Comment l'IA transforme la conception et la simulation en ingénierie
L'intelligence artificielle change rapidement la façon dont les ingénieurs conçoivent, simulent et optimisent les produits. Des outils de conception générative aux jumeaux numériques alimentés par l'IA et aux interfaces en langage naturel, les logiciels d'ingénierie deviennent plus intelligents et accessibles que jamais.
Dans un épisode de notre Beyond 3D Podcasttourné vers l'avenir, Jonathan Girroir de Tech Soft 3D a discuté avec Kenneth Wong, Senior Editor de Digital Engineering 24/7, de l'endroit où l'IA crée déjà de la valeur en ingénierie et de ce qui pourrait suivre. Nous abordons : Jonathan Girroir chatted with Digital Engineering 24/7 Senior Editor Kenneth Wong about where AI is already creating value in engineering and what might be next. We cover:
Conception générative & langage naturel
Interfaces utilisateur assistées par l'IA
Jumeaux numériques
Simulation renforcée par l'IA
Problèmes futurs avec l'IA en ingénierie
Cliquez ici pour écouter le podcast qui a inspiré cet article
Comment l'IA change les logiciels d'ingénierie
La conception générative était la première étape
M. Wong a discuté de son point de vue selon lequel l'impact direct de l'intelligence artificielle sur le cycle de vie du produit a commencé avec la conception générative il y a quelques années. Comme une première version de l'implication de l'IA dans les flux de travail d'ingénierie, les utilisateurs pouvaient fournir leurs critères de conception au logiciel et recevoir des concepts de conception en retour. Bien que cela soit utile, cela ne représentait que la première vague de l'IA en ingénierie.
Prêt à en savoir plus sur les idées fausses et la réalité de la conception générative? Consultez notre article "Conception générative : idées, mythes, et plus encore"
Le langage naturel est la prochaine frontière
De plus en plus, d'autres domaines de la technologie IA sont intégrés dans les espaces d'ingénierie, en particulier les capacités en langage naturel.
Les utilisateurs ont traditionnellement été limités dans la manière dont ils peuplent et interagissent avec les environnements 3D. Ce processus consistait généralement à tirer manuellement des objets d'une bibliothèque et à les assembler pour ressembler au résultat souhaité. Les commandes en langage naturel permettent aux utilisateurs d'interagir avec le logiciel de manière beaucoup plus humaine.
M. Wong a utilisé l'exemple d'un entrepôt pour expliquer à quel point c'est une amélioration : avec un outil d'IA capable en langage naturel, les utilisateurs pourraient simplement ordonner au logiciel de remplir un entrepôt avec les objets que l'on s'attendrait à y trouver, plutôt que de placer manuellement chaque élément.
Ces capacités sont susceptibles d'apparaître dans de plus en plus de logiciels utilisés quotidiennement par les ingénieurs.
Les prochaines étapes impliqueront probablement de simplement dire à nos outils de conception comment modifier un composant en ajoutant un trou, en rétrécissant un espace, ou en effectuant d'autres changements géométriques. Les améliorations des outils de conception en langage naturel offrent la possibilité d'accélérer les flux de travail, de les rendre plus intuitifs et beaucoup plus accessibles.
L'IA va modifier l'expérience utilisateur en ingénierie
L'intégration d'outils d'IA dans les logiciels de CAO et de simulation changera inévitablement les interfaces et les expériences utilisateur.
Nous pourrions voir des logiciels équipés d'assistants alimentés par l'IA qui suggèrent des points de départ en matière de conception basés sur les exigences d'un utilisateur. En commençant par un bloc-moteur typique, une bride, un boulon ou un autre composant courant, les ingénieurs pourraient ensuite affiner ces concepts manuellement ou continuer à itérer avec des outils alimentés par l'IA..
La forme exacte que prendront ces expériences reste à voir. M. Wong a pointé des outils de génération basés sur du texte comme Bing et Canva comme exemples de la manière dont l'IA a déjà transformé les expériences utilisateur dans d'autres industries.
Ces fonctionnalités ne sont pas encore présentes dans les logiciels de CAO traditionnels, et il est important de se rappeler combien cette technologie reste nouvelle. ChatGPT, Midjourney et d'autres outils d'IA basés sur du texte ne sont entrés dans la conscience du grand public que relativement récemment. Le développement d'outils de CAO et de simulation enrichis de capacités en langage naturel prendra du temps, mais la direction est de plus en plus claire.
L'IA remplacera-t-elle les ingénieurs ?
À mesure que les capacités de l'IA continuent de s'étendre, une question fréquente émerge : qu'adviendra-t-il du rôle de l'ingénieur ?
M. Wong pense que l'expertise en ingénierie humaine ne deviendra pas obsolète. Bien que les outils d'IA puissent améliorer et rationaliser les flux de travail d'ingénierie, le rôle de l'expert humain reste aussi important que jamais.
Un ingénieur expérimenté peut souvent estimer le résultat d'une simulation ou d'un test avant de le réaliser, en s'appuyant sur des années de savoir pratique et d'intuition. Ces compétences ne peuvent tout simplement pas être remplacées par l'automatisation.
Il est également important de ne pas négliger le rôle des éléments de conception moins tangibles, y compris l'esthétique, le son, la convivialité et la façon dont un produit fait ressentir ses utilisateurs. Ces considérations restent profondément humaines.
Bien que les rôles en ingénierie puissent évoluer, l'expertise, le jugement et la créativité que les ingénieurs apportent au processus de conception continueront d'être inestimables.
Jumeaux numériques alimentés par l'IA
Les jumeaux numériques combinent la géométrie avec d'énormes quantités de données opérationnelles collectées à partir d'actifs du monde réel. L'IA peut jouer un rôle important en aidant les organisations à gérer et à interpréter ces informations.
Comme cadre de discussion, imaginez le jumeau physique et numérique d'une éolienne à énergie verte. Tirant de son énorme gamme de capteurs, des informations météorologiques, des données sur la corrosion, des relevés de pression et d'autres mesures opérationnelles sont générées en continu. Le volume même d'informations dépasse souvent ce que les humains peuvent raisonnablement analyser par eux-mêmes.
L'intelligence artificielle peut traiter d'énormes ensembles de données, identifier des motifs et souligner les problèmes potentiels avant qu'ils ne deviennent des problèmes majeurs. Ces capacités peuvent améliorer les stratégies de maintenance prédictive et aider les organisations à identifier des zones susceptibles de défaillance qui pourraient autrement passer inaperçues.
Il convient également de noter, alors que les discussions sur les limites de l'IA prennent de l'ampleur, qu'il s'agit du type de travail où l'IA a tendance à briller le plus. Les modèles d'IA tendent à s'épanouir en traitant de grandes quantités de données prévisiblement structurées et en en tirant des enseignements.
Simulation alimentée par l'IA
Les méthodes de simulation traditionnelles impliquent souvent de réaliser des calculs basés sur la physique dans chaque région d'un composant pour comprendre comment il se comporte dans différentes conditions.
Aujourd'hui, les ingénieurs expérimentent des modèles d'ordre réduit qui exploitent l'IA pour identifier les relations entre les entrées et les résultats des simulations.
En apprenant des simulations précédentes, les modèles d'IA peuvent identifier des corrélations entre les paramètres et les résultats. Cela permet de générer des prédictions utiles sans toujours nécessiter une simulation complète basée sur la physique.
Le résultat est une analyse plus rapide, des cycles de développement plus courts et la possibilité de rendre les capacités de simulation avancées accessibles à un public plus large.
Si les interfaces en langage naturel peuvent être intégrées avec succès dans les logiciels de simulation, le processus de simulation lui-même pourrait devenir beaucoup plus facile à apprendre et à utiliser, aidant ainsi plus d'ingénieurs à bénéficier d'outils d'analyse avancés.
Les défis à venir
L'interopérabilité reste un obstacle majeur
M. Wong a identifié l'interopérabilité comme l'un des enjeux les plus importants auxquels les futurs flux de travail d'ingénierie assistés par l'IA sont confrontés.
Il a partagé l'exemple de BMW et Ericsson. Les deux organisations investissent dans les technologies des jumeaux numériques et du métavers, mais elles opèrent dans des écosystèmes différents.
Aujourd'hui, il est très peu probable qu'une BMW simulée puisse fonctionner de manière transparente dans l'environnement de simulation d'Ericsson conçu pour tester l'infrastructure 5G. Si les jumeaux numériques doivent atteindre leur plein potentiel, les organisations devront trouver des moyens de partager et d'utiliser les données entre différentes plateformes et environnements.
Ce défi reflète de nombreuses questions d'interopérabilité que des entreprises comme Tech Soft 3D abordent depuis des années à travers les formats de données CAO et d'ingénierie.
Définir ce que l'IA signifie réellement
Un autre défi concerne le langage que nous utilisons pour décrire ces technologies.
L'intelligence artificielle est devenue un terme générique qui couvre un large éventail de technologies, y compris l'apprentissage automatique, les réseaux neuronaux, le traitement du langage naturel, l'apprentissage profond et la conception générative.
Jonathan Girroir a souligné l'importance de développer une compréhension partagée de ces concepts et d'utiliser la terminologie de manière cohérente.
M. Wong a ajouté que les industries devraient faire attention à ne pas abuser du terme. Comme la gestion du cycle de vie des produits (PLM) peut signifier des choses très différentes selon l'utilisateur, l'IA risque de devenir une étiquette fourre-tout pour tout ce qui concerne l'automatisation ou les logiciels avancés.
Maintenir la clarté autour de la terminologie deviendra de plus en plus important à mesure que les technologies de l'IA continueront de mûrir.
Que réserve l'avenir ?
Kenneth Wong et Jonathan Girroir restent optimistes quant à l'avenir de l'IA en ingénierie.
Bien que la technologie soit encore en évolution, son influence est déjà visible à travers la conception, la simulation, les jumeaux numériques et les flux de travail en ingénierie. Les organisations les plus fructueuses seront probablement celles qui considèrent l'IA non pas comme un substitut à l'expertise en ingénierie, mais comme un outil qui l'amplifie.
À mesure que les interfaces en langage naturel, la simulation assistée par l'IA et les jumeaux numériques intelligents mûrissent, les ingénieurs peuvent s'attendre à des logiciels plus rapides, plus accessibles et de plus en plus capables de soutenir des prises de décision complexes.
Tech Soft 3D travaille pour s'assurer que les équipes d'ingénierie disposent des outils dont elles ont besoin pour tirer parti de la technologie IA dans les flux de travail modernes. HOOPS AI, notre tout dernier kit d'outils, offre le moyen le plus rapide de passer de la CAO à l'apprentissage automatique en production. Consultez le produit lui-même ou suivez le lien ci-dessous pour en savoir plus
Comment l'IA est-elle utilisée en ingénierie aujourd'hui ?
L'intelligence artificielle est déjà utilisée à travers les flux de travail d'ingénierie, y compris la conception générative, l'accélération de la simulation, les jumeaux numériques, la maintenance préventive et l'analyse des données. En aidant les ingénieurs à traiter de grandes quantités d'informations et à automatiser des tâches répétitives, l'IA peut améliorer l'efficacité et soutenir de meilleures décisions de conception tout au long du cycle de vie du produit.
L'IA remplacera-t-elle les ingénieurs ?
Non. Ou du moins, extrêmement improbable à notre avis.
Bien que l'IA puisse automatiser certaines tâches et simplifier les flux de travail, les ingénieurs continuent de fournir une expertise, un jugement, une créativité et une responsabilité critiques. L'IA est mieux vue comme un outil qui améliore les capacités d'ingénierie plutôt que de remplacer les ingénieurs qui conçoivent, valident et livrent des produits.
Comment l'IA peut-elle améliorer la simulation en ingénierie ?
L'IA peut aider les ingénieurs à réaliser des simulations plus rapidement en identifiant des motifs dans les résultats de simulations antérieures et en soutenant des modèles d'ordre réduit. Ces approches peuvent réduire les besoins en calcul tout en fournissant des informations précieuses, permettant aux ingénieurs d'évaluer plus d'options de conception en moins de temps.
Quel rôle joue l'IA dans les jumeaux numériques ?
L'IA aide les organisations à extraire de la valeur des grands volumes de données générées par les jumeaux numériques. En analysant les données opérationnelles, environnementales et de performance, l'IA peut identifier des tendances, prédire les besoins de maintenance, détecter des anomalies et soutenir une prise de décision plus éclairée tout au long du cycle de vie d'un actif.