Если интеллектуальные решения не причиняют зла, то это уже немалое благо…

 

Связь с редакцией
Рассылка новостей

Применение генеративного ИИ в промышленности ускоряет выпуск новых продуктов

05.11.2024 13:51
Пресс-релиз АО «Моделирование и цифровые двойники» (АО «МЦД»)

На прошедшей дизайн-сессии «GenAI в инжиниринге и промышленном дизайне» специалисты АО «Моделирование и цифровые двойники» рассказали о применении генеративного ИИ для создания новых материалов, а также про его внедрение в CAE-системы.

Сегодня существует ряд глобальных проблем внедрения новых CAE-решений, среди которых:

  • Высокие требования к квалификации пользователей;
  • Низкая скорость расчетов;
  • Сложные интерфейсы CAE-систем.
  • Развитие GPT-технологий помогает решить эти проблемы за счет внедрения генеративного искусственного интеллекта в CAE-системы. Пользователям CAE-систем необходимо настраивать различные параметры для проведения расчетов, которые повлияют на итоговый результат. На этом этапе приходится работать с большим количеством параметров, поэтому можно легко допустить серьезную ошибку. CAE GPT помогает пользователям подбирать необходимые параметры, а также искать ошибки и рекомендовать наиболее эффективные способы для их решения. CAE GPT внедряется в виде плагинов, которые подбирают параметры расчетов, автоматически строят сетки, а также исправляют ошибки пользователя. Это снижает порог входа для специалистов и содействует им в принятии оптимальных решений в процессе работы.

    Также CAE GPT способен ускорить проведение расчетов с помощью предсказания результатов на основе синтетических данных. Это новый подход применения генеративного ИИ, который заменяет сложные расчеты с помощью уравнений на обучение нейросетей. Точность предсказаний зависит от количества и качества данных, которые использовались для обучения. Такой способ применяется для прогнозирования поведения новых конструкций и уже тестируется на крупных промышленных предприятиях.

    Помимо этого, CAE GPT позволяет реализовать функцию виртуального помощника, с которым можно вступать в диалог при работе с CAE-системами. Этот способ помогает перейти с использования языков программирования к более привычному общению между пользователем и программой. CAE GPT ищет ответы на запросы пользователей в разрозненных базах данных и выдает более конкретную информацию под требуемые задачи.

    «Российские разработчики CAE-систем уже сегодня должны начать разработку пилотных проектов по внедрению CAE GPT на промышленных предприятиях. Это поможет отечественным CAE-системам соответствовать мировым трендам и решать более сложные задачи с помощью ИИ, который сделает работу инженеров более продуктивной и комфортной», – комментирует Алексей Сбойчаков, Директор по продажам и развитию бизнеса ПО для численного моделирования и услуги, АО «Моделирование и цифровые двойники».

    Специалисты также рассказали про разработку новых материалов с помощью генеративного искусственного интеллекта. Эта технология способна ускорить работу над материалами, которые традиционным методом создаются годами. Концепция ICME с парадигмой связей «процесс-структура-свойство» (ПСС) играет центральную роль в сборе и хранении знаний о ценных материалах. В связке с генеративным ИИ это подразумевает создание материалов под конкретные задачи и детали конструкции.

    Создание материалов с определенными свойствами под конкретные задачи имеет несколько реализаций:

  • Использование машинного обучения для создания композиционных материалов. На основе ICME ведется оценка и прогнозирование свойств композиционных материалов. С помощью большого массива данных искусственный интеллект создает предсказательную модель различных материалов, которые можно будет использовать под требуемые задачи.
  • Использование машинного обучения в прогнозировании свойств материалов. Исходя из задач и целей детали в конструкции, ИИ может давать прогнозы по необходимым свойствам материала. Зная свойства, можно определить, какой материал подойдет для решения поставленной задачи.
  • Прогнозирование новых материалов с помощью кристаллической структуры. Существует много вариантов кристаллической структуры материалов. Большое количество данных по структуре доступно в открытых источниках, а также локально внутри компаний. Машинное обучение позволяет перебрать массивы данных и подобрать оптимальную кристаллическую структуру материала для решения требуемых задач.
  • Прогнозирование новых материалов по составу. ИИ может перебирать данные по составу материалов. Модель прогнозирования определяет вероятность образования составами определенной структуры. Этот способ увеличивает шансы открытия нового соединения.
  • Все эти подходы с применением искусственного интеллекта развиваются и внедряются на предприятиях как вспомогательные инструменты, которые эффективно решают локальные задачи. Они помогут улучшить характеристики производимых изделий и ускорить запуск новых продуктов.

    Хроника

    Адрес редакции: 117997, Москва, Профсоюзная ул., д. 65, оф. 360
    Телефон: (926) 212-60-97.
    E-mail: info@avtprom.ru или avtprom@ipu.ru

    © ООО Издательский дом "ИнфоАвтоматизация", 2003-2026 гг.

    Сайт «Автоматизация в промышленности» предназначен для специалистов по промышленной автоматизации: главных инженеров, главных энергетиков, главных механиков, главных метрологов, инженеров служб АСУ ТП, АСУТП, КИПиА, КИП и А, отделов метрологии, отделов автоматизации, отделов главного инженера, специалистов инжиниринговых и внедренческих фирм, менеджеров фирм системных интеграторов, преподавателей вузов, научных работников, сотрудников научно-исследовательских институтов, студентов и аспирантов.

    Сайт «Автоматизация в промышленности» неразрывно связан с одноименным журналом, в котором публикуются концептуальные, научно-практические и внедренческие статьи, посвященные промышленным автоматизированным системам, системам управления бизнес-процессов, программному и алгоритмическому обеспечению, техническим средствам автоматизации, вопросам сертификации, описанию промышленных стандартов, а также обзоры зарубежной прессы.

    В каждом номере проводится обсуждение актуальных тем по проблемам создания и применения следующего инструментария: интегрированные АСУ, MES, АСУ П, АСУ ТП, SCADA, АСКУЭ, EAM, ТОИР, ERP, LIMS, ЛИУС, распределенные системы управления, РСУ, система управления качеством выпускаемой продукции, промышленные тренажеры, современные методы и алгоритмы управления и моделирования, коммуникационные средства, GSM–связь, РС-совместимые контроллеры, ПК, человеко-машинный интерфейс, встраиваемые системы, Web-технологии, HTML-технологии, числовое программное управление, ЧПУ, виртуальные приборы, виртуальное измерение, беспроводная связь, имитационное моделирование, Ethernet, Internet-технологии, Industry 4.0, Интернет вещей, промышленный Интернет вещей, IIoT, IoT, Четвертая промышленная революция, навигационные системы, роботы, датчики, сенсоры, диагностика клапанов, водоподготовка, экологические системы, производственная безопасность, идентификация, RFID-технологии, машинное зрение, промышленные сети, средства промышленного монтажа, корпуса и конструктивные решения, пневмоавтоматика, ПЛК, программируемые логические контроллеры, интеллектуальные датчики, сервосистемы, системы поддержки принятия решений и т.д.

    Вниманию читателей предлагаются подборки по автоматизации следующих отраслей промышленности и народного хозяйства: металлургия, нефтегазовая отрасль, химическая промышленность, транспорт, сельское хозяйство, комбикормовая и перерабатывающая промышленность, автомобилестроение, энергетика, электроэнергетика, жилищно-коммунальное хозяйство, интеллектуальное здание, умный дом, непрерывное производство (рецептурное), дискретное производство, пищевая промышленность и др.

    РассылкиSubscribe.Ru
    Автоматизация в
    промышленности