Es una tarea difícil, pero Zapf dice que la tecnología de inteligencia artificial (IA) puede respaldar al capturar los datos correctos y guiar a los ingenieros a través del diseño y desarrollo de productos.
No es de extrañar que una encuesta de McKinsey de noviembre de 2020 revele que más de la mitad de las organizaciones han adoptado la IA en al menos una función, y el 22% de los encuestados informa que al menos el 5% de sus ganancias en toda la empresa son atribuibles a la IA. Y en la fabricación, el 71% de los encuestados ha visto un aumento del 5% o más en los ingresos con la adopción de la IA.
Pero ese no fue siempre el caso. Una vez que “rara vez se usaba en el desarrollo de productos”, la IA ha experimentado una evolución en los últimos años, dice Zapf. Hoy en día, los gigantes tecnológicos conocidos por sus innovaciones en IA, como Google, IBM y Amazon, “han establecido nuevos estándares para el uso de IA en otros procesos”, como la ingeniería.
“La IA es un área prometedora y exploratoria que puede mejorar significativamente la experiencia del usuario para los ingenieros de diseño, así como recopilar datos relevantes en el proceso de desarrollo para aplicaciones específicas”, dice Katrien Wyckaert, director de soluciones industriales de Siemens Industry Software.
El resultado es una apreciación cada vez mayor de una tecnología que promete simplificar sistemas complejos, llevar productos al mercado más rápido e impulsar la innovación de productos.
Simplificando sistemas complejos
Un ejemplo perfecto del poder de la IA para revisar el desarrollo de productos es Renault. En respuesta a la creciente demanda de los consumidores, el fabricante de automóviles francés está equipando un número creciente de nuevos modelos de vehículos con una transmisión manual automatizada (AMT), un sistema que se comporta como una transmisión automática pero que permite a los conductores cambiar de marcha electrónicamente usando un comando de botón.
Los AMT son populares entre los consumidores, pero diseñarlos puede presentar desafíos formidables. Esto se debe a que el desempeño de un AMT depende del funcionamiento de tres subsistemas distintos: un actuador electromecánico que cambia las marchas, sensores electrónicos que monitorean el estado del vehículo y software integrado en la unidad de control de la transmisión, que controla el motor. Debido a esta complejidad, puede llevar hasta un año de extensas pruebas y errores definir los requisitos funcionales del sistema, diseñar la mecánica del actuador, desarrollar el software necesario y validar el sistema en general.
En un esfuerzo por optimizar su proceso de desarrollo AMT, Renault recurrió al software Simcenter Amesim de Siemens Digital Industries Software. La tecnología de simulación se basa en redes neuronales artificiales, sistemas de “aprendizaje” de inteligencia artificial modelados libremente en el cerebro humano. Los ingenieros simplemente arrastran, sueltan y conectan iconos para crear gráficamente un modelo. Cuando se muestra en una pantalla como un boceto, el modelo ilustra la relación entre los diversos elementos de un sistema AMT. A su vez, los ingenieros pueden predecir el comportamiento y el rendimiento del AMT y realizar las mejoras necesarias al principio del ciclo de desarrollo, evitando problemas y retrasos en las últimas etapas. De hecho, al utilizar un motor virtual y transmisiones como sustitutos durante el desarrollo del hardware, Renault ha logrado reducir su tiempo de desarrollo AMT casi a la mitad.
Velocidad sin sacrificar la calidad
También los estándares ambientales emergentes están impulsando a Renault a depender más de la inteligencia artificial. Para cumplir con los estándares emergentes de emisiones de dióxido de carbono, Renault ha estado trabajando en el diseño y desarrollo de vehículos híbridos. Pero los motores híbridos son mucho más complejos de desarrollar que los que se encuentran en vehículos con una sola fuente de energía, como un automóvil convencional. Esto se debe a que los motores híbridos requieren que los ingenieros realicen hazañas complejas como equilibrar la potencia requerida de múltiples fuentes de energía, elegir entre una multitud de arquitecturas y examinar el impacto de las transmisiones y los sistemas de enfriamiento en el rendimiento energético de un vehículo.
“Para cumplir con los nuevos estándares ambientales para un motor híbrido, debemos repensar por completo la arquitectura de los motores de gasolina”, dice Vincent Talon, jefe de simulación de Renault. El problema, agrega, es que examinar cuidadosamente “las docenas de diferentes actuadores que pueden influir en los resultados finales del consumo de combustible y las emisiones contaminantes” es un proceso largo y complejo, que se vuelve más difícil debido a plazos rígidos.
“Hoy en día, es evidente que no tenemos tiempo para evaluar minuciosamente varias arquitecturas de trenes de potencia híbridos”, dice Talon. “Más bien, necesitábamos utilizar una metodología avanzada para gestionar esta nueva complejidad”.
Para obtener más información sobre la IA en aplicaciones industriales, visite www.siemens.com/artificialintelligence.
Descargar el reporte completo.
Este contenido fue producido por Insights, el brazo de contenido personalizado de .. No fue escrito por el personal editorial de ..