Возможности и ограничения ИИ и цифровых близнецов

+7 (495) 374 94 41 info@a-integra.ru

+7 (495) 374-93-01
(отдел продаж)

Все самые актуальные новости сферы систем безопасности, автоматизации и электрооснащения. Так же транслируем новости от поставщиков ЗАО "Компании"Альфа-интеграция", партнеров и внутренние события компании. Ведется ежедневное пополнение. Так же, каждую неделю отдел контент-менеджмента публикует статью на одну из тем, освящаемого на сайте сегмента, с которой Вы можете ознакомиться и она наверняка окажется полезной и познавательной.

Возможности и ограничения ИИ и цифровых близнецов
искусственный интеллект 31.01.2020

Искусственный интеллект (ИИ) находится на переднем крае мышления многих лидеров отрасли. Однако его реализация все еще находится на ранней стадии. Как дизайнеры и инженеры сложных систем будут использовать искусственный интеллект и как цифровой близнец поможет расширить его возможности?

Во-первых, стоит отметить, как ИИ и цифровой близнец могут сегодня работать вместе, чтобы помочь дизайнерам.

AI Assisted Design

ИИ и машинное обучение (МЛ) могут помочь в создании пользовательских интерфейсов на основе ожидаемых задач, чтобы повысить удобство использования и производительность. Изменяя параметры проектирования и запуская алгоритмы ИИ, дизайнеры могут оценить возможные наилучшие соответствия на основе результатов алгоритмов. Они также могут использовать данные из старых существующих проектов, чтобы раскрыть скрытые свойства проекта, а затем использовать эти результаты для улучшения текущей модели.

Генеративный дизайн - это подход к поиску оптимального решения путем систематического изменения параметров, структуры или формы дизайна. Оценка в основном проводится с помощью симуляций, организованных средствами исследования космоса. Модели поведения на основе ИИ для известных частей системы или частей, которые не могут быть смоделированы математически, но вместо этого изучены, ускоряют эти оценки.

ИИ может порекомендовать следующие шаги на основе прогнозов ранее завершенного проекта. Это обеспечивает лучшее качество проектирования, позволяя дизайнеру или инженеру перейти к следующему логическому шагу без необходимости поиска шага в структуре меню. 


Проблемы симуляции и цифрового близнеца

Поскольку цифровой близнец является полностью виртуальным представлением физического продукта или процесса, скорость и точность являются ключевыми при его создании. Цифровой близнец должен представлять все аспекты системы, начиная от САПР и моделирования программного обеспечения до динамики потока и моделирования электрических цепей. Существует несколько инженерных дисциплин, которые вступают в игру при разработке цифровых двойников, и разнообразие типов моделей, необходимых для создания этих виртуальных представлений.

Сегодня возможность комбинировать модели из всех инструментов авторинга в цифровом двойном потоке ограничена отсутствием стандартов. Даже когда существуют стандарты, они не полностью определяют семантику, необходимую для правильного поведения этих инструментов при их объединении.

Инженеры и дизайнеры могут воспользоваться технологиями искусственного интеллекта для создания цифровых моделей-близнецов. Они могут сравнить «выученное» поведение с имитационными моделями. Это помогает множеством способов, включая:

  • Выявление зависимостей параметров
  • Калибровка цифровых моделей-близнецов
  • Обнаружение актуальных проблем в самих имитационных моделях

С одной стороны, модели сокращения порядка моделей (MOR), будучи быстрыми, но не такими точными, как стандартные имитационные модели, могут ускорить процесс обучения с помощью симуляции для моделей AI. С другой стороны, хорошо обученные модели искусственного интеллекта могут заменить имитационные модели, в которых учитывается скорость и объем памяти, например, как виртуальные датчики на контроллерах или когда оцениваются архитектуры, как при генеративном проектировании. Благодаря этому ускорению команды могут исследовать множество архитектурных реализаций и проверять результаты за то же время, которое потребовалось бы для одного исходного прогона моделирования.

AI приносит данные реального мира в цифровую систему Twin

После того, как дизайн был выпущен в производство и вышел в реальный мир, следующая проблема заключается в том, как правильно настроить параметры и откалибровать цифровой близнец на основе различных состояний физического актива, а также собрать варианты использования, которые соответствуют фактическое использование физического устройства. Важно, чтобы цифровой близнец точно представлял текущее состояние своего физического аналога.

Искусственный интеллект помогает решить эту проблему, используя, воспринимая и интерпретируя огромные объемы данных из реальных условий для оптимизации параметров, а также прогнозирования изменений поведения - например, вызванных старением. Это гарантирует, что виртуальное представление корректируется в течение всего срока службы физического актива, а цифровой близнец соответствующим образом обновляется.

Использование данных, генерируемых цифровыми имитациями близнецов, для дальнейшего обучения моделей искусственного интеллекта помогает создать замкнутый контур, обеспечивающий обратную связь Затем это можно использовать для улучшения или оптимизации существующего цифрового близнеца.

Это возможно на каждом этапе проектирования, производства и жизненного цикла. Например, использование параметризованных CAD-моделей для обучения нейронных сетей может ускорить оценку изменений параметров применительно к задачам построения. Использование синтетических данных, сгенерированных из инструментов CAD, может создать предварительно обученные модели искусственного интеллекта, которые, в свою очередь, могут быть адаптированы к реальным данным посредством обучения переносу. Кроме того, использование сценариев среды, полученных и измененных при моделировании, может улучшить управление на основе ИИ, например, для автономных автомобилей.

Поделиться:




2008-2020 © ЗАО "Компания "Альфа-Интеграция"