AIがエンジニアリングデザインとシミュレーションをどのように変革しているか
人工知能は、エンジニアが製品を設計、シミュレーション、および最適化する方法を急速に変えています。生成デザインツールからAIパワードのデジタルツインや自然言語インターフェースまで、エンジニアリングソフトウェアはこれまで以上にインテリジェントでアクセスしやすくなっています。
私たちの先を見据えた Beyond 3D Podcastのエピソードで、Tech Soft 3Dの Jonathan Girroir がDigital Engineering 24/7のシニアエディター Kenneth Wong と、AIがエンジニアリングにどのように価値を創造しているか、次に何が起こり得るかについて話しました。我々がカバーするのは:
生成デザイン & 自然言語
AI支援のユーザーインターフェース
デジタルツイン
AIによるシミュレーション強化
エンジニアリングにおけるAIの将来の課題
こちらをクリックして この記事の情報源となったポッドキャストをお聴きください
AIがエンジニアリングソフトウェアをどのように変えているか
生成デザインが最初のステップでした
Wong氏は、人工知能が製品ライフサイクルに直接影響を与え始めたのは、数年前の生成デザインが最初であるという見解を述べました。エンジニアリングのワークフローにAIが関与した最初のバージョンのようなもので、ユーザーは設計基準をソフトウェアに提供し、設計コンセプトを受け取ることができました。便利ではありますが、これはエンジニアリングにおけるAIの最初の波にすぎませんでした。
生成デザインの誤解と現実についてもっと学ぶ準備ができましたか ? 私たちの作品「生成デザイン：洞察、神話、その他」をチェックしてください"
自然言語は次のフロンティアです
自然言語機能を含む他のAI技術分野がますますエンジニアリングの場に取り入れられるようになっています。
ユーザーは伝統的に3D環境を埋めたり、操作したりする方法が制限されています。このプロセスは通常、ライブラリからオブジェクトをかなり退屈な手動で引っ張り、それを望ましい結果に似たものに組み立てることから成っていました。 自然言語コマンドにより、ユーザーはより人間的な方法でソフトウェアと対話することができます。
Wong氏は倉庫の例を用いて、この改善がどれほど大きいかを説明しました：有能な自然言語AIツールを使用すると、ユーザーは個々のアイテムを手動で配置する代わりに、ソフトウェアに倉庫に典型的に見つかるオブジェクトで満たすよう指示することができます。
これらの機能は、エンジニアが日々使用するソフトウェアでますます見られるようになるでしょう。
次の段階では、デザインツールにコンポーネントを編集するために穴を開けたり、スペースを狭めたり、その他の幾何学的変更を加える方法を単に伝えることが関与する可能性が高いです。自然言語デザインツールの改善は、ワークフローを迅速にし、より直感的で、はるかにアクセスしやすくする潜在的な可能性を提供します。
AIがエンジニアリングユーザー体験を変える
AIツールのCADおよびシミュレーションソフトウェアへの統合は、必然的にユーザーインターフェースと体験を変えるでしょう。
ユーザーの要件に基づいて設計の出発点を提案するAI駆動のアシスタントを備えたソフトウェアを見ることができるかもしれません。典型的なエンジンブロック、ブラケット、ボルト、またはその他の一般的なコンポーネントから始めて、 エンジニアはそれらのコンセプトを手動で洗練するか、AI駆動のツールで反復を続けることができます。
これらの経験がどのように見えるかを正確に予測するのはまだ難しいです。Wong氏はBingやCanvaのようなテキストベースの生成ツールが他の産業でユーザー体験をすでにどのように変革したかを例に出しました。
これらの機能はまだ主流のCADソフトウェアには存在していないため、この技術がどれほど新しいかを覚えておくことが重要です。ChatGPT、Midjourney、およびその他のテキストベースのAIツールは比較的新たに主流の意識の中に入ってきました。自然言語機能で強化されたCADおよびシミュレーションツールの開発には時間がかかりますが、その方向性はますます明確になっています。
AIはエンジニアを置き換えるか？
AI機能が拡大し続ける中、よくある疑問が浮かび上がります： エンジニアの役割はどうなるのか？
Wong氏は、人間のエンジニアリングの専門知識は時代遅れになることはないと信じています。AIツールがエンジニアリングワークフローを強化し合理化するかもしれませんが、人間の専門家の役割はこれまでと同じくらい重要であり続けます。
経験豊富なエンジニアは、シミュレーションやテストを実行する前に、実際の知識と直感からその結果を推測することが多いのです。それらのスキルは単に自動化によって置き換えられるものではありません。
また、デザインの美観、音、使いやすさ、および製品がユーザーに与える感情など、より無形の要素の役割を見過ごしてはなりません。これらの考慮事項は人間らしいものです。
エンジニアリングの役割が進化するかもしれませんが、エンジニアがデザインプロセスにおいて持つ専門知識、判断力、創造性は引き続き非常に貴重です。
AI駆動のデジタルツイン
デジタルツインは、実世界の資産から収集された膨大な量の運用データとジオメトリを組み合わせたものです。AIは組織がこの情報を管理し解釈するのを助ける上で重要な役割を果たすことができます。
議論の枠組みとして、グリーンエネルギー風力タービンの物理的およびデジタルツインを想像してください。その膨大なセンサー群、天気情報、腐食データ、圧力測定、およびその他の運用指標から情報が絶えず生成されます。情報の量が莫大すぎて、人間が単独で合理的に分析することが難しいことがしばしばあります。
人工知能は膨大なデータセットを処理し、パターンを特定し、重大な問題になる前に潜在的な問題を指摘することができます。これらの機能は予知保全戦略を向上させ、組織がさもなければ見落とされるかもしれない潜在的な故障箇所を特定するのに役立ちます。
また、AIの制限に関する議論が加熱する中で、この種の作業がAIが最も得意とするものであることも注目に値します。AIモデルは、大量の予測可能な構造化データを処理し、そこから洞察を引き出すことに非常に優れています。
AI駆動のシミュレーション
従来のシミュレーション方法は、コンポーネントの各領域で物理ベースの計算を実行し、さまざまな条件下でどのように挙動するかを理解することがよくあります。
現在、エンジニアはAIを活用してシミュレーションの入力と出力の間の関係を特定するために低次元モデルを試しています。
以前のシミュレーションから学ぶことで、AIモデルはパラメーターと結果の間の相関関係を特定できます。これにより、常に完全な物理ベースのシミュレーションを必要とせずに、役立つ予測を生成することが可能になります。
その結果として、より迅速な分析、短い開発サイクル、そして高度なシミュレーション機能をより広い受け手が利用できる可能性があります。
シミュレーションソフトウェアに自然言語インターフェースが成功裏に統合されれば、シミュレーションプロセス自体が学びやすく、使用しやすくなる可能性があり、より多くのエンジニアが高度な分析ツールの恩恵を受けられるでしょう。
今後の課題
相互運用性は依然として主要な障害
Wong氏は、将来のAI対応エンジニアリングワークフローが直面する最も重要な課題の一つとして相互運用性を挙げました。
彼はBMWとEricssonの例を共有しました。両組織はデジタルツインとメタバース技術に投資していますが、異なるエコシステムで操作しています。
今日では、シミュレーションされたBMWがEricssonの5Gインフラをテストするために設計されたシミュレーション環境でシームレスに操作することは非常に難しいです。デジタルツインがその可能性を最大限に発揮するためには、組織がプラットフォームと環境を横断してデータを共有し利用する方法が必要です。
この課題は、Tech Soft 3Dのような企業がCADおよびエンジニアリングデータ形式全体で何年にもわたって取り組んできた多くの相互運用性問題を反映しています。
AIが実際に何を意味するかを定義する
もう一つの課題は、これらの技術を説明するために使用する言語です。
人工知能は機械学習、ニューラルネットワーク、自然言語処理、深層学習、生成デザインを含む広範な技術をカバーする包括的用語になりました。
Jonathan Girroir氏は、これらの概念を共有する理解を開発し、用語を一貫して使用することの重要性を強調しました。
Wong氏は、企業がこの用語を多用しないように注意すべきだと付け加えました。ちょうど 製品ライフサイクル管理（PLM） が誰がそのフレーズを使っているかによって非常に異なる意味を持つことができるように、AIはオートメーションや高度なソフトウェアに関わるほぼすべてのものを表すラベルになるリスクがあります。
AI技術が成熟し続けるにつれ、用語の透明性を維持することはますます重要になります。
次に何が来るのか？
Kenneth Wong氏とJonathan Girroir氏はエンジニアリングにおけるAIの未来について楽観的であり続けます。
この技術はまだ進化し続けていますが、その影響はすでに設計、シミュレーション、デジタルツイン、およびエンジニアリングワークフロー全体に見られます。最も成功する組織は、AIをエンジニアリングの専門知識の置き換えとしてではなく、それを増幅するツールとして見るところでしょう。
自然言語インターフェース、AI支援のシミュレーション、インテリジェントなデジタルツインが成熟し続けるにつれ、エンジニアはソフトウェアがより迅速でアクセスしやすくなり、複雑な意思決定を支援する能力が高まっていくことを期待できます。
Tech Soft 3Dは、エンジニアリングチームが現代のワークフローでAI技術を活用するために必要なツールを提供するために取り組んでいます。 HOOPS AI、弊社の最新のツールキットは、CADから生産向けの機械学習へと最も早い道を提供します。製品自体をご覧いただくか、以下のリンクから詳細をご確認ください
AIはエンジニアを置き換えるか？
いいえ。少なくとも、私たちの意見では極めてあり得ません。
AIは特定のタスクを自動化し、ワークフローを合理化することができますが、エンジニアは依然として重要な専門知識、判断力、創造力、そして責任を提供し続けます。AIは、製品を設計、検証、提供するエンジニアを置き換えるのではなく、エンジニアリング能力を向上させるツールとして最もよく理解されます。
AIはエンジニアリングシミュレーションをどのように改善できますか？
AIは、過去のシミュレーション結果におけるパターンを特定し、簡易モデルをサポートすることで、エンジニアがより迅速にシミュレーションを実行するのを助けることができます。これらのアプローチにより、計算要件を削減しながら、貴重な洞察を提供し、エンジニアがより多くの設計オプションを短時間で評価できるようになります。
デジタルツインにおいてAIはどのような役割を果たしていますか？
AIは、デジタルツインによって生成される膨大なデータ量から価値を引き出すのを組織が助けます。AIは運用データ、環境データ、性能データを分析することで、トレンドを特定し、保守の必要性を予測し、異常を検出し、資産のライフサイクル全体におけるより情報に基づいた意思決定をサポートできます。