Руководитель американской компании SimScale анализирует стратегии применения искусственного интеллекта в производстве пластмасс
Репортаж от Wedoany,Вице-президент по управлению продуктами американской компании SimScale Джон Уайлд отметил, что ключевым фактором, позволяющим инженерным организациям масштабировать ИИ за пределы экспериментов и добиваться результатов, является инфраструктура. Уайлд заявил: «Разработка изделий из пластмасс связана со сложными потребностями в моделировании, включая поведение материалов, тепловые свойства, течение расплава в форме, а способность к быстрой итерации и раннему изучению большего числа вариантов конструкции напрямую влияет на стоимость и время».

Данные показывают, что организации со зрелыми программами ИИ считают ключевыми факторами успеха облачные платформы (75%), системы управления и соответствия нормативным требованиям (48%), а также совместимость программного обеспечения (42%). Инженерные команды, использующие процессы на базе ИИ, сообщают о ежедневной частоте итераций на уровне 88%, в то время как традиционные методы требуют в среднем 17-часового цикла моделирования. Рабочие процессы с поддержкой ИИ сокращают время выполнения с 17 до 6 часов, а количество оцениваемых вариантов конструкции в каждом проекте более чем в три раза превышает показатели традиционных методов.
Уайлд отметил, что 65% респондентов считают четкое распределение ответственности за внедрение пилотных проектов в производство ключевым фактором построения зрелой программы ИИ. Вице-президент по стратегическим операциям Augmentir Крис Кунц заявил, что ИИ не заменяет рабочих, а дает им возможность выполнять более стратегические роли, превращая работу из реактивной и ручной в проактивную и управляемую данными.
Такие приложения ИИ, как предиктивное техническое обслуживание, оптимизация процессов и обнаружение дефектов, обеспечивают производителям немедленную окупаемость инвестиций. Инвестируя в инфраструктуру, такую как облачные платформы и совместимость программного обеспечения, производители пластмасс могут перейти от пилотных проектов искусственного интеллекта к полномасштабному производству, сократить цикл моделирования с 17 до 6 часов, управлять большим количеством вариантов конструкции и ускорить моделирование поведения материалов.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
Связанные продукты


Одноклетевой реверсивный стан холодной прокатки стальных полос и листов толщиной 050-1750 мм
MCC-SFRE HEAVY INDUSTRY EQUIPMENT CO., LTD.
Кабель экранированный, витая пара, ТПЭ-изоляция, оболочка PUR, стойкий к скручиванию, для роботов.
Shanghai Jinyou Jinhong Intelligent Electric Co., Ltd.
Стандартный сопловой расходомер
Jinggong Automatic Control Instrument Complete Technology Development Company
Интеллектуальный автоматический калибратор давления ConST811A
Beijing ConST Instruments Technology Inc.

Автоматический патрульный робот/автоматический робот безопасности
FOTUN HONGKONG LIMITED

Электромагнитный расходомер ZDL91
Tianjin Zhongdian Celestial Science and Technology Co., Ltd.

Система электрообогрева трубопроводов
Shandong Huaning Electric Tracing Technology Co., Ltd.
Станок с числовым программным управлением для раскроя материалов
LUOYANG SHANHAI MACHINERY MANUFACTURING CO., LTD.








