BMBF wspiera projekt badawczy dotyczący sztucznej inteligencji w konstrukcji

Bundesministerium für Bildung und Forschung (BMBF) wspiera projektem o wartości około 1,8 miliona euro badania nad podstawami cyfryzacji rozwoju produktu. Projekt, który początkowo jest planowany na trzy lata, kieruje firma Daimler AG; w projekcie bierze udział z kwotą dofinansowania około 630 000 euro zespół prof. dr. Klausa-Roberta Müllera, profesora uczenia maszynowego na Technische Universität Berlin.

Wraz z rosnącą cyfryzacją przemysłu cyfrowe prototypy w Computer Aided Design (CAD), Computer Aided Engineering (CAE) czy też Computer Aided Manufacturing (CAM) umożliwiają analizę nowego produktu na podstawie symulacji. Dzięki temu można przeprowadzić określone testy jeszcze przed wybudowaniem pierwszego prototypu wyłącznie na komputerze. Pozwala to na przykład na wypróbowanie różnych alternatyw projektowych – bez konieczności budowania fizycznego modelu.

Nowy projekt badawczy Artificial Intelligence Aided x (AIAx) ma pomóc w opanowaniu cyfryzacji procesu rozwoju produktu przy dużych, złożonych zbiorach danych oraz odciążyć konstruktorów od czasochłonnych rutynowych czynności. Główne pytanie badawcze brzmi: jak można rozwijać istniejące metody sztucznej inteligencji, aby wspierać tradycyjne mocne strony przemysłu w rozwoju wysokiej jakości produktów technicznych? Celem projektu jest, aby w średnim okresie z terminów znanych w przemyśle, takich jak CAD, CAE i CAM, wyłoniło się pojęcie Artificial Intelligence Aided Design/Engineering/Manufacturing – krótko AIAx.

W procesie konstrukcyjnym doświadczenia są cenną wiedzą specjalistyczną. Jednakże te doświadczenia są trudne do sformalizowania i dlatego mogą być ograniczenie przekazywane młodym pracownikom. Dzięki zastosowaniu określonych metod uczenia maszynowego można jednak na przykład rozpoznawać wzorce w danych konstrukcji CAD i wykorzystywać je efektywniej.

Każda symulacja generuje ogromne ilości danych, które obecnie muszą być analizowane przez inżynierów, aby wykryć niedoskonałości i braki w konstrukcji oraz stopniowo je poprawiać. Specjalnie opracowane metody uczenia maszynowego mają automatycznie i inteligentnie analizować te dane, a także proponować ewentualne ulepszenia. Automatyzacja tego procesu analizy nie tylko przyspieszyłaby proces projektowania, ale także pozwoliłaby inżynierom poświęcić więcej czasu na rozwijanie innowacyjnych projektów i pomysłów.

Technische Universität Berlin wnosi do nowego projektu AIAx swoje wieloletnie doświadczenie w podstawowych badaniach nad metodami uczenia maszynowego (ML) i AI. Grupa badawcza Klausa-Roberta Müllera wniosła istotny wkład w maszyny wsparcia wektorowego oraz tzw. „Explainable Artificial Intelligence” (wyjaśnialna sztuczna inteligencja) i promowała wdrażanie metod ML w chemii kwantowej. W ramach projektu skupimy się głównie na tematach takich jak „Efektywne głębokie uczenie” oraz „Wyjaśnialność i odporność” rozwijanych metod ML, wyjaśnia Klaus-Robert Müller.

Przygotowanie procesów decyzyjnych metod ML do przejrzystości – czyli wyjaśnialności – ma na celu zwiększenie ich akceptacji w praktyce i umożliwienie ich przemysłowego zastosowania. Dlaczego maszyna podejmuje daną decyzję? „Chcemy zbadać różne formy prezentacji procesu decyzyjnego w ramach badania z udziałem uczestników. Jak powinna wyglądać prezentacja wyjaśnienia? Jakie informacje są istotne? Jeśli chodzi o akceptację metod ML, wyjaśnialność jest ważnym aspektem. Ostateczna odpowiedzialność spoczywa na konstruktorze,” wyjaśnia Klaus-Robert Müller.

AIAx jako projekt partnerski łączy partnerów z przemysłu i różne instytucje badawcze. Interdyscyplinarny charakter projektu odzwierciedla skład konsorcjum. Oprócz TU Berlin w projekcie biorą udział Daimler AG, DYNAmore GmbH, Endress+Hauser Maulburg SE & Co. KG, Karlsruher Institut für Technologie oraz USU Software AG.