Automation Lab

Industriföretag och andra tekniska organisationer genererar stora mängder information genom hela produktutvecklings- och produktionsprocessen. Krav, standarder, ritningar, CAD-modeller, simuleringar, produktionsinstruktioner, kvalitetsdata och erfarenhetsbaserad kunskap lagras ofta i olika system och format.

En betydande del av ingenjörsarbetet består därför fortfarande av att söka efter, tolka, verifiera och överföra information mellan olika aktiviteter och organisationer. I många fall är informationen tillgänglig för människor, men den är inte strukturerad på ett sätt som gör att digitala system direkt kan tolka och använda den. Utvecklingen inom stora språkmodeller och generativ AI skapar nya möjligheter att få tillgång till tidigare svåranvänd ostrukturerad information. I tekniska tillämpningar räcker det dock inte att ett AI-system kan generera ett rimligt svar. Informationen måste också kunna kopplas till krav, källor, revisioner, beslut och andra tekniska relationer.

Vi undersöker därför hur AI kan kombineras med strukturerade databaser, kunskapsrepresentationer och explicita verifieringsmekanismer. Målet är att göra ingenjörskunskap tillgänglig, spårbar och maskinbearbetningsbar.

När informationen väl har denna struktur kan den användas till mer än informationssökning. Samma kunskap kan möjliggöra vidare automation inom exempelvis konstruktion, simulering, produktionsberedning, tillverkning, robotprogrammering, verifiering och kvalitetssäkring.

Ingenjörsautomation har traditionellt fokuserat på väldefinierade och repetitiva uppgifter. Parametrisk CAD, Knowledge-Based Engineering, optimering och automatiserade beräkningsflöden har möjliggjort betydande effektiviseringar inom många delar av produktutvecklingen.

Moderna ingenjörsprocesser består däremot av ett stort antal sammankopplade aktiviteter som använder olika modeller, programvaruverktyg och informationskällor. En konstruktionsförändring kan exempelvis påverka simulering, produktionsberedning, tillverkning, robotprogrammering, kvalitetssäkring och dokumentation.

Artificiell intelligens och agentbaserade system skapar nya möjligheter att samordna sådana processer. AI-agenter kan hämta information, använda specialiserade programvaruverktyg, analysera strukturerade data och genomföra arbetsflöden som består av flera steg.

Samtidigt bygger vår forskning på principen att en språkmodell inte bör ansvara för hela ingenjörsprocessen. I stället kombinerar vi olika tekniker utifrån deras respektive styrkor:

• Språkmodeller för tolkning, interaktion och hantering av tvetydighet
• AI-agenter för planering och samordning av arbetsflöden
• Strukturerad kunskap och databaser för fakta, relationer, krav och spårbarhet
• CAD, simulering och andra ingenjörsverktyg för specialiserade beräkningar och analyser
• Verifieringsmekanismer för att kontrollera resultat mot definierade krav
• Mänskliga ingenjörer för mål, erfarenhet, omdöme och ansvar

Digitala tvillingar spelar en viktig roll i denna utveckling genom att skapa en koppling mellan fysiska system, ingenjörsmodeller och operativa data. Genom att kombinera digitala tvillingar med sensorer, datorseende, simulering och AI kan ingenjörssystem dessutom anpassa sig till förändringar i den fysiska miljön.

Det långsiktiga målet är att gå från digitala verktyg som stödjer isolerade aktiviteter till intelligenta ingenjörssystem där information, modeller, AI och människor kan samverka genom hela utvecklings- och produktionsprocessen.