Optimalisering av design og mekanisk prosessering ved hjelp av AI-applikasjoner.

Kunstig intelligens (KI) er i ferd med å bli en nøkkelfaktor i omstruktureringen av maskinindustrien. KI tilbyr effektive løsninger, men stiller også nye utfordringer som den vietnamesiske maskinindustrien må konfrontere og tilpasse seg for å oppnå gjennombrudd.

Drift av en mekanisk prosesseringslinje hos Tomerco An Khang Company, Ngoc Liep industriklynge ( Hanoi ). (Foto av TUỆ NGHI)

AI er mer enn bare et støtteverktøy, det er også en drivkraft for innovasjon, og bidrar til å overvinne begrensningene ved tradisjonelle metoder innen design og produksjon. Tidligere var vietnamesisk maskinteknikk hovedsakelig avhengig av automatisering og numerisk kontroll, men nå skifter trenden sterkt mot intelligent autonom produksjon – der maskiner, roboter, sensorsystemer og intelligente kontrollsystemer integrert med AI kan ta beslutninger, optimalisere og tilpasse seg reelle produksjonsforhold.

Dr. Nguyen Lac Hong, visepresident i Vietnam Association of Mechanical Engineering, bemerket at teknologier som stordata, tingenes internett (IoT), industridesign og «digitale replika»-modeller har skapt et sterkt skifte i måten mekanisk design og produksjon utføres på. Gjennom maskinlæring presenteres og evalueres ulike alternativer i henhold til standarder for holdbarhet, produksjonskostnader eller vekt før den optimale løsningen foreslås. Dette er spesielt nyttig i bransjer som krever høy presisjon, som bilindustri, luftfart, robotikk og maskinproduksjon. Innen mekanisk prosessering er AI direkte integrert i CNC-systemer (computer numeric control) for å optimalisere skjæreprosessen i sanntid.

Teknologier som stordata, tingenes internett (IoT), industridesign og den «digitale tvilling»-modellen har ført til et dramatisk skifte i hvordan mekanisk design og produksjon utføres.

Dr. Nguyen Lac Hong, visepresident i Vietnams forening for maskinteknikk

Et godt eksempel er FANUC Intelligent Edge Link & Drive (FIELD)-systemet, som kombinerer AI og IoT for å synkronisere data fra flere CNC-maskiner, analysere driftsstatus og automatisk forutsi feil før de oppstår. Som et resultat bidrar AI til å øke skjæreeffektiviteten med 10–20 % og redusere oppsetttiden med 40 % i masseproduksjon. Det støtter også adaptiv kontroll, der systemet lærer av tidligere data for å bestemme optimale maskineringsforhold for materialer som titan eller aluminiumslegeringer.

I en kommentar om AI innen maskinteknikk uttalte Dr. Vu Duong (Duy Tan University) at AI brukes til å optimalisere design, produksjonsprosesser, kvalitetskontroll, vedlikeholdsprediksjon og utvikling av nye materialer, og dermed øke produktivitet, nøyaktighet og generell effektivitet. I tillegg kan maskineringsparametere som skjærehastighet og matehastighet justeres fleksibelt for å oppnå optimal effektivitet. Systemet bruker kameraer kombinert med AI-algoritmer for å analysere produktoverflater og oppdage defekter som sprekker, vridning eller dimensjonsfeil.

Til tross for det store potensialet, står bruken av AI i Vietnams maskinindustri for tiden overfor mange hindringer. Ifølge Dr. Dinh Van Chien, direktør for Institute of Mechanical Engineering, Automation and Environment, krever det betydelige kostnader og ressurser å utnytte potensialet til AI: investering i etablering av AI-infrastruktur; spesialisert programvare; og rekruttering eller opplæring av kvalifisert personell ... På den annen side kan etterspørselen etter høyytelsesdatabehandling øke driftskostnadene, noe som krever kontinuerlige investeringer i dataressurser og vedlikehold ...

Det nåværende nivået av AI-anvendelse er fortsatt i eksperimentell fase, hovedsakelig i store selskaper og forskningsinstitutter. Mer enn 90 % av maskintekniske bedrifter, spesielt små og mellomstore bedrifter, har ennå ikke ressurser til å implementere AI i stor grad i produksjonen. Den første utfordringen er at produksjonsdata ikke har blitt digitalisert og synkronisert. Data fra maskineringsutstyr, måleinstrumenter eller designprogramvare er fortsatt spredt eller lagres ikke i henhold til en enhetlig standard. Dette gjør at AI-modeller mangler data å lære av og gjør det vanskelig å oppnå høy nøyaktighet.

Den nasjonale strategien for forskning, utvikling og anvendelse av kunstig intelligens frem til 2030 identifiserer maskinteknikk og produksjon som et av prioriteringsområdene. Kunstig intelligens er og vil bli et kjerneelement i å omforme Vietnams maskintekniske industri, og gå fra en «opplevelsesbasert design»-modell til en «datadrevet og kunstig intelligens-basert design»-modell.

Videre er det mangel på tverrfaglig personell; ingeniører med samtidig kunnskap om maskinteknikk, AI og numerisk simulering er mangelvare. Samtidig krever smarte produksjonssystemer en teknisk arbeidsstyrke som er i stand til å betjene og vedlikeholde utstyr som integrerer sensorer, maskinlæringsalgoritmer og numeriske modeller. Teknologisk sett importeres mange smarte mekaniske enheter for tiden til høye kostnader. AI integrert i importerte maskiner fungerer ofte som en «svart boks», noe som gjør det vanskelig å tilpasse dem til innenlandske produksjonsforhold. Innenlandske bedrifter har ennå ikke mestret sensormoduler, datainnsamlingssystemer eller simuleringsprogramvare integrert med AI.

Den nasjonale strategien for forskning, utvikling og anvendelse av kunstig intelligens frem til 2030 identifiserer maskinteknikk og produksjon som et av prioriteringsområdene. Kunstig intelligens er og vil bli et kjerneelement i å omforme Vietnams maskintekniske industri, og gå fra en «opplevelsesbasert design»-modell til en «datadrevet og kunstig intelligens-basert design»-modell. Dette er ikke bare en teknologisk retning, men også en strategisk oppgave for maskintekniske industrier i den digitale transformasjonsæraen, og bidrar til Vietnams fremgang mot smart, selvstendig og globalt konkurransedyktig produksjon.

Ifølge eksperter innen maskinteknikk krever det imidlertid en strategisk og synkronisert løsning å oppnå dette. For det første er det nødvendig å bygge et nasjonalt digitalisert datalager for maskinteknikk, inkludert design-, maskinerings-, simulerings- og sensordata. Dette datalageret vil fungere som en plattform for trening av AI-modeller, slik at teknologien kan brukes i større grad.

Samtidig er det nødvendig å fremme tverrfaglig opplæring innen maskinteknikk, elektronikk og kunstig intelligens, og koble sammen skoler og bedrifter slik at ingeniører får muligheten til å øve på reelle produksjonslinjer. I tillegg er det nødvendig å fremme lokaliseringen av smarte mekaniske produkter. Utvikling av programvare for styring av maskineringsutstyr, maskinsynssystemer eller digitale kopimodeller «Make in Vietnam» vil hjelpe bedrifter med å redusere kostnader og ta kontroll over teknologi. Videre er det nødvendig å styrke forskningssamarbeidet mellom institutter, universiteter og bedrifter for å danne et smart mekanisk økosystem, og skape forutsetninger for testing og perfeksjonering av teknologi før den bringes ut på markedet.

QUANG MINH

Kilde: https://nhandan.vn/toi-uu-hoa-thiet-design-gia-cong-co-khi-tu-ung-dung-ai-post929960.html