English
Français
繁體中文
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。
AIとシステム思考によるデジタルスレッドの引き出し
多くの業界で人工知能が活用され、その恩恵を受けていますが、製造業も例外ではありません。では、現在の製品ベースの企業は、どのようにしてインテリジェントな技術を適用し、高品質な製品をより迅速に市場に投入するという多くの課題を解決しているのでしょうか？
私たちの講演シリーズ「Pulling the Digital Thread（デジタルスレッドの引き出し）」では、業界を代表する3名の思想家とともに、AIがどのようにシステム思考とモデルベースのシステムエンジニアリング（MBSE）を強化し、設計およびエンジニアリングプロセスを合理化し、市場投入までの時間を短縮しているかについての視点やアイデアを共有しました。
 |  |  |
| リック・ラソール Fraunhofer IEMの研究者 & AI Marketplaceの共同CEO | ヨーヘン＝トーマス・モール Pricewaterhouse Coopersのパートナー | ロブ・マキャベニー Arasの最高技術責任者 |
AIがシステムエンジニアリングやモデルベースのシステムエンジニアリング（MBSE）をどのように再構築しているのか、また、AI投資に焦点を当てるためのヒントを学びましょう。AI支援による非同期シミュレーション、専門家の協力を得る方法、完璧なコーヒーマシンラインの作成方法、そしてRed BullのF1レーシングチームが毎週新しいデザインの車をトラックに投入できる理由についてもご紹介します。
AIが企業の市場投入を加速する方法
自動車業界、航空宇宙業界、医療技術、食品・飲料業界、その他の製造業において、全ての企業は競争相手よりも早く製品を市場に投入するという課題に直面していますが、その際に品質を犠牲にすることはできません。
ヨーヘン＝トーマス・モールは、PwCの最新のCEO調査によると、75％の企業がデジタルプラットフォームを通じて顧客に直接アプローチしたいと考えていることを共有しました。「彼らは迅速なフィードバックを得て、顧客のニーズに応えるために製品を継続的に再発明し、市場投入までの時間を短縮するための競争をさらに加速させています。それが今のゲームです。」
しかし、この競争には多くの課題があります。例えば、コンプライアンス要件の理解、シミュレーション、反復、検証、そして適切な製品ポートフォリオの形成などです。ここで、AIがどのように企業が障害を克服し、プロセスを加速させているかをご紹介します。
コンプライアンスの確保
新しいコンポーネントやモデルを設計する際に、ターゲット市場で製品が遵守しなければならない絶えず変化する法規制、安全基準、コンプライアンス要件の全体を理解せずに進めるのは無意味です。AIはこの時間のかかるスキャンを実行でき、企業がバッテリーシステムや衝突テストが最新の状態に保たれるようにすることができます。
「大規模言語モデル（LLM）の台頭により、テキストベースのエンジニアリングアーティファクト全てを確認できるようになりました」とリック・ラソールは述べています。「これに対してAIがどのように役立つかについて多くの期待がありましたが、異なる方法で仕様を処理する現実のアプリケーションがついに見えてきました。」
設計パラメータの最適化
何十年もの間、経験豊富なエンジニアや製品アーキテクトは、設計の初期段階で重量、サイズ、電力などの高レベルなシステム制約に対応するためにMBSEを使用してきました。これらの制約は、その後、多くの部門に分散され、開発、シミュレーション、構築、検証されます。現在では、AIを統合して、このプロセスを初期段階だけでなく、プロセス全体にわたってMBSEを拡張し、さらに容易にすることができます。
「AIは特許の発見、マルチドメインのシミュレーション、効率的なモデル生成、そして全ての解決策を非同期で探索することで、最もシンプルで革新的かつ最適な設計パラメータとアーキテクチャを本当に発見できるようになりました」とリック・ラソールは述べています。「この種のイノベーションは、AI対応のMBSEなしでは実現不可能だったでしょう。」
シミュレーションの加速
AIを使用してモデルを生成し、シミュレーションを自動化することで、自動車、飛行機、宇宙船、医療機器などの大規模かつ複雑な製品を扱う業界が、現在の設計の機能と安全性のパフォーマンスをテストするためのより正確なモデルを得ることができます。通常、シミュレーションの結果は即座に得られるわけではありません。AIは、入力パラメータを迅速に変更し、結果をより早く確認できるようにし、さらにマルチフィデリティシミュレーションとリアルタイムのシミュレーションモニタリングを行うことができます。リック・ラソールは、将来的に同時シミュレーションがモデルのトレーニングに使用され、後の製品開発に役立つ合成データを生成するのを楽しみにしています。
「AIは自動車業界の迅速なイノベーションを支援しています」とヨーヘン＝トーマス・モールは述べています。「その一例がフォーミュラ1で、チームは常に車を再設計していますが、通常は4〜6週間の遅延があります。RedBullチームはAIを活用して、毎週新しい車をトラックに送り出しています。さらに、シンガポールやモナコなど異なるドライバーやトラックに合わせた車の設計も行っています。」
バリデーションの自動化
製品を仕様や要件に対して検証する作業は時間がかかり、特に複雑な製品では市場投入までの時間を延ばす可能性があります。AIは、NASAや自動車メーカーのような組織にとって、ゲームチェンジャーとなっています。
「あるコーヒーマシンメーカーは、基本的なものからプロフェッショナルなものまで3つの製品ラインを持っていました」とヨーヘン＝トーマス・モールは述べています。「その企業はAIに顧客のニーズ、部品コスト、マシンが処理できる豆の種類などの特徴に基づいて、より最適な製品プロファイルを計算させました。AIは、2つの製品ラインが最適であると提案しました。」
AIを成功させるための方法
多くの企業と同様に、まだIndustry 4.0を達成しようとし、デジタルシステムを更新して統合し、ハードウェア主導の会社からソフトウェア主導の会社に移行している場合、AIをどのように使い始めるべきか疑問に思うかもしれません。AIがエンジニアリングの手法やモデルを認識し、活用できるようにするにはどうすればよいのでしょうか？ そして、専門スタッフの深い専門知識を尊重しながら、機械と人間が協調して動作することをどう確保しますか？ これらの要素や多くの他の要素が、AIを成功裏に活用するための障壁になる可能性があります。それらに対処することで、これらを成功の促進要因に変えることができます。
まずデジタルスレッドを確立する
AIが驚くべきことを成し遂げられるのは事実ですが、すべての問題に対する万能薬ではありません。異なる分野間でパラメータをリンクするデジタルスレッドがなければ、AIは期待通りに機能しません。
「すべての2D図面、要件、仕様書のPDF、3D CADモデル、コストモデルにAIを放り込んで、うまくいくことを祈ることはできるでしょう」とArasのCTO、ロブ・マキャベニーは言います。「しかし、あなたの会社には多くの関連する分野、プロセス、データがあります。リスクを低く保ちながら安全な製品を構築する場合、推測に基づく余地はありません。デジタルスレッドが許可するチェックポイントとバリデーションが必要であり、それにより結果を信頼することができます。」
人々を巻き込む
最終的に、あなたの会社で実際に仕事をしているのはあなたの従業員です。より迅速かつ効率的になるためには、仕事のやり方を変える必要があります。従業員がAIをツールとして受け入れなければ、自分の仕事が評価されていないと感じるかもしれません。AIの強みと限界を理解していなければ、ミスが発生します。
「AIを正式に業務プロセスに取り入れるには、多くのチェンジマネジメントが必要です」とヨーヘン＝トーマス・モールは言います。「ITシステムを変更するだけではありません。AIを使う人が新しいツールの使い方を習得し、技術が提供する利点を理解できるようにする必要があります。それは彼らの仕事を置き換えるものではなく、強化し、より興味深い仕事のための時間を生み出すものです。」
ソリューションをスケールさせる
もう一つのAIに関する質問は、スケール可能かどうかです。「アイデアはたくさんありますが、私たちは企業の90％がIndustry 4.0プロセスをエンドツーエンドで活用できていないことを見てきました」とヨーヘン＝トーマス・モールは言います。「解決策をツールスイートとエコシステムに統合できれば、部分的ではなく、全体としてのメリットが見られるでしょう。」
データを保護する
AIは、学習して結果を提供するために大量のデータを使用します。しかし、データセキュリティとデータの連携が尊重されることが重要です。
「製品関連のデータをすべてデータレイクに放り込み、AIに任せることは避けたいものです」とロブ・マキャベニーは言います。「あなたのデータの一部は、政府機関によって分類されていたり、輸出規制の対象であったり、企業秘密である可能性があります。データは、プロジェクトのフェーズや分野に応じて、漏洩しないようにフェデレーションされ、厳格なアクセス制御モデルに従って管理される必要があります。」
AIにあなたの手法を教える
AIをあなたの企業データ、エンジニアリングシステム、手法に基づいてトレーニングすることには大きな可能性があります。「しかし、すべての方法がエンジニアリングプロセスやデータにどのように適用されているかについての内部知識を提供するためには、何年もあなたの会社で働いてきたエンジニアと話をする必要があるでしょう」とリック・ラソールは言います。「例えば、AIはあなたがどのようにCADを作成したかを知っているかもしれませんが、あなたの会社がコンテインメントツリーをどのように行っているかは知らないかもしれません。」
製造業におけるAIの未来
製造業の一部のセクターは、他のセクターよりもAIの採用において先を行っています。自動車産業は、北米およびヨーロッパの自動車メーカーが中国の急速なイノベーションに遅れをとらないようにしたいと考えて、すぐに飛び込んでいます。AIは、既存の技術が存在する中でも役立っています。
食品・飲料業界や消費財業界では、SKU番号の管理やレシピ開発などのプロセスでAIの利点が見られています。これらの業界は、インフラや製品が比較的シンプルであるため、新しい技術を容易に採用することができます。航空宇宙産業は、新製品のライフサイクルが30年にも及ぶため、採用が遅れています。医療技術分野も利益率が高いため、遅れをとっています。
今後5〜10年で、CAD、PLM、MPCなどのすべてのエンジニアリングソフトウェアツールがAIを統合し、すべての業界が自然にAIを活用する方向に進むでしょう。リック・ラソールはこう言います。「その時が来たら、あなたのLLMは、インターネット上から無作為に収集されたデータではなく、あなた自身のデジタルスレッド、PLM、正式化されたMPCモデルに基づいて結論を導き出すでしょう。その時、ツーリングの側から予想外のイノベーションが見られるでしょう。」
あなたの会社はAIを使用していますか？AIの使用によって、大きな成果や小さな成果を感じましたか？読者と学びを共有したい方は、ぜひコメントでお知らせください。そして、次のウェビナーと「Pulling the Digital Thread」シリーズのブログ投稿にもご期待ください。シミュレーションとAIの力を活用して、エンジニアリングの未来を切り開くにご参加ください。
