と現代のAI駆動アプローチとのバランスについて説明しました。「従来の手法は局所的な最適化に焦点を当てる傾向がありますが、AIベースのモデルはより大きく複雑な空間を探索することができます」とMatteoは指摘しました。彼は、AIの適応性と探索能力が、製品開発における非線形で多目的な問題に対処するのに適していることを挙げました。

しかし、Matteoはまた精度の重要性を強調し、AIモデルがより大きな設計空間を扱うことができる一方で、精度を犠牲にする可能性があると述べました。「AIを従来のモデルと組み合わせることで、探索と精度のバランスを適切に取ることができます」と彼は説明しました。Matteoは、AIが反復作業を減らし、エンジニアが革新に集中できるようにすることで、設計段階での意思決定をより情報に基づいたものにする貴重なツールと考えています。

採用の課題と人間の要因

パネルでは、AIおよびシミュレーション技術の大規模な採用の課題にも触れました。主なポイントの一つは、成功した採用を確保するために、経営陣、中間管理職、およびエンジニアリングチームを巻き込む必要があることでした。「中間管理職はしばしば変化が頓挫する場所です」とDavid Longは述べ、インセンティブを整え、中間管理職が新しい技術が彼らとそのチームにどのように利益をもたらすかを理解することの重要性を強調しました。

Jan Paulは、成功した採用にはチーム内で競争心を生み出し、成功事例を示して他の人々を刺激することが必要であると強調しました。彼は、多くの企業がまだデジタルエンジニアリングにおけるAIの使用の初期段階にあり、ほとんどのアプリケーションが概念実証であり、完全にスケールされた取り組みではないと述べました。「チームがベストプラクティスを共有し、互いに学び合うことができるフォーラムを作る必要があります」とJan Paulは述べ、広範な採用を推進するためには協力的な文化の育成が重要であると付け加えました。

Matteoはまた、エンジニアの日常業務を改善するために実際のユースケースに焦点を当て、小さく始めることの重要性を強調しました。「小さく考え、エンドユーザーの日常業務に真に役立つユースケースから始めましょう」とMatteoはアドバイスしました。彼は、管理可能な目標で始め、具体的な利益を示すことで、より大きな取り組みへの勢いを築くことができると信じています。

エンジニアリングの未来：継続的な革新

パネリストたちは、エンジニアリングにおけるAIと高度なシミュレーションの未来についての興奮を表明しました。Tom Martinekは、AIが進化するにつれてどのような新しいイノベーションが出現するかを見るのが楽しみだと述べました。「AIは革新のためのまったく新しい領域を開放しています。何が生まれるのか、待ち遠しいです」と彼は言いました。

David Longは、AIとシミュレーションがエンジニアにルーチンタスクをより効率的に処理させながら、創造性により集中させることを可能にするエンジニアリング変革のビジョンを共有しました。彼は、エンジニアリングプロセスが分断されたアプローチから継続的な価値の提供に移行する変革を目撃していると考えています。

Jan Paulは、より大きな善のためにAIを使用することについてのインスピレーションに満ちた考えを述べました。「持続可能性のためにAIとシミュレーションを使用し、たとえばエネルギー消費の少ない電気自動車や水をあまり使わない洗濯機を設計することは、特に私を興奮させます」と彼は言いました。また、エンジニアが将来よりシームレスに最適化された製品を設計できるようにするための完全に接続されたツールチェーンの可能性にも触れました。

締めくくりの考え

「Pulling the Digital Thread」パネルは、AIと高度なシミュレーションがデジタルエンジニアリングをどのように再構築しているかの包括的な概要を提供し、製造を含むトレンドトピックや製品ライフサイクル管理をつながったデジタルエンタープライズの観点から探求しました。

市場投入の時間の短縮からシステムエンジニアリングの民主化、製品の最適化の向上まで、AIは私たちが製品を設計し構築する方法を革命化する準備ができています。ただし、この旅には慎重な導入、データ管理への焦点、そして人間中心の技術統合アプローチが必要です。

この会話を続けましょう！パネリストたちは、ソーシャルメディアで洞察やベストプラクティスを共有し、デジタルエンジニアリングの分野を共同で進めるために対話を続けることを促しました。

さらに興味がありますか？オンデマンド版をこちらでご覧ください。