Skapa ett konto för att ta del av artikeln
Artikeln är en del av vår exklusiva nyhetstjänst Marknadsnytt. Du får enkelt tillgång genom att skapa ett kostnadsfritt konto.
Hoppa till innehållet
Artikeln är en del av vår exklusiva nyhetstjänst Marknadsnytt. Du får enkelt tillgång genom att skapa ett kostnadsfritt konto.
Kraven på hårdvaruindustrin ökar. Produkter ska nå marknaden fortare, leverantörskedjorna blir mer komplexa och senior ingenjörskompetens är en bristvara. Samtidigt har systemen för hårdvaruutveckling inte hängt med.
– Hårdvara har en helt annan riskprofil än mjukvara. Om bromsarna i en bil inte fungerar kan konsekvenserna bli livshotande. Företag har därför lite utrymme för misstag vilket gör implementationsrisken för nya system väldigt hög, säger Hugo.
Efter arbete med robotik och självkörande teknik i Silicon Valley återvände Hugo till roller inom europeisk storindustri. Där såg han samma återkommande mönster, oavsett storlek på företaget. Det var först vid produktion som designmisstagen upptäcktes, vilket ledde till högre kostnader eller en försenad lansering.
– Det är inte nödvändigtvis produktionen som är problemet. Problemet är gapet mellan designens intention och det verkligheten kräver när produkten ska tillverkas.
Med många specialister och leverantörer blir koordineringen komplex. Olika tidszoner, utspridda verktyg och information som bara är tillgänglig för vissa försvårar överblicken och ökar risken för att problem upptäcks sent.
– Då tvingas företag välja mellan en dyrare produkt med sämre marginaler eller att gå tillbaka till ritbordet, med förseningar som följd.
Frustrationen blev startpunkten för Encube. Plattformen är utvecklad efter industrins komplexitet och på principen att AI ska stötta ingenjörer, inte ersätta dem. Men industrins höga krav på tillförlitlighet har gjort nya verktyg svåra att etablera.
– Trots skepsis mot AI har utvecklingen skapat nya möjligheter att bygga verktyg för hårdvaruutveckling.
Komplex hårdvaruutveckling kräver mer än generella AI-tjänster. Encube tränar egna modeller som tar hänsyn till vad som faktiskt är möjligt att tillverka. Plattformen anpassas efter företagets data och samlar informationen i en gemensam miljö där berörda får samma underlag. Det sätter AI:ns insikter i rätt kontext och gör expertkunskap tillgänglig för fler. AI:n kan även utvärdera designalternativ och sålla fram de mest relevanta utifrån företagets kriterier. Då kan tillverkningsproblem identifieras redan i designfasen.
– AI ska inte ta besluten, de ligger fortsatt hos individerna som äger processen. Däremot kan AI hjälpa dem att förstå vilka alternativ och avvägningar som bör beaktas.
För europeisk industri blir frågan viktig när konkurrensen från USA och Asien ökar. För att hålla jämn takt behöver Europa utveckla produkter snabbare och nyttja den ingenjörskompetens som finns bättre.
– När seniora ingenjörer går i pension finns det inte tillräckligt många nya för att ersätta dem. Då behöver mjukvaran både öka produktiviteten och göra generationer av expertkunskap tillgänglig för morgondagens ingenjörer. Förmågan att använda AI på rätt sätt blir allt viktigare för industrins konkurrenskraft, avslutar Hugo.
EXTERN LÄNK: Läs mer på www.getencube.com