Čas testiranja skrajšali s sedmih mesecev na le pet dni

Za pospeševanje testiranja izdelkov je postala ključna uporaba umetne inteligence (UI) in naprednega modeliranja. Proizvajalci lahko s pomočjo UI ustvarijo natančne digitalne modele izdelkov, ki jih nato uporabijo za simulacije in testiranja, še preden izdelajo fizične prototipe. »To omogoča prepoznavanje in odpravljanje napak že v zgodnjih fazah razvoja, kar precej skrajša čas in stroške testiranja,« je poudaril Gregor Schoss, direktor Slovenskega instituta za kakovost in meroslovje (SIQ Ljubljana).

Za tako imenovani petdnevni projekt so se odločili novembra lani. Skupaj z ekipo iz podjetja Inpotron, s katerim sodelujejo že 20 let, jim je z uporabo UI uspelo skrajšati čas testiranja napajalnika s približno sedmih mesecev oziroma 240 dni na le pet dni. V ekipi so poleg direktorja Schossa še Primož Prijatelj, Rok Agnič, Primož Lesjak in Mitja Rozman. Z natančnimi simulacijami so lahko hitro prepoznali in odpravili napake, kar jim je omogočilo hitrejši vstop na trg in znižanje stroškov razvoja.

»Takšni primeri kažejo, kako uporaba naprednih tehnologij lahko bistveno izboljša učinkovitost in konkurenčnost podjetij v sedanjem hitro spreminjajočem se tržnem okolju,« pravi Gregor Schoss.

Potek projekta

In kako je vse skupaj potekalo? Najprej so na manj kompleksnem, približno stovatnem napajalniku vzpostavili simulacijski model, s katerim se je umetna inteligenca učila. Nato so metodo prenesli na precej kompleksnejši napajalnik in dobili uporaben model za razvojno fazo.

»V fazi načrtovanja je mogoče že vnaprej preverjati razdalje, segrevanje, izbiro komponent, mehanske značilnosti in možne odpovedi elementov. Modeli ne morejo vedno natančno zajeti prehodnih pojavov, lahko pa dobro pokažejo končne pogoje in pomagajo določiti zaporedje testov. S tem je mogoče najprej izvesti manj problematične teste, zahtevnejše in bolj tvegane pa prestaviti na konec. Simulacije omogočajo tudi oceno disipacije toplote po posameznih komponentah ter pripravo testnih sekvenc še pred fizičnim vzorcem, kar zmanjša porabo razvojnih vzorcev. To pa je pomembno, ker so prvi vzorci redki, dragi in jih potrebujejo različni deležniki.«

Schoss še pojasnjuje, da digitalni model omogoča natančno preverjanje razdalj in kritičnih mest, tudi takih, ki jih s prostim očesom ni mogoče zanesljivo zaznati. Pri tem so pomembne že desetinke milimetra, zato mora model vključevati tako električne kot mehanske lastnosti komponent. Ko prispe prvi fizični vzorec, primerjajo razlike med modelom in dejansko izvedbo ter zberejo podatke o spremembah proizvajalca. Nato izvedejo kritične teste na električnih karakteristikah, shemah, toplotnem vedenju in EMC-parametrih. Na podlagi teh testov ugotovijo problematična mesta, denimo potrebo po izboljšavi vhodnega filtra za doseganje zahtevanih mej na področju EMC. Prednost pristopa je, da se del poročil in testnih ocen pripravi že pred končnim fizičnim testiranjem.

Stroškovna in časovna učinkovitost

Omenjeno prinaša tudi dolgoročno stroškovno učinkovitost. »Čeprav so začetni stroški lahko višji za približno 40 odstotkov – kar namesto 5000 evrov pomeni 7000 evrov –, se dolgoročno izkažejo za ekonomsko upravičene. Skrajšanje razvojnega cikla namreč omogoča hitrejše lansiranje izdelkov na trg, kar lahko bistveno poveča prihodke podjetja.«

Povprečni čas razvoja izdelka traja približno dve leti, to pa vključuje tudi fazo testiranja, ki lahko traja do sedem mesecev. V tem obdobju je izdelek podvržen različnim testom, da se preveri skladnost s specifikacijami naročnika in zagotovi njegova kakovost. Testiranje navadno traja tri mesece, med njimi se pogosto odkrijejo napake, ki jih je treba odpraviti, kar podaljša celoten proces za dodatne štiri mesece.

Prednosti uporabe umetne inteligence v modeliranju so torej številne, ena ključnih pa je hitrost, saj s simulacijami in testiranjem na prototipih preprečimo odpravljanje neustreznosti v fazi končnega testiranja. Prav tako se faza končnega testiranja močno zmanjša, saj večino dela lahko opravimo že v razvojni fazi. Končna testiranja, ki bi jih sicer izvajali več mesecev, lahko z uporabo UI in drugih navedenih metod in izboljšav zaključijo v nekaj dneh.

»Poleg tega je UI sposobna analizirati velike količine podatkov in prepoznati vzorce, ki bi jih človeški analitiki morda prezrli. To povečuje natančnost testiranj in zmanjšuje možnost napak. Vendar pa ima UI tudi svoje omejitve, saj je uspešnost modeliranja močno odvisna od kakovosti vhodnih podatkov – če so vhodni podatki nepopolni ali nepravilni, so tudi rezultati simulacij lahko netočni. Prav tako se pričakuje, da bo razvoj in vzdrževanje sistemov UI v prihodnosti precej dražje, kot je zdaj,« še navaja Gregor Schoss.

In tudi konkurenčna prednost

Direktor SIQ dodaja, da se proizvajalci spopadajo z velikim stresom in finančnimi vložki. »Razvoj izdelka lahko stane več sto tisoč evrov, včasih celo milijon evrov, kar pomeni veliko tveganje, če izdelek ne pride pravočasno na trg. Vsaka zamuda lahko pomeni izgubo konkurenčne prednosti, saj konkurenti lahko hitreje lansirajo podobne izdelke. Poleg tega se v razvojni fazi pogosto pojavijo nepredvideni problemi, ki povzročajo dodatne zamude.«

»Dobro izdelan simulacijski model v kombinaciji s praktičnimi izkušnjami omogoča hitrejše, cenejše in bolj ciljno usmerjeno testiranje kompleksnih elektronskih izdelkov. Usklajena ekipa SIQ in proizvajalca pa lahko hitreje in učinkoviteje reši težave, kar pripomore k hitrejšemu zaključku razvoja izdelka. Pomembno pa je tudi nenehno izobraževanje in usposabljanje zaposlenih, da bi lahko sledili hitrim tehnološkim spremembam in izboljšali svoje kompetence,« je še zaključil Gregor Schoss.