Flera faktorer avgör teknikens genomslag

AI-tvillingar lyfter tillverkningsindustrins effektivitet

Av: Sharath Prasad, AVP IoT and Engineering, Cognizant
Digitala tvillingar hjälper många tillverkningsföretag att snabbt reagera på förändringar i både marknaden och tillgången på råmaterial. Genom att integrera AI i den digitala tvillingen kan företagen upptäcka mönster och föreslå förändringar som människor kanske inte uppfattar.

Det krävs dock en hel del för att lyckas med detta. Tidiga användare av digitala tvillingar inom tillverkningsindustrin insåg att det krävdes för mycket tid och resurser att stänga ner en anläggning för att testa de förändringar som föreslagits av tvillingen. Dessutom är det kostsamt att träna stora språkmodeller samt att samla in träningsdata från isolerade sensorer och simuleringsplattformar.

Med rätt strategi är det dock fullt möjligt att lyckas. För att illustrera detta vill jag använda ett exempel där vi på Cognizant utnyttjar en AI-driven 3D-plattform i realtid för att hjälpa en stor tillverkare att skala upp sin implementering av digitala tvillingar.

Värdet av den digitala tvillingen ligger i dess förmåga att möjliggöra simulering av resultat och testning av förändringar i en virtuell miljö. Att integrera data från de isolerade och disparata system som krävs för att skapa tvillingen visade sig dock vara en stor utmaning. Därefter behövde personalen utbildas och motiveras att börja använda den digitala tvillingen. Dessutom var användargränssnittet hos de befintliga lösningarna så komplext eller orealistiskt att chefer och planerare hade svårt att simulera förändringar och förstå deras effekter. Som ett följd tvingades företaget pausa verksamheten för att omkonfigurera utrustning, fysiska utrymmen och processer i syfte att testa förändringarna. Allt detta bidrog till en mindre effektiv verksamhet.

Vi har även hjälpt ett globalt företag inom byggnadsteknik och energilösningar att lösa sina utmaningar. I det här fallet valde vi NVIDIA Omniverse som den mest omfattande och mest användarvänliga plattformen att integrera data från flera äldre system. 3D-gränssnittet är dessutom mer detaljerat och realistiskt än modelleringsverktyget, vilket gjorde det enklare för tillverkaren att modellera och testa förändringar utan att behöva avbryta driften.

Ett av de största hindren för att distribuera AI är kostnaden för att samla in den högkvalitativa data som krävs för att träna språkmodeller. För tillverkare och lageroperatörer är detta ännu mer utmanande. eftersom sensor- och modelleringsdata ofta lagras i olika format och i separata system.

Helst formaterar en 3D-modelleringsplattform sömlöst data från flera sensor- och IoT-system samt äldre CAD/CAM-plattformar. Återanvändning av dessa data eliminerar även behovet av att ersätta befintliga system och möjliggör för både kunder och AI-applikationer att dra lärdom av tidigare konfigurationer.

En sådan plattform bör även kunna automatiskt modifiera verkliga data för att träna en LLM på variationer i en fysisk miljö under olika scenarier, utan att behöva invänta insamling av data från fysiska sensorer. För vår tillverkningskund visade sig NVIDIA Omniverse vara en utmärkt lösning, eftersom den uppfyller samtliga dessa behov.

Isolerade applikationer
Att skapa flera digitala tvillingar för olika användningsområden, som utrymmesplanering, säkerhetsövervakning och resursplanering, innebär ökade kostnaden utan att tillföra några egentliga fördelar. Det är därför viktigt att hitta en AI-driven 3D-plattform vars integrationsfunktioner och utvecklingsverktyg gör det möjligt för företag att samla flera modellerings- och prediktiva funktioner i en gemensam miljö baserad på realtidsdata.

Detta möjliggör bättre beslutsfattande, eftersom olika funktionschefer kan modellera och testa effekterna av föreslagna förändringar utifrån samma data. Den gemensamma överblicken underlättar avvägningar mellan exempelvis materialflöde, kapacitetsplanering och resursutnyttjande.

Affärsfördelar med AI-aktiverade digitala tvillingar
Genom vårt arbete med digitala tvillingar levererar vi realtids-, 3D- och AI-drivna plattformar för att erbjuda följande:
- Optimera i realtid tillgångsprestanda, anläggningslayouter, digitala genomgångar av virtuella miljöer samt automationsplanering.
- Möjliggöra användning av AR och VR för samarbete och utbildning på distans.
- Erbjuder realtidsövervakning av KPI:er, såsom kapital- och driftskostnader samt ROI, vilket möjliggör snabbare och mer exakta svar på förändrade förhållanden.
- Förbättra arbetsflöden ocheffektivitet samt minska driftskostnaderna.
- Simulera effekten av automatiskt styrda fordon, samarbetande robotar, datorseende och andra tekniker.
- Identifiera energibesparingsmöjligheter och spåra prestanda för att stödja hållbarhetsmål.

Skalning och AI-drivna digitala tvillingar erbjuder inte bara högre produktivitet och bättre insikter genom simulering, modellering och drift, utan också högre genomströmning och kvalitet i tillverkningslinjer. För lagerchefer innebär detta förbättrad order- och lagernoggrannhet, förbättrat utrymmesutnyttjande samt minskade driftskostnader.

2025-06-12 - Industritorget