5 voorspellingen voor AI in PLM

Fabrikanten moeten tegenwoordig sneller innoveren, complexere producten beheren en duurzaam opereren. In deze uitdagende omgeving verandert de samenwerking tussen kunstmatige intelligentie (AI) en Product Lifecycle Management (PLM) de manier waarop dingen worden gedaan echt.

Deze combinatie biedt een praktische oplossing die bedrijven helpt om op dit moment aan de marktvraag te voldoen. In dit artikel worden vijf belangrijke manieren besproken waarop AI PLM hervormt en wat dat betekent voor leiders in de maakindustrie.

‍

Heb je weinig tijd? Hier is een kort overzicht

• AI helpt ontwerpproblemen vroegtijdig te voorspellen en zelfs nieuwe ontwerpopties te genereren, waardoor innovatie wordt versneld en productkenmerken worden verbeterd.
• AI automatiseert veel routinematige repetitieve taken, zodat ingenieurs zich kunnen concentreren op complexe probleemoplossing en creatief werk.
• Gegevens van producten die in gebruik zijn, worden voortdurend teruggekoppeld naar AI-gestuurde digitale tweelingen, waardoor continue verbetering gedurende de gehele levenscyclus van het product mogelijk is.
• Fabrikanten moeten controleren of hun huidige PLM-systemen klaar zijn voor AI, eerst kleine AI-projecten uitproberen en teams samenstellen met de juiste mix van vaardigheden.

‍

5 voorspellingen voor AI in PLM

AI is een krachtig hulpmiddel voor productiebedrijven, dat nieuwe manieren biedt om processen te verbeteren, innovatie te stimuleren en de concurrentie voor te blijven.

‍

Voorspelling 1: AI maakt voorspellend ontwerp en ontwikkeling mogelijk

AI is erop gericht om het productontwerp te veranderen van simpelweg reageren op problemen naar het actief voorkomen ervan. Een groot deel hiervan is het vroegtijdig opsporen van mogelijke storingen. AI-systemen kunnen tonnen oude gegevens, simulatieresultaten en hoe producten in de echte wereld presteren, bekijken om ontwerpfouten, materiaalproblemen of productieproblemen op te sporen voordat ze echte problemen worden. Dit betekent lagere ontwikkelingskosten en snellere levering van producten.

AI helpt ook om vanaf het begin slimmere beslissingen te nemen, en gaat verder dan alleen het voorspellen van fouten. Door te kijken naar markttrends, feedback van klanten en actuele productprestatiegegevens, kan AI uw ingenieurs helpen betere initiële ontwerpen te kiezen en productkenmerken te verfijnen op wat de markt werkelijk wil.

‍

Voorspelling 2: Intelligente automatisering zal de technische workflows opnieuw vormgeven

AI gaat de technische workflows veranderen door repetitieve taken te automatiseren. Denk aan alle routinematige, op regels gebaseerde taken die de tijd van ingenieurs in beslag nemen: het invoeren van gegevens, het bijwerken van stuklijsten (BOM's), het afhandelen van technische wijzigingsorders (ECO's), het opstellen van standaardrapporten en het samenstellen van nalevingsdocumenten. AI is perfect om dit soort taken over te nemen. Studies tonen zelfs aan dat 77% van de werknemers zegt dat het automatiseren van repetitieve taken hen ongeveer 3,6 uur per week bespaart.

AI zal ook fungeren als een „copiloot” of slimme assistent voor ingenieurs. AI-tools kunnen ontwerpideeën in realtime aanbieden, snel enorme technische databases doorzoeken, helpen bij het optimaliseren van ontwerpen op basis van verschillende factoren, of wijzen op potentiële problemen wanneer ontwerpen vorm krijgen.

‍

Voorspelling 3: Closed-loop manufacturing wordt de norm

Bereid je voor op een closed-loop manufacturing die standaard wordt, dankzij AI. Bij een gesloten productiecircuit stromen gegevens uit de latere levensfasen van een product continu terug om de vroege stadia te verbeteren, met name in ontwerp en engineering. Het maakt Product Lifecycle Management tot een levend, ademend systeem.

Feedback in realtime is hierbij cruciaal. IoT-sensoren in echte, fysieke producten zorgen samen met gegevens van Manufacturing Execution Systems (MES) op de fabrieksvloer voor een gestage stroom van prestatie- en operationele gegevens.

Digitale tweelingen maken hier ook een groot deel van uit. Dit zijn live virtuele kopieën van fysieke dingen en processen. Ze worden voortdurend bijgewerkt met realtime gegevens, en AI-systemen bestuderen deze informatie in de digitale tweeling om patronen te herkennen, te voorspellen wanneer onderhoud nodig is en manieren voor verbetering te vinden.

McKinsey stelt dat digital twin tech dat kan verhoog de omzet met ongeveer 10% en breng producten tot 50% sneller op de markt. Airbus bijvoorbeeld al gebruikt digital twins voor zijn vliegtuigprogramma's om scenario's te testen en processen te verbeteren.

AI neemt al deze feedback op en stelt ontwerpwijzigingen voor toekomstige productontwikkelingen voor, waardoor productieprocessen worden verbeterd en de betrouwbaarheid van producten wordt verhoogd. Deze constante verbetering helpt ook bij het beheer van de toeleveringsketen door een duidelijker beeld te geven van hoe onderdelen presteren en wat er nodig is.

Hulpmiddelen zoals Siemens Teamcenter zijn essentieel voor het verwerken van de gegevens voor deze digitale tweelingen en het ophalen van informatie uit Systemen voor productiebeheer (MOM) die processen op de werkvloer coördineren en optimaliseren.

‍

Voorspelling 4: AI zal compliance en kwaliteitsmanagement transformeren

AI-systemen kunnen productontwerpdetails, materiaalkeuzes en leveranciersinformatie vergelijken met enorme databases met regels (zoals veiligheid, milieuproblemen en specifieke branchebehoeften) en interne kwaliteitsdoelstellingen. Dit betekent dat potentiële nalevingsproblemen meteen bij het begin, tijdens het ontwerp, kunnen worden opgemerkt en gemarkeerd, wat later veel geld en moeite bespaart.

AI neemt ook onderdelen van de nalevingscontrole over, zoals het helpen opstellen van nalevingsrapporten, ervoor zorgen dat al het papierwerk compleet is en het bevestigen dat de productiestappen voldoen aan de vereiste normen. Dit helpt bedrijven beter onderbouwde beslissingen te nemen over kwaliteit en naleving. Bovendien kan AI, wanneer in PLM-systemen is ingebouwd, solide, eenvoudig te doorzoeken audittrails creëren.

Door AI aangedreven visiesystemen en gegevensanalyse spelen nu al een cruciale rol bij kwaliteitscontroles. Het Genai4q-project van BMW maakt bijvoorbeeld gebruik van AI om maak aangepaste inspectiechecklists voor elke auto, waarbij specificaties en sensorgegevens worden gebruikt om defecten te vinden.

‍

Voorspelling 5: samenwerking tussen mens en AI zal rollen opnieuw definiëren

Wanneer AI zich bij PLM voegt, is het belangrijkste effect het verbeteren van wat mensen kunnen doen en het veranderen van hun rollen, in plaats van ze te vervangen. De focus zal verschuiven van handmatige taken naar strategisch denken en innoveren. Ingenieurs en PLM-managers zullen in toenemende mate op AI rekenen voor het uitvoeren van datawerk, routinematige analyses en geautomatiseerde taken. Hierdoor kunnen ze meer tijd besteden aan het totaaldenken, moeilijke problemen oplossen en toezicht houden op de AI-systemen.

Een goed voorbeeld van dit teamwerk is ClevrAssist, een oplossing die is ontwikkeld met Festo, leider op het gebied van automatiseringstechnologie, die maakt gebruik van AI om mensen te helpen leren en te communiceren in industriële omgevingen.

‍

Wat fabrikanten nu moeten doen

Dus, hoe kunnen fabrikanten aan de slag met AI in PLM? Door nu een paar praktische stappen te nemen, kan een solide basis worden gelegd om AI in te zetten en er het maximale uit te halen.

Ten eerste, controleer of je PLM-setup klaar is voor AI. Dit betekent dat je goed moet kijken naar de gegevens die je hebt in je PLM-, ERP-, MES- en andere systemen. Is het van goede kwaliteit? Is het compleet? Kun je er gemakkelijk bij komen? Zorg ervoor dat je systemen met elkaar kunnen communiceren met behulp van API's of cloudplatforms, zodat gegevens soepel kunnen stromen.

Vervolgens begin met kleine projecten die zonder veel risico een groot verschil kunnen maken. Probeer niet alles tegelijk te veranderen. Test AI in plaats daarvan op specifieke dingen. Probeer bijvoorbeeld voorspellend onderhoud voor één type machine, gebruik generatief ontwerp voor een minder kritisch onderdeel of automatiseer een PLM-workflow die hoofdpijn veroorzaakt.

En ten derde stel teams samen met mensen uit data, IT en engineering. Om AI in PLM te laten werken, heb je ingenieurs nodig die de producten kennen, datawetenschappers die AI-modellen kunnen bouwen en uitvoeren, en IT-personeel dat de technische kant aankan en ervoor kan zorgen dat alles op elkaar aansluit.

‍

PLM is het informatiecentrum voor toekomstige productie

De integratie van AI verandert het productlevenscyclusbeheer van een eenvoudige plaats voor gegevensopslag in een slim, actief centrum dat helpt bij het nemen van beslissingen gedurende de hele levenscyclus van het product. Dit is een noodzakelijke stap voor fabrikanten om snel te innoveren, efficiënter te werken en sterkere bedrijven op te bouwen. Bedrijven die AI nu gaan gebruiken in hun PLM-plannen, zullen op de beste plek zijn om het voortouw te nemen in de toekomst van de maakindustrie.

‍

Onderzoeksmethodologie

De ideeën in dit artikel komen voort uit het nauwkeurig bekijken van brancherapporten van bekende bronnen zoals Gartner, McKinsey en Deloitte. We hebben ook onderzocht hoe AI en Product Lifecycle Management worden gebruikt in echte productiebedrijven, inclusief specifieke casestudies en adviezen van deskundigen.

‍