Nachricht

Jul 08, 2023

Der Metallbauer und das Metaversum

ipopba / iStock / Getty Images Plus Stellen Sie sich vor, es ist Ihr erster Tag bei einem Metal

ipopba / iStock / Getty Images Plus

Stellen Sie sich vor, es ist Ihr erster Tag bei einem Metallbauer, der papierlos arbeitet und auf dem besten Weg zu sein scheint, Maschinen zu vernetzen und sich zu einer wirklich datengesteuerten Werkstatt zu entwickeln. Überall im Shop sehen Sie strategisch platzierte Dashboards, die jeweils zeigen, wohin die Arbeit geht; wohin es geht; und ob es vor, im oder hinter dem Zeitplan liegt. Alles läuft so reibungslos wie möglich.

Dann ertönt ein Alarm und jeder hört einen lauten Knall. Das automatisierte Laserschneidsystem ist gerade abgestürzt. Die Gabeln, die ein Schnittgut aufnehmen, sind verklemmt. Verschmutzte Lamellen und nicht optimale Schneidbedingungen hielten das noch abzupumpende geschmolzene Metall aus der Schnittfuge fest und verschweißten das Blech schließlich mit dem Schneidtisch. Das Gerangel beginnt, als unerwartete Maschinenstillstandszeiten zunehmen.

Im Idealfall sollten solche Unfälle mit den richtigen Sensoren am richtigen Ort und mit Daten, die zur Entwicklung hilfreicher Informationen und Erkenntnisse genutzt werden (ganz zu schweigen vom richtigen Wartungsplan, der eine häufige Reinigung der Lamellen erfordert) zur Seltenheit werden. Aber die Welt ist nicht ideal. Dinge passieren, und es ist wichtig zu wissen, wie Organisationen mit einer unvollkommenen Welt umgehen. Dabei werden Modellierung und Simulation eine immer wichtigere Rolle spielen.

„Das 21. Jahrhundert wird das Simulationsjahrhundert sein. Im 20. Jahrhundert drehte sich alles um das Fernsehbild. Es war das erste Mal in der Geschichte der Menschheit, dass wir, wenn wir verstehen wollten, was in der Welt vor sich ging, Filmmaterial davon überprüfen konnten.“ Im 21. Jahrhundert wird es um Modellierung und Simulation gehen. Sie können eine Simulation durchführen, um vorherzusagen, was passieren könnte, und dann Entscheidungen darüber treffen, was zu tun ist.“

Das war Richard Boyd, Gründer und CEO von Tanjo (reimt sich auf „Bango“), einem Unternehmen für künstliche Intelligenz (KI) in Chapel Hill, North Carolina, das das sogenannte „Enterprise Brain“ entwickelt, ein Konzept, das er während eines Vortrags auf der FABTECH beschrieb 2019 in Chicago.

„Ein maschinelles Lernsystem kann alles in einer Organisation abbilden“, sagte er auf der Messe 2019. „Sobald es dann erkennt, dass jemand versucht, etwas zu tun, sagt es: ‚Oh, hier ist etwas Ähnliches, das wir schon einmal gemacht haben. Lassen Sie mich das für Sie hervorheben und Sie mit Leuten und den Inhalten verbinden, die das tun würden.‘ hilf dir dabei.‘“

Er ist außerdem Gründer von Ultisim, einem Startup, das sich auf digitale Zwillingstechnologie und das Metaversum konzentriert. Über die Simulation hinaus modellieren digitale Zwillinge ein physisches, reales Gegenstück und nutzen Echtzeitdaten, um zu zeigen, wie sich dieses Gegenstück im Chaos der realen Welt verhält. Boyd kehrte zur diesjährigen FABTECH zurück, die vom 8. bis 10. November in Atlanta stattfand, wo er über das Potenzial der Simulation und einen in Metallverarbeitungskreisen selten vorkommenden Begriff sprach: das Metaversum.

Die Idee eines Metaversums ist nicht neu. Darüber schrieb der Autor Neal Stephenson Anfang der 1990er Jahre in seinem Science-Fiction-Roman „Snow Crash“. Denken Sie an virtuelle und erweiterte Realität, angetrieben durch KI und maschinelles Lernen, die die Welt und alles, was sich darin befindet, simuliert.

Aus der Sicht eines Herstellers könnte das Metaversum eine vorausschauende Sicht auf das gesamte Unternehmen und sogar seinen Platz im breiteren Markt bieten. Das Konzept geht weit über Simulationen hinaus, die zeigen, was unter vorgegebenen Bedingungen passieren könnte. Am wichtigsten ist, dass das Metaverse das menschliche Element hinzufügt und Kundenbeziehungen sowie die Art und Weise, wie Teams miteinander und mit der Technologie interagieren, einbezieht. Auf diese Weise befasst sich das Metaversum damit, wie Menschen und Technologien die Welt prägen.

Eine Schlüsselkomponente ist KI, eine umfassende Technologie, die maschinelles Lernen ermöglicht. „Anfangs erlaubte die KI den Menschen, menschliche Arbeit zu automatisieren, indem sie den Maschinen sagte, was sie tun sollten. Die neue KI ist maschinelles Lernen, bei dem Maschinen jetzt aus großen Datensätzen von Beispielen auf ihr eigenes Verständnis schließen können und es uns ermöglichen, neue Dinge zu tun. Sie kann auch Folgendes bieten.“ neue Erkenntnisse darüber, wie Menschen und Maschinen zusammenarbeiten können, um Ziele zu erreichen.“

Ein Großteil der Arbeit seines Unternehmens konzentrierte sich auf die Interaktion von Mensch und Maschine sowie auf die Beantwortung einer grundlegenden Frage: Was sollte der Mensch tun und was sollte der Automatisierung überlassen werden? Was ist die richtige Balance, um Ergebnisse zu optimieren?

Nach einer Zeit bei Lockheed Martin als Direktor der Virtual World Labs gründete Richard Boyd 2013 Tanjo, ein Unternehmen mit Schwerpunkt auf künstlicher Intelligenz und maschinellem Lernen. 2017 war er Mitbegründer von Ultisim, einem Unternehmen mit Schwerpunkt auf digitalen Zwillingstechnologien.

Wie KI gezeigt hat, kann die Automatisierung eine große Menge an Datenpunkten im Handumdrehen überprüfen und interpretieren und so Ergebnisse erzielen, die kein Mensch jemals erreichen könnte. Der Mensch kann dann auf diese Daten reagieren. Technologie verringert nicht die Wirksamkeit jeder menschlichen Entscheidung, sondern verstärkt sie.

Boyd (dessen Twitter-Name @metaversial ist) ist seit Jahren optimistisch, was das Potenzial des Metaversums angeht. Er hat mit Hollywood-Studios und Computerspielfirmen, Verteidigungs- und Luft- und Raumfahrtherstellern, verschiedenen Regierungen auf der ganzen Welt, Gesundheitssystemen, der Öl- und Gasindustrie, Universitäten und Stadtplanern zusammengearbeitet – die Liste geht weiter. Seine umfassende Erfahrung gibt Metallverarbeitern Einblick in die Entwicklungen in anderen Sektoren und wie die Technologie eines Tages vielleicht auch in der Fertigungshalle zum Einsatz kommen könnte.

Zur Veranschaulichung beschrieb Boyd digitale Zwillinge, die für Krankenhaussysteme entwickelt wurden. „In Krankenhäusern gibt es viele Geräte, die vor Ort für verschiedene Anwendungsfälle konfiguriert werden. Es gibt nicht nur den einen Weg. Alle Arten von Problemlösungen finden in Echtzeit statt, und hier kommt die menschliche Choreografie ins Spiel.“ . Hier wird das Metaversum wirklich mächtig, wenn man die Auswirkungen menschlichen Verhaltens in ein System einfügt.

„Der Schlüssel liegt darin, menschliches Verhalten auf das Modell anzuwenden“, fuhr Boyd fort. „Menschen sind notorisch unberechenbar, aber hier wird die Herausforderung interessant. Zu diesem Zeitpunkt haben wir Simulationen für das Verteidigungsministerium durchgeführt und simulieren ganze Länder.“

Boyd beschrieb einen Versuch und erinnerte sich an eine Simulation, bei der die Auswirkungen des Baus einer Mädchenschule in der afghanischen Provinz Helmand gemessen wurden. „Können Sie dort eine Schule für Mädchen bauen? Sicher können Sie das, aber wie werden die Leute reagieren? Das können Sie nicht im luftleeren Raum machen. Physisch kann man sie bauen, aber was sind die Schulen zweiter, dritter oder vierter Ordnung?“ Auswirkungen? Es geht darum, die Werte und Traditionen aller Beteiligten vorleben zu können, um Überraschungen zu vermeiden.“

Er fügte hinzu, dass ein solcher Ansatz auf die Bereiche Technik, Einkauf, Fertigung und Lieferkettenmanagement anwendbar sei. Welche Verhaltenselemente beeinflussen den Kauf eines Materials gegenüber einem anderen? Wie würde sich dieses Produktdesign, bei dem eine Komponente verwendet wird, die nur von bestimmten Lieferanten erhältlich ist, auf die Lieferkette und die Produktionsstabilität auswirken?

„Wenn Sie das Problem lösen wollen, müssen Sie das gesamte Problem lösen“, sagte Boyd. „Und wir haben jetzt die Werkzeuge, um das zu modellieren und zu simulieren.“

Der Umfang des Metaversums lässt es vielleicht immer noch wie Science-Fiction klingen. Schließlich kann man physische Dinge modellieren; wie das 16-ga. Aluminiumformen mit diesem speziellen Werkzeugsatz; wie sich diese Schnittvariablen auf die Eigenschaften dieses Laserstrahls beim Schneiden dieses Profils in diesem Material auswirken. Wenn aber davon die Rede ist, das Verhalten anderer Menschen zu modellieren, ziehen sich die Augenbrauen zusammen. Das Verfolgen und Modellieren von Verhalten ist jedoch keine neue Disziplin. Es hat dazu beigetragen, die großen Technologiegiganten (insbesondere diejenigen, die auf Werbung angewiesen sind) zu dem zu machen, was sie heute sind.

„Egal wie sehr man sie modelliert“, sagte Boyd, „Menschen sind bekanntermaßen schwer vorherzusagen. Wir ändern häufig Verhaltenszustände. Aber wir haben diesbezüglich Disziplinen“, fügte er hinzu, dass Modelle verwendet wurden, um Teams zu bilden, die über die reine Einzelperson hinausgehen Fertigkeiten und vertiefen Sie sich in Verhaltensaspekte – insbesondere in die Art und Weise, wie Menschen mit Technologie interagieren.

„Wir reden nicht nur über Ergonomie oder ein besseres HMI [Human-Machine-Interface], wir reden auch nicht über die Anpassung des Menschen an die Technologie. Es ist eine symbiotische Sache und umfasst mehr als Bildung, Fähigkeiten und Erfahrung. Wenn Sie „Wenn Sie ein guter Anführer sind, müssen Sie auf all das achten.“

Von Hospitationen bis hin zu formellen Ausbildungsprogrammen basiert die Fertigungsausbildung auf einer Art Show-and-Tell-Training. Die Erfahrenen unterrichten die weniger Erfahrenen. Ein solcher Ansatz hat jedoch einen Fehler.

„Wenn ein bestimmtes Problem während der Ausbildung nie auftritt“, sagte Boyd, „dann lernt [der Lehrling] nie, damit umzugehen.“

Der Wissenstransfer im Allgemeinen kann ein Element der Geheimhaltung beinhalten. Mitarbeiter an vorderster Front dokumentieren ihre Prozesse nicht und die Vorgesetzten fordern sie auch nicht dazu auf. Ihre Ergebnisse, sagen sie, seien das, was wirklich zählt. Das Gleiche gilt für andere Positionen im Unternehmen, beispielsweise für die Beziehungen eines Verkäufers zu wichtigen Kunden.

„Aber dieses Wissen ist von entscheidender Bedeutung“, sagte Boyd, „und wir können es in Expertensystemen bündeln. Es ist schwierig, und es stößt auf großen Widerstand, insbesondere von Leuten innerhalb eines Unternehmens, die über Spezialwissen verfügen. Das ist Arbeitsplatzsicherheit. Aber wenn Sie Wenn Sie ein Hersteller sind, können Sie es sich nicht leisten, dass diese Person mit diesem Wissen geht. Sie könnte in den Ruhestand gehen. Sie könnte von einem Lastwagen angefahren werden. Was dann? Wir nennen dieses Problem den silbernen Tsunami. Im Idealfall werden Systeme mit ihrer aktiven Entwicklung entwickelt Zusammenarbeit, und sie werden dazu angeregt, zusammenzuarbeiten.“

Die Industrie sah diesen Widerstand bei der Einführung von Vertriebssoftware wie Salesforce.com und anderen Plattformen. Kein Verkäufer wollte seine Aktivitäten protokollieren, auch wenn dies den Vorgesetzten helfen könnte, bessere Entscheidungen und Prognosen zu treffen. „Das Gleiche galt vor Jahren für CAD“, erinnert sich Boyd. „Als ich in einem Ingenieurbüro arbeitete, versuchten sie, Zeichner dazu zu bringen, kein Papier mehr zu verwenden. Und sie kämpften auf Schritt und Tritt dagegen an und sagten: ‚Das ist meine Spezialmethode.‘“

Zukünftige Generationen könnten eine neue Wahrnehmung von Wissen haben. Stellen Sie sich einen jungen Maschinenbediener vor, der in Jahrzehnten ins Berufsleben einsteigt. Sie lernen von erfahrenen Arbeitern, aber darüber hinaus entsteht ein digitaler Zwilling des Betriebs – nicht nur der Maschine vor ihnen, sondern der gesamten Anlage, der die Auswirkungen menschlichen Verhaltens berücksichtigt. Jemand erscheint nicht. Der digitale Zwilling simuliert, wie sich ein interdisziplinär geschultes Team neu organisieren würde, um die Produktion am Laufen zu halten.

Solche simulierten Erfahrungen durchlaufen ein Problem nach dem anderen. Je mehr Informationen der digitale Zwilling hat, desto besser und leistungsfähiger wird er. Ähnliche Modelle könnten auf die Technik, den Einkauf und sogar den Vertrieb angewendet werden und Verhaltensmuster der Vergangenheit analysieren, um mögliche Ergebnisse zu simulieren.

Wie Boyd es ausdrückte: „Man fragt nicht mehr nur: ‚Kann ich es herstellen? Kann ich es vertreiben und kann ich es mir leisten? Wie soll das Produkt verwendet werden?‘“ Stellen wir es uns vor, verstehen wir es und stellen wir sicher, dass wir Mensch-Maschine-Systeme so gestalten, dass sie gut zusammenarbeiten. Die meisten Menschen denken nicht so. Auch hier kann es nicht darum gehen, den Menschen an die Technologie anzupassen. Es ist eine symbiotische Beziehung. Wir Ich muss mich fragen, wie man das alles zusammenfügt, und man kann den menschlichen Teil davon nicht außer Acht lassen.“

Boyd beschrieb die Arbeit, die mit Schulsystemen geleistet wurde. „Wie verkürzt man den Weg zur Meisterschaft für Kinder in der Schule? Wir wissen bereits, dass sie zu Hause eine gute Ernährung sowie finanzielle und emotionale Unterstützung und Stabilität brauchen, um leistungsfähigere Schüler zu sein. Das kann man nicht lösen. Aber wenn man es kann.“ „Erkennen Sie es, können Sie Systeme entwickeln, die versuchen, es zu erweitern. Wir haben jetzt Modelle, um das zu simulieren und dabei zu helfen, Menschen zu schulen.“

Diese Modelle eröffnen neue Möglichkeiten für Lehrer, mit Schülern in Kontakt zu treten, für Manager, um mit Mitarbeitern an vorderster Front in Kontakt zu treten, und für Unternehmen, die Technologie in Teams im Büro und vor Ort integrieren möchten. All dies könnte die Wahrnehmung des Wissens durch die Menschen und die Art und Weise, wie es geteilt wird, beeinflussen.

Klar, das hört sich vielleicht alles so an, als würde es nie in den typischen Fab-Shop gelangen. Aber wie Boyd beschrieb, sind solche Modellierungen und Simulationen mittlerweile real, sei es im Gesundheitswesen, im Bildungswesen und, ja, in bestimmten Bereichen der Fertigung.

Eines Tages könnte es die Arbeitsweise selbst des kleinsten Herstellers beeinflussen. Wenn Sie heute jemanden fragen, wie er gelernt hat, eine bestimmte komplexe Aufgabe auszuführen – sei es die Entdeckung einer innovativen Biegesequenz an einer Abkantpresse oder ein Kostenvoranschlag für einen großen Auftrag –, antwortet er oft: „Durch Erfahrung.“

Zukünftige Generationen könnten anders denken, da die Technologie weiterhin die Realität quantifiziert und vorhersagt. Je besser Unternehmen dieses Wissen durch Modellierung und Simulation erfassen und nutzen – seien es die Details einer bestimmten Schweißnaht oder die Beziehung zwischen einem Verkäufer und einem wichtigen Kunden – desto aussagekräftiger wird jede Entscheidung, die eine Person trifft.