הבינה המלאכותית מתחילה לצאת מעולם הצ'אטבוטים, יצירת התמונות והכלים הדיגיטליים ולהפוך לחלק בלתי נפרד מתהליכי התכנון, הפיתוח והייצור של מוצרים בעולם הפיזי. בכנס NVIDIA GTC Berlin שהתקיים בשבוע שעבר הציג ג'נסן הואנג, מנכ"ל אנבידיה, את הפוטנציאל של שיתוף הפעולה עם דאסו סיסטמס (Dassault Systèmes) בתחום הבינה המלאכותית התעשייתית. במסגרת ההדגמות הוצגו יכולות המשלבות סוכני AI, תאומים וירטואליים, סימולציות הנדסיות ומערכות רובוטיות, כאשר בין החברות שכבר בוחנות את הטכנולוגיות נמצאות ענקיות הרכב פולקסווגן ואאודי. המטרה היא לאפשר למהנדסים וליצרנים לתכנן מוצרים, לבדוק מערכות מורכבות, לזהות כשלים ולייעל תהליכי ייצור עוד לפני שהם מתרחשים בעולם האמיתי. מדובר בשינוי משמעותי באופן שבו תעשיית הרכב עשויה לפתח את כלי הרכב הבאים שלה, לנהל מפעלים ולשלב רובוטים אוטונומיים בקווי הייצור.
מבינה מלאכותית יוצרת לבינה מלאכותית שמבינה הנדסה
בשנים האחרונות הפכה הבינה המלאכותית היוצרת (Generative AI) לאחת הטכנולוגיות המדוברות בעולם. מערכות המבוססות על מודלים גדולים של שפה מסוגלות לכתוב טקסטים, לנתח מסמכים, ליצור תמונות, להפיק קוד ולסייע במגוון רחב של משימות. אולם כאשר מדובר בתעשיות מורכבות כמו רכב, תעופה, אנרגיה וייצור מתקדם, היכולת לייצר תשובות או תוכן אינה מספיקה. מערכות הנדסיות מחייבות דיוק, הבנה של מגבלות פיזיקליות, עמידה בתקנים, התייחסות לחומרים ולכוחות הפועלים על רכיבים ויכולת להוכיח שהתכנון אכן יעבוד בתנאים אמיתיים.
כאן נכנסת לתמונה הבינה המלאכותית התעשייתית (Industrial AI). בניגוד למערכות AI כלליות, המיועדות בעיקר לעיבוד מידע וליצירת תוכן, מדובר בגישה המשלבת ידע הנדסי ומדעי עם מודלים חישוביים, נתונים תעשייתיים, סימולציות ומערכות תכנון. המטרה היא לאפשר למערכת AI להשתלב בתהליכי עבודה מקצועיים, להבין דרישות הנדסיות ולסייע בקבלת החלטות הנוגעות למוצרים ולמערכות פיזיות.
המשמעות היא שהבינה המלאכותית אינה מסתפקת בהצעת רעיונות או בהצגת פתרונות אפשריים. היא יכולה להשתתף בתהליך העבודה עצמו, לבצע התאמות במודל הנדסי, להפעיל סימולציות, לבדוק תוצאות ולהתריע על בעיות פוטנציאליות. כך ניתן לקצר תהליכי פיתוח, לצמצם את הצורך באבות טיפוס פיזיים ולזהות כשלים בשלב מוקדם, כאשר עלות התיקון שלהם נמוכה משמעותית בהשוואה לגילוי הבעיה לאחר תחילת הייצור.
התאומים הווירטואליים הופכים לבסיס של המפעל העתידי
אחד המרכיבים המרכזיים בגישה של דאסו סיסטמס הוא טכנולוגיית התאומים הווירטואליים (Virtual Twins). מדובר בייצוג דיגיטלי מתקדם של מוצר, מערכת, מכונה, תהליך ייצור או אפילו מפעל שלם. בניגוד למודל תלת ממדי רגיל, שתפקידו העיקרי להציג את הצורה החיצונית של אובייקט, תאום וירטואלי נועד לייצג גם את ההתנהגות הפיזיקלית וההנדסית שלו.
תאום וירטואלי יכול לכלול נתונים על מבנה הרכיבים, החומרים שמהם הם עשויים, המידות שלהם, נקודות החיבור, העומסים שהם אמורים לשאת ותנאי העבודה שבהם הם צפויים לפעול. בהתאם למערכת ולנתונים הזמינים, ניתן לשלב בו גם סימולציות של תנועה, חום, זרימת אוויר, רעידות, מאמצים מכניים ותהליכים נוספים. כך המהנדסים מקבלים סביבת עבודה שמאפשרת להם לבחון את המוצר או המערכת בתנאים שונים, מבלי לייצר תחילה גרסה פיזית.
היתרון המשמעותי של הטכנולוגיה הוא האפשרות לבצע ניסויים דיגיטליים רבים בזמן קצר יחסית. לדוגמה, כאשר מתכננים רכיב חדש לרכב, אפשר לבדוק כיצד הוא יתנהג תחת עומסים שונים, כיצד הוא יתחבר לחלקים הקיימים ומה תהיה השפעתו על מערכות אחרות. במפעל, אפשר לבחון את מיקום המכונות, מסלולי התנועה של רובוטים, זמני ביצוע של משימות ואת האינטראקציה בין עובדים למערכות אוטומטיות.
השילוב של בינה מלאכותית עם תאומים וירטואליים מוסיף לתהליך שכבת אוטומציה וניתוח מתקדמת. במקום שהמהנדס יצטרך לבצע באופן ידני כל שינוי, להפעיל כל סימולציה ולנתח כל תוצאה, סוכני AI יכולים לסייע בניהול שלבים שונים בתהליך. הם יכולים להבין את הדרישות, להציע שינויים, להפעיל כלי הנדסה ולבחון את התוצאות בהתאם ליעדים שהוגדרו. עם זאת, התוצאות עדיין מחייבות אימות הנדסי ופיקוח מקצועי, במיוחד כאשר מדובר במערכות בטיחותיות.
פולקסווגן: בינה מלאכותית מתכננת התאמות בין חלקי רכב
אחת ההדגמות המרכזיות שהוצגו בכנס NVIDIA GTC Berlin עסקה בתרחיש הנדסי של חברת פולקסווגן. במסגרת ההדגמה הוצג תהליך התאמה של דלת מדגם פולקסווגן גולף לדגם טיגואן. על פניו מדובר במשימה הנדסית ממוקדת, אך בפועל התאמת רכיב מרכב אחד לדגם אחר עשויה לדרוש התייחסות למגוון רחב של פרמטרים, החל ממידות גיאומטריות ונקודות חיבור ועד למשקל, קשיחות מבנית, רעידות והתנהגות הרכיב בזמן שימוש.
בהדגמה השתתפו שני מלווים וירטואליים המבוססים על בינה מלאכותית, בשם AURA ו-LEO. השניים הוצגו כסוכני AI המסוגלים להשתלב בתהליך העבודה ההנדסי, להבין את הדרישות שהוגדרו ולסייע בביצוע ההתאמות הנדרשות במודל. במקום להסתפק בתשובה טקסטואלית המסבירה כיצד אפשר לבצע את העבודה, הסוכנים משתתפים בתהליך התכנון ומפעילים יכולות הנדסיות במסגרת סביבת העבודה הווירטואלית.
המשימה כוללת בחינת הדרישות להתאמת הדלת, ביצוע שינויים בתכנון והרצת סימולציות שנועדו לבדוק את התנהגות הרכיב. במסגרת התהליך זוהתה בעיית רעידות, המדגימה כיצד סימולציה הנדסית יכולה לחשוף בעיה שלא בהכרח תהיה ברורה מתוך הסתכלות על המודל התלת ממדי בלבד. רעידות הן נושא משמעותי בתכנון כלי רכב, משום שהן עשויות להשפיע על תחושת האיכות בתא הנוסעים, על רעשי הרכב, על עמידות החיבורים ועל התנהגות רכיבים לאורך זמן.
מדוע בדיקת רעידות חשובה כל כך בתכנון רכב?
בכלי רכב קיימות מערכות רבות החשופות לתנודות ולרעידות במהלך הנסיעה. מנוע, מתלים, כביש לא אחיד, סגירה ופתיחה של דלתות, שינויי עומס ותנועת המרכב מייצרים כוחות ותדרים שונים. כאשר רכיב אינו מתוכנן בהתאם לתנאי העבודה שלו, עלולות להיווצר תהודות (Resonance), שבהן תדירות עירור מסוימת מתקרבת לתדירות הטבעית של הרכיב ומגבירה את תנודותיו.
במקרה של דלת רכב, יש חשיבות למאפיינים כמו קשיחות המבנה, משקל הדלת, אופן החיבור למרכב, מבנה הצירים, מנגנון הנעילה ואטימות החיבורים. גם שינוי גיאומטרי קטן עשוי להשפיע על חלוקת העומסים ועל התנהגות המכלול. לכן, התאמת דלת בין שני דגמים אינה בהכרח פעולה פשוטה של שינוי מידות חיצוניות.
סימולציות הנדסיות מאפשרות לבחון את ההתנהגות הדינמית של הרכיב, לזהות אזורים שבהם מתפתחות תנודות חריגות ולהעריך כיצד שינויים בתכנון ישפיעו על התוצאה. שילוב סוכני AI בתהליך עשוי לאפשר ביצוע של מספר איטרציות תכנון ובדיקה, עד לקבלת תוצאה העומדת בדרישות שהוגדרו.
המשמעות עבור פולקסווגן היא האפשרות לבחון תהליכי תכנון מורכבים בסביבה דיגיטלית, שבה ניתן לשנות פרמטרים, לבדוק חלופות ולהעריך את התוצאות לפני מעבר לייצור או לבדיקות פיזיות. מדובר בהמחשה של תפקיד חדש לבינה המלאכותית בתעשיית הרכב: לא רק כלי עזר למהנדס, אלא מערכת המסוגלת להשתתף בפועל בתהליכי העבודה ההנדסיים.
אאודי: רובוטים דמויי אדם בדרך למפעל המכוניות
הדוגמה השנייה מגיעה ממפעל אאודי באינגולשטאדט שבגרמניה, שם מתקיים פרויקט משותף של אאודי, Agile Robots, דאסו סיסטמס ואנבידיה. הפרויקט בוחן את האפשרות לשלב רובוטים דמויי אדם בתהליכים לוגיסטיים הקשורים להרכבת מכוניות, ובפרט במשימות של איסוף, העברה וסידור חלקים.
אחד הנתונים הממחישים את היקף הפעילות הוא הצורך להתמודד עם כמיליון פעולות איסוף ביום. מדובר בכמות עצומה של פעולות לוגיסטיות, המחייבת דיוק, קצב עבודה גבוה ותיאום בין חלקים שונים של תהליך הייצור. מפעלי רכב מודרניים נשענים על שרשרת אספקה פנימית מורכבת, שבה רכיבים צריכים להגיע לעמדות העבודה הנכונות, בכמויות הנדרשות ובתזמון המתאים לשלבי ההרכבה.
במסגרת הפרויקט נבחנת האפשרות להשתמש ברובוטים דמויי אדם, המכונים Humanoid Robots, כדי לבצע חלק מהמשימות הללו. היתרון האפשרי של רובוטים בעלי מבנה דמוי אדם הוא היכולת לפעול בסביבה שתוכננה מראש עבור עובדים אנושיים. מפעלי רכב כוללים עמדות עבודה, מדפים, מכלים, מסלולי מעבר וכלי עבודה שנבנו בהתאם למידות וליכולות של בני אדם. רובוט בעל מבנה דומה עשוי להשתלב בחלק מהתשתיות הקיימות ללא צורך בתכנון מחדש של המפעל כולו.
עם זאת, עצם היכולת ללכת, להרים חפצים ולנוע בסביבה תעשייתית אינה מספיקה. רובוטים כאלה צריכים לזהות חלקים שונים, להבין את מיקומם, לתכנן מסלולי תנועה, להתמודד עם מכשולים ולבצע פעולות מדויקות תוך שמירה על בטיחות. בנוסף, הם צריכים לעבוד בסביבה דינמית שבה עובדים אחרים, כלי רכב תעשייתיים ומערכות אוטומטיות פועלים במקביל.
מיליון פעולות ביום: אתגר של תכנון, דיוק ובטיחות
כאשר מדובר בכמיליון פעולות איסוף ביום, גם שיפור קטן בזמן הביצוע של כל פעולה עשוי להצטבר לחיסכון משמעותי בהיקף הפעילות הכולל. מנגד, טעות חוזרת, עיכוב או כשל במערכת עלולים להשפיע על זרימת העבודה וליצור צווארי בקבוק בתהליך הייצור.
לכן, לפני שמפעילים רובוטים כאלה במפעל פעיל, יש צורך לבחון מגוון רחב של תרחישים. בין היתר יש לבדוק כמה זמן נדרשת לכל פעולת איסוף, מהו המסלול היעיל ביותר בין נקודות שונות, כיצד הרובוט מגיב כאשר חלק אינו נמצא במקומו הצפוי ומה קורה כאשר מסלול התנועה חסום. יש גם חשיבות לבדיקת יכולת הרובוט להתמודד עם חלקים בעלי צורות, משקלים וממדים שונים.
נושא הבטיחות מקבל חשיבות מיוחדת. רובוט הפועל בסביבת בני אדם חייב לזהות מכשולים, לשמור על מרחקי בטיחות ולהתאים את תנועתו למצבים בלתי צפויים. בנוסף, יש לבחון את התנהגותו במקרה של תקלה, אובדן תקשורת, שינוי בתנאי העבודה או זיהוי שגוי של רכיב.
כאן נכנסת לתמונה טכנולוגיית התאומים הווירטואליים של דאסו סיסטמס. באמצעות ייצוג דיגיטלי של סביבת המפעל ושל המשימות שהרובוטים אמורים לבצע, ניתן לבחון את התהליך לפני הפעלתו בפועל. המערכת מאפשרת לבדוק את התנהגות הרובוטים, להעריך זמני ביצוע, לתכנן מסלולי תנועה ולבחון תרחישים שונים של אינטראקציה עם סביבת העבודה.
סימולציה לפני הפעלה: כך בודקים מפעל שלם בעולם הדיגיטלי
היתרון של סביבת מפעל וירטואלית הוא האפשרות לבצע בדיקות בתנאים מבוקרים, מבלי להפריע לפעילות השוטפת של המפעל. במקום להכניס רובוט חדש לקו ייצור ולגלות תוך כדי עבודה שהוא מתקשה להגיע למדף מסוים או שמסלול התנועה שלו מתנגש עם תנועת עובדים, ניתן לבדוק את התרחיש מראש באמצעות סימולציה.
הבדיקות יכולות להתייחס גם למאפיינים תפעוליים. למשל, האם מספר הרובוטים המתוכנן מספיק כדי לעמוד בקצב העבודה, האם יש צורך לשנות את מיקום אזורי האחסון, האם מסלול מסוים יוצר עומס מיותר והאם ניתן לבצע כמה פעולות במקביל. באמצעות השוואה בין תרחישים שונים ניתן לבחון כיצד שינויים במיקום הציוד, בתכנון המשימות ובחלוקת העבודה משפיעים על התפוקה הכוללת.
בנוסף, ניתן לבחון את זמני המחזור (Cycle Time) של המשימות. זהו אחד המדדים החשובים במערכות ייצור, משום שהוא מתאר את הזמן הנדרש להשלמת פעולה או שלב בתהליך. כאשר מדובר במאות אלפי פעולות ביום, אפילו קיצור של שניות בודדות בכל פעולה עשוי להשפיע על הקיבולת הכוללת של המערכת.
הגישה מאפשרת גם לבחון את התאמת הרובוטים לסביבת העבודה הקיימת. מפעלי רכב הם מערכות מורכבות הכוללות ציוד, מכונות, מסועים, עמדות הרכבה, אזורי אחסון ומערכות בטיחות. שינוי במיקום של רכיב אחד עשוי להשפיע על מסלולים של מערכות אחרות. התאום הווירטואלי מאפשר לראות את התמונה הרחבה ולבחון את ההשלכות של שינויים עוד לפני ביצועם בשטח.
אנבידיה ודאסו סיסטמס: חיבור בין כוח חישוב, AI וידע הנדסי
ההדגמות שהוצגו בכנס GTC Berlin ממחישות את החיבור בין תחומי הפעילות של שתי החברות. אנבידיה מביאה לשולחן תשתיות מחשוב מואץ, מעבדים גרפיים, פלטפורמות בינה מלאכותית וטכנולוגיות המיועדות להרצת סימולציות ומודלים מורכבים. דאסו סיסטמס מביאה את פלטפורמות התכנון ההנדסי, המודלים המדעיים והכלים המשמשים לפיתוח מוצרים ולניהול תהליכי ייצור.
השילוב בין התחומים מאפשר לבנות סביבות עבודה שבהן מודלי AI אינם פועלים בנפרד מהמערכות ההנדסיות, אלא משתלבים בתוכן. כך, סוכן AI יכול לקבל משימה, לגשת למידע הרלוונטי, לעבוד עם מודל הנדסי ולהפעיל כלים חישוביים כדי לבחון את הפתרון. התהליך עשוי לכלול מספר שלבים של תכנון, סימולציה, ניתוח תוצאות ושיפור.
הבדל משמעותי נוסף הוא השימוש בנתונים פיזיקליים ובהתנהגות של מערכות בעולם האמיתי. כאשר מערכת AI מייצרת תמונה, ניתן בדרך כלל להעריך את התוצאה על פי איכותה החזותית. לעומת זאת, כאשר מדובר בתכנון רכיב רכב או בתכנון מסלול תנועה לרובוט, נדרשת בדיקה של עמידה במגבלות הנדסיות. רכיב צריך לעמוד בעומסים, רובוט צריך לנוע באופן בטוח ומערכת ייצור צריכה לעמוד בקצב העבודה הנדרש.
לכן, הבינה המלאכותית התעשייתית מחייבת שילוב של מודלים חכמים עם מנועי סימולציה, נתונים הנדסיים ויכולת אימות. היא אינה מחליפה את חוקי הפיזיקה או את הצורך בבדיקות הנדסיות, אלא מאפשרת להשתמש בכוח החישוב וביכולות הניתוח של AI כדי להאיץ את תהליך העבודה ולבחון יותר אפשרויות.
מה צפוי להשתנות בתעשיית הרכב?
תעשיית הרכב היא אחת התעשיות המתאימות ביותר לשימוש בבינה מלאכותית תעשייתית, בשל המורכבות העצומה של תהליכי הפיתוח והייצור. כל דגם חדש כולל אלפי רכיבים, מערכות מכניות, חשמליות ואלקטרוניות, תוכנה, מערכות בטיחות ותהליכי הרכבה מורכבים. כל שינוי בתכנון עשוי להשפיע על מערכות אחרות, ולכן יש חשיבות עצומה ליכולת לבדוק את ההשלכות לפני המעבר לייצור.
שימוש בתאומים וירטואליים ובסוכני AI עשוי לאפשר ליצרניות הרכב לקצר את זמני הפיתוח, לצמצם את מספר אבות הטיפוס הפיזיים ולשפר את תהליכי האימות. מהנדסים יוכלו לבחון יותר חלופות תכנון, לזהות בעיות בשלב מוקדם ולבצע התאמות במהירות רבה יותר. בנוסף, ניתן יהיה להשתמש באותן טכנולוגיות גם לאחר שהמוצר מגיע לשלב הייצור, כדי לשפר את תהליכי העבודה ולנתח בעיות שמתגלות לאורך חיי המערכת.
גם בתחום המפעלים עשויה להיות לכך השפעה משמעותית. שילוב רובוטים מתקדמים, מערכות אוטונומיות ותכנון וירטואלי עשוי לאפשר גמישות גבוהה יותר בקווי הייצור. במקום לתכנן מחדש אזור שלם במפעל בכל פעם שמוסיפים מוצר או משנים תהליך, ניתן יהיה לבחון את השינויים בסביבה דיגיטלית ולהעריך את השפעתם על התפוקה, על הבטיחות ועל זמני העבודה.
עם זאת, המעבר לייצור מבוסס AI אינו צפוי להתרחש ביום אחד. מערכות כאלה צריכות להתמודד עם תנאי שטח מורכבים, נתונים שאינם תמיד מושלמים, שונות בין רכיבים ומצבים בלתי צפויים. גם רובוטים דמויי אדם צריכים להוכיח שהם מסוגלים לעבוד לאורך זמן, לבצע פעולות בדיוק הנדרש ולהשתלב בסביבת עבודה שבה בטיחות היא תנאי בסיסי. לכן, פרויקטים כמו אלה של פולקסווגן ואאודי חשובים במיוחד: הם בוחנים את הטכנולוגיות בתרחישים תעשייתיים ממשיים ולא רק בהדגמות מעבדה.
השלב הבא: מפעלים שמתכננים, לומדים ומשתפרים באופן וירטואלי
החזון שמציגות אנבידיה ודאסו סיסטמס הוא של סביבת ייצור שבה כמעט כל רכיב וכל תהליך יכולים לקבל ייצוג דיגיטלי, להיבחן באמצעות סימולציה ולהיעזר בסוכני AI לצורך קבלת החלטות. בתרחיש כזה, התאום הווירטואלי אינו רק כלי תכנון שמשמש בתחילת הדרך, אלא מערכת המלווה את המוצר ואת תהליך הייצור לאורך זמן.
אפשר לדמיין תהליך שבו שינוי בתכנון של רכיב מועבר למודל הווירטואלי, נבדק מול מערכות אחרות, עובר סדרת סימולציות ומקבל הערכה הנדסית לפני שהוא מגיע לשלב הייצור. במקביל, שינויים בקו הייצור יכולים להיבחן באמצעות סימולציה של המפעל, כולל השפעתם על רובוטים, עובדים, מסועים ותחנות הרכבה.
גישה כזו עשויה לשנות גם את תפקידם של המהנדסים. במקום להשקיע חלק ניכר מזמנם בביצוע פעולות חישוביות חוזרות, בהכנת מודלים ובהפעלת בדיקות ידניות, הם יוכלו להקדיש יותר זמן להגדרת דרישות, לבחינת חלופות מורכבות ולאימות הפתרונות שמציעות המערכות. סוכני AI יהפכו לעוזרים הנדסיים המסוגלים לבצע משימות מוגדרות, בעוד המהנדסים ימשיכו לשאת באחריות המקצועית לתכנון ולתוצאות.
ההדגמות של פולקסווגן ואאודי בכנס NVIDIA GTC Berlin מציגות שני צדדים משלימים של השינוי: מצד אחד, בינה מלאכותית המשתתפת בתכנון ובבדיקה של רכיבים הנדסיים, ומצד שני, רובוטים אוטונומיים שנבחנים בסביבת מפעל וירטואלית לפני שילובם בתהליכי עבודה אמיתיים. שתי הדוגמאות ממחישות כיצד השילוב בין בינה מלאכותית, סימולציות ותאומים וירטואליים עשוי להפוך לכלי מרכזי בתעשיית הרכב. במקום להסתפק ביצירת תוכן או במענה לשאלות, מערכות AI מתחילות לקחת חלק בתכנון מוצרים, באימות מערכות ובייעול מפעלים שלמים. זהו מעבר מבינה מלאכותית שמבינה מידע לבינה מלאכותית שמסוגלת לסייע בעבודה עם העולם הפיזי, והוא עשוי להיות אחד השינויים המשמעותיים ביותר בתעשיית הרכב בשנים הקרובות.
כתיבת תגובה