Ipar

Hogyan válasszunk mesterséges intelligenciát okosan?

Képek forrása: Freepik

A generatív AI képességei rohamosan fejlődnek, de a gépi tanulás és a mesterséges intelligencia más típusai sok eseten jobb, egyszerűbb és költséghatékonyabb megoldást adnak a vállalatoknak. Beruházásuk megtérülése múlik azon, hogy a technológiák, eszközök és módszerek közül mekkora hozzáértéssel választanak.

A nagy felhajtásból adódóan a generatív mesterséges intelligenciát gyakran túlzott elvárások övezik. A generatív modellek képesek már képeket, szöveget, videót vagy akár zenét is előállítani – mindezt a tanításuk során látott adatokból megtanult összefüggések alapján.

Félreértés, hogy a generatív AI szöveges modelljei „okos keresők”. Ezek a modellek mindössze „következőszó-generátorok”, amelyek szavanként generálják ki jóslataikat a felhasználói bemenetre. Ahhoz, hogy az okos kereső képességekre felruházható legyen, elengedhetetlen a megfelelő szakértői kompetencia bevonása, különben kontroll és minőségbiztosítás nélkül a szövegben legvalószínűbben soron következő szót adja válaszul a tanítóadataikban látottak alapján. Szoftverkódot is ugyanígy generálnak. Bizonyos feladatok hatékony elvégzésére tehát kiválóan alkalmasak már most, más problémákhoz viszont működésükből kifolyólag nem ideálisak önállóan a szükséges eszközkészlet nélkül.

– Azon feladatok automatizálására, amelyekre a generatív AI nem ideális sokkal jobb és olcsóbb megoldást kínálhat egy-egy klasszikus gépi tanulási modell – mondta Póda Csanád, a Kontron Hungary ML/AI rendszertervező mérnöke. – A gépi tanulás (machine learning, ML) alkalmazása azonban kevésbé látványos, mint egy emberi nyelven „beszélgető” robot, így a széles nyilvánosság képzeletét sem ragadta meg úgy, mint a természetes nyelvi felületen bárki számára hozzáférhető generatív mesterséges intelligencia.

Aki nem ismeri ezeket a módszereket, könnyen elveszhet bennük egy magas színvonalú, hozzáértő támogató csapat nélkül. Ezért vagyunk mi – hogy segítsük a navigációt ezeken a zavaros vizeken.

Kis és nagy modellek, testre szabva

A generatív AI értelmes, hasznos, hatékony, megbízható, biztonságos és etikus használatához a megfelelő technológiai, szervezeti, emberi, társadalmi és szabályozási feltételeket is szükséges megteremteni.

Vállalati szinten tovább árnyalja a képet, illetve bővíti a lehetőségeket, hogy a nagy (nem csak nyelvi) generatív modellek mellett megjelent rengeteg kisebb, előtanított, nyílt forráskódú modell is – mondta Póda Csanád. Ezeket a különféle feladatok elvégzésére előre tanított, nyílt forráskódú modelleket a vállalatok saját adataikon testre szabhatják, így gyorsabban és költséghatékonyabban valósíthatják meg projektjeiket. Egy ilyen modell továbbfejlesztésével készítettük el például a Számlamenedzser alkalmazásunk szállítófüggetlen számlafeldolgozóját, amely a beérkező (akár scannelt) számlák adatait egy mély neurális háló segítségével ismeri fel és írja át automatikusan a vállalatirányítási rendszer megfelelő mezőibe. Ezáltal a hagyományos rendszereknél sokkal rugalmasabb megoldást kaptunk, amelynél nem kell minden új számlatípus feldolgozásához új sablonokat létrehozni, hanem minden számlatípust egy modell ismer és dolgoz fel.

Emellett a vállalatok a hatalmas adatmennyiségeken tanított, több milliárd paramétert használó generatív AI modellek kimenetét is optimalizálhatják Retrieval-Augmented Generation (RAG) segítségével. A költséghatékony módszerrel ugyanis a generatív modellek képességeit speciális területekre vagy saját belső tudásbázisukra terjeszthetik ki, így pontosabb és hasznosabb válaszokat kaphatnak anélkül, hogy a modellt újra kéne tanítani – az információt ugyanis az ügyfél saját dokumentumtárából keressük ki és adjuk át a generatív AI modelleknek feldolgozásra, ezzel csökkentve a hallucinációk valószínűségét.

Felhő és partner nélkülözhetetlen szerepe

Már ez a pár példa is mutatja, hogy a mesterséges intelligencia eszközök és módszerek milyen széles választékát fogja át. Kulcsfontosságú ezért, hogy a vállalatok az adott feladat függvényében jól válasszanak a folyamatosan bővülő palettáról.

A bőség zavarában és a felhajtás zajában azonban gyakran megesik, hogy a döntéshozók olyan AI-megoldásokat választanak, amelyektől üzleti felhasználási esetükben eleve hiába várnak eredményeket. Szerintem elsősorban ez okozza, hogy egy elemzői jelentés szerint a 2023-as vállalati AI kezdeményezések 80 százaléka megakadt a koncepcióvalidálás szintjén – mondta Póda Csanád. A másik oka ennek az, hogy a közelmúltig nem voltak meg azok az eszközök, amelyekkel ilyen rendszereket megbízható produktív környezetbe tudtunk helyezni. Itt azonban hatalmas előrelépés történt, és már nagyon jó minőségű AIOps és MLOps eszközök állnak rendelkezésünkre. Sok vállalat nem tud házon belüli AI kompetenciát kiépíteni, de ezt könnyen ellensúlyozhatja egy átfogó szakértelemmel és nagy tapasztalattal rendelkező tanácsadó- és rendszerintegrátor-partner bevonásával. Egy ilyen partner a projektek megvalósítását már az üzleti értékajánlatnak megfelelő gépitanulási-, illetve mesterségesintelligencia-eszköz kiválasztásától kezdve az élesbe állásig támogatni tudja.

Egy másik nagy hátráltató tényező ezen a téren, hogy a magyar vállalatok egy része ellentmondásos, szelektív módon még mindig idegenkedik a felhő használatától. Sok cég a Microsoft Office 365-re minden további nélkül előfizet, a belső, üzleti titkokat tartalmazó levelezését a Microsoft felhőjében tárolja, valamint irodai alkalmazásait felhőszolgáltatásként veszi igénybe. Az üzleti alkalmazásaikat viszont még mindig saját hardveren szeretnék futtatni – noha a belőlük kinyert kimutatásokat szintén előszeretettel továbbítják e-mailben.

A házon belüli IT infrastruktúra sok szempontból nem tud versenyezni a nagy felhőszolgáltatók adatközpontjaival. Saját hardveren a vállalatok nemhogy generatív AI modelleket nem tudnának futtatni, de gyakran még a kisebb neurálisháló-alapú modelleket is csak olyan késleltetés mellett használhatnák, hogy az értelmetlenné tenné bevezetésüket. A kapacitás megfelelő bővítésére pedig az AI munkaterhelések futtatásához szükséges specializált hardver magas ára és a jelenlegi eszközhiány miatt sem gondolhatnának.

A döntéshozóknak tanácsos minél előbb megvizsgálniuk, hogy a mesterséges intelligencia használatához vállalatuknál milyen szabályok mentén használhatnak felhőalapú megoldásokat, és mely szolgáltatók tudják ezeket biztosítani, mert a választék ezen a téren is bővül – mondta Póda Csanád. Ha továbbra is késlekednek, rövid időn belül nagy hátrányba kerülhetnek a felhőben szolgáltatásként elérhető AI képességeit eredményesen kiaknázó versenytársaikkal szemben. Bár minden esetben meg kell vizsgálni, hogy a különböző tényezők függvényében melyik szolgáltatási modell a legelőnyösebb, ma már általában a felhőt érdemes választani, hacsak használatát speciális megfelelési követelmények (törvényi szabályozottság) kategorikusan ki nem zárják. De a GDPR-nak való megfelelés például ma már nem probléma.

Nemzetközi ML/AI kompetencia-központ helyben

A megfelelő ML/AI megoldás és a szolgáltatási modell mellett a releváns üzleti felhasználási esetek megválasztása is fontos az AI beruházások gyorsabb megtérüléséhez, amiben a kompetens partner szintén sokat segíthet.

A rendszerintegrátorként ismert és elismert Kontron Hungary az utóbbi években ML/AI szakértelmét is olyan szintre fejlesztette, hogy a tagvállalatai közötti együttműködést erősítő Kontron Csoport úgy határozott, itt hozza létre csoportszintű ML/AI kompetencia-központját is, amelyet harminc fős tanácsadói és fejlesztői csapattá szeretnének bővíteni.

– Hazai ügyfeleink számára különösen előnyös, hogy cégünk méretéből adódóan szakmai területeink házon belül is szorosan együttműködnek egymással – mondta Póda Csanád. – Számos vállalat informatikai környezetét ismerő rendszer-integrációs csapatunk tudása és tapasztalata is hozzájárul így ML/AI projektjeik sikeres megvalósításához és további digitális átalakulásuk felgyorsításához.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Related Topics:mesterséges intelligencia

Up Next

A fémmegmunkálás új dimenziói – Messer Hegesztés- és Lézertechnológiai Innovációs Fórum novemberben

Don't Miss

Újfajta motorindítót hoz a Siemens

Ipar

Az LG electronics megkezdte 5G-alapú intelligens telematikai megoldásának tömeggyártását

Az LG Electronics (LG), a telematika területén világszerte piacvezető vállalat[1] megkezdte következő generációs, 5G Release 16 (R16)-alapú intelligens telematikai megoldásának tömeggyártását. A megoldás egy kommunikációs modult és akár 12 antennát integrál egyetlen egységbe.

Az LG már megkezdte a szállításokat egy prémium európai autógyártó számára, így a technológia most először jelenik meg Európában sorozatgyártású járműben.

Válasz a járművek egyre összetettebb kapcsolódási igényeire

A hagyományos járműkommunikációs rendszerek jellemzően különálló fizikai komponensekre épülnek: egy telematikai vezérlőegységre és egy, a jármű külső részére szerelt cápauszony-antennára. A járművek kapcsolódási funkcióinak folyamatos bővülésével egyre több antenna szükséges a különböző kommunikációs technológiák – többek között a többfrekvenciás globális helymeghatározó műholdrendszerek (Global Navigation Satellite Systems, GNSS), az ötödik generációs mobilkommunikáció (5G), a Wi-Fi és a V2X – támogatásához.

Ez komoly kihívást jelent az autógyártóknak, elsősorban a külső antennák számára rendelkezésre álló korlátozott hely miatt. Az 5G-kommunikáció megfelelő teljesítményéhez például több antennára van szükség, egy szabványos cápauszony-antenna esetében azonban csak korlátozott számú antenna helyezhető el. Emiatt az autógyártók gyakran kénytelenek további antennákat elhelyezni a jármű különböző pontjain, ami növeli a rádiófrekvenciás (RF) kábelezés mennyiségét, a vezetékezés összetettségét, a jármű tömegét és az összköltséget.

Ezek a szerkezeti korlátok különösen jelentősek az elektromos járműveknél, ahol a tömeg közvetlenül befolyásolja a hatótávolságot, az összetett kábelezési architektúra pedig jelentős hatással lehet a gyártás hatékonyságára és a költség-versenyképességre.

A telematika továbbfejlesztése integrált hardverrel és szoftverrel

Az LG intelligens telematikai megoldása a kommunikációs modult és több antennát egyetlen egységben integrálva kezeli ezeket a kihívásokat. Az 5G R16 kommunikációs technológiára épülő megoldás optimalizált belső architektúrája akár 12 antenna elhelyezésére is alkalmas. A nagyobb kapacitás révén csökkenthető a külső antennák használata és az RF-kábelezés mennyisége. Mindeközben a megoldás erős kapcsolódási teljesítményt biztosít a járművek számára, és hozzájárul a szerkezeti hatékonyság javításához is.

Annak érdekében, hogy ezek az előnyök a járműkonfigurációk széles körében kihasználhatók legyenek, a megoldás moduláris architektúrát alkalmaz, amelyet különféle OEM (Original Equipment Manufacturer, eredeti berendezésgyártó) követelményeknek megfelelően terveztek. A konfigurációs igényektől függően a telematikai és az antennapanelek egyesíthetők vagy különválaszthatók – így a megoldás nemcsak új járműmodellekben, hanem meglévő járműplatformokon is rugalmasan alkalmazható.

A megoldás emellett egy skálázható szoftverplatformot is tartalmaz, amelyet különféle járműmodellekben történő alkalmazásra terveztek. Az LG saját fejlesztésű ATP-jére épülő rendszer – amelyet a vállalat több mint egy évtizede fejleszt és finomít – a támogatott alkalmazásokban ugyanazt az alapszoftvert használja, és csupán a chipkészlet-specifikus interfészekhez szükségesek módosítások.

Ez a felépítés növeli a szoftverek újrafelhasználhatóságát, javítja a fejlesztési hatékonyságot, valamint erősíti a stabilitást és a kompatibilitást a különböző globális kommunikációs környezetekben. Az LG megoldását úgy tervezték, hogy többféle kommunikációs chipkészletet támogasson, ezzel csökkentve az egyes alkatrészektől való függőséget és mérsékelve az ellátási lánc kockázatait.

Megbízható kapcsolódás szélsőséges körülmények között is

Az LG intelligens telematikai megoldását úgy tervezték, hogy a járművek magas hőmérsékletű, nagy igénybevételt jelentő környezetében is megbízhatóan működjön. Valós járművekkel végzett tesztek igazolták, hogy a megoldás szélsőséges körülmények között is stabil adatátvitelt és -vételt képes fenntartani, tovább növelve a járműfedélzeti kommunikációs rendszerek megbízhatóságát.

Több évtizedes tapasztalat az antennaintegráció területén

Az ilyen szintű kommunikációs teljesítmény és megbízhatóság eléréséhez önmagukban nem elegendők a fejlett komponensspecifikációk: kulcsszerepet játszik a mechanikai kialakítás, a belső szerkezet és a fémalkatrészek elhelyezése is, amelyek jelentősen befolyásolhatják a hőelvezetési teljesítményt. Az LG a mobilkommunikáció területén több évtizednyi innováció során felhalmozott, integrált hardveres, mechanikai és antennatervezési szakértelmére támaszkodva versenyelőnyt épített ki a járműipari kommunikációs rendszerek területén.

Alapvető kommunikációs infrastruktúra az SDV-korszak számára

Az LG intelligens telematikai megoldása túlmutat a komponensszintű innováción: a járművek kommunikációs architektúráját az elosztott antennarendszerről egy integrált kommunikációs platform irányába mozdítja el. Az LG célja, hogy megoldását a szoftveralapú járművek (Software-Defined Vehicle, SDV) korszakának alapvető infrastruktúrájává tegye, támogatva a vezeték nélküli (OTA) frissítéseket, a V2X-kommunikációt és az autonóm vezetéshez szükséges adatátvitelt.

A járművek kapcsolódási képességeinek további fejlődésével az integrált telematikai megoldások várhatóan egyre fontosabb szerepet töltenek majd be a jövő járműarchitektúráiban.

„Intelligens telematikai megoldásunk túlmutat a hardverintegráción: a járműkommunikáció alapvető architektúráját gondolja újra”

– mondta Eun Seok-hyun, az LG járműipari megoldások üzletágának (Vehicle Solution Company) elnöke.

„A kommunikációs technológiák és a szoftverfejlesztés terén felhalmozott szakértelmére építve az LG továbbra is az SDV-korszak igényeire optimalizált, integrált telematikai megoldásokat kínál majd.”

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Ipar

Ipari 3D nyomtatás versenykörnyezetben

A Formula Student versenysorozatban nem elegendő egy gyors versenyautót megtervezni.

A hallgatói csapatoknak olyan komplex mérnöki rendszert kell létrehozniuk, amelyben a teljesítmény, a tömeg, a megbízhatóság, a gyárthatóság és a fejlesztésre rendelkezésre álló idő egyszerre jelent tervezési szempontot. Ebben a környezetben az additív gyártás, vagyis az ipari 3D nyomtatás nem egyszerűen prototípusgyártási eszköz, hanem a fejlesztési folyamat szerves része.

A VARINEX és a Budapesti Műszaki és Gazdaságtudományi Egyetem együttműködésének egyik fontos területe éppen ennek a technológiai háttérnek a biztosítása. A vállalat évek óta ipari 3D nyomtatással készült alkatrészekkel támogatja a Formula Student versenysorozatban induló BME Formula Racing Team munkáját, valamint más BME-s hallgatói versenycsapatokat is.

A fejlesztési sebesség is versenytényező

Egy Formula Student versenyautó fejlesztése során számos konstrukciós döntést kell rövid idő alatt meghozni. Egy alkatrész első változata ritkán tekinthető véglegesnek: a geometria, a beépíthetőség, a tömeg vagy éppen az aerodinamikai és mechanikai tulajdonságok miatt gyakran több iterációra van szükség.

A hagyományos gyártási eljárások esetében minden módosítás újabb megmunkálási lépéseket, szerszámokat vagy hosszabb gyártási időt jelenthet. Az additív gyártás ezzel szemben lehetővé teszi, hogy a digitális modell módosítását gyorsan kövesse egy új fizikai alkatrész elkészítése.

Ez különösen értékes a versenyautó-fejlesztésben, ahol a rövid iterációs ciklus közvetlenül növeli a mérnökcsapat rendelkezésére álló tesztelési lehetőségeket. A VARINEX támogatásával a csapat rövid idő alatt készíthet prototípusokat és funkcionális alkatrészeket, így a konstrukciós ötletek gyorsabban ellenőrizhetők és továbbfejleszthetők.

Szabadabb geometria, kisebb tömeg

Az ipari 3D nyomtatás egyik legfontosabb mérnöki előnye a geometriai szabadság. Additív technológiával olyan összetett formák, belső struktúrák és optimalizált geometriák is létrehozhatók, amelyek hagyományos forgácsolással nehezen, több alkatrészből vagy jelentős anyagveszteséggel lennének gyárthatók.

A Formula Student esetében ennek különös jelentősége van. A jármű tömegének csökkentése alapvető fejlesztési cél, ugyanakkor az alkatrészeknek továbbra is teljesíteniük kell a merevségi, szilárdsági és biztonsági követelményeket.

Az additív gyártás ezért jól kapcsolható például topológiai vagy generatív tervezési módszerekhez. Ahelyett, hogy a mérnök egy hagyományos gyártási eljárás korlátaihoz igazítaná az alkatrész formáját, a konstrukció egyre inkább a terhelési viszonyokhoz optimalizálható.

Ennek lehetőségeit jól mutatja egy korábbi BME-fejlesztés is: generatív tervezés és fém 3D nyomtatás alkalmazásával futóműalkatrészeknél közel 40 százalékos tömegcsökkentést értek el, miközben az alkatrészek merevsége és teherbírása is javult.

A prototípustól a funkcionális alkatrészig

A korszerű ipari 3D nyomtatás szerepe ma már messze túlmutat a szemléltető modellek készítésén. A megfelelő technológia és alapanyag kiválasztásával funkcionális, valós terhelési környezetben használható alkatrészek is előállíthatók.

Egy versenyautó fejlesztésében az additív gyártás több ponton is beépülhet a mérnöki folyamatba:

koncepcióellenőrzésnél, amikor gyorsan szükség van egy fizikai modellre;
beépítési próbáknál, ahol az alkatrészek illeszkedését és hozzáférhetőségét kell ellenőrizni;
funkcionális prototípusoknál, amelyekkel már valós működési körülmények vizsgálhatók;
kis darabszámú egyedi alkatrészeknél, ahol hagyományos szerszámozás gazdaságtalan lenne;
geometriailag optimalizált szerkezeteknél, amelyeknél a kis tömeg és a megfelelő mechanikai teljesítmény egyszerre követelmény.

A technológia valódi előnye tehát nem önmagában a gyors gyártás, hanem az, hogy lerövidíti a tervezés–gyártás–tesztelés–visszacsatolás teljes ciklusát.

Ipari technológia már az egyetemi évek alatt

A BME Formula Racing Team és a VARINEX együttműködésének másik fontos eredménye az oktatás és az ipari gyakorlat közötti kapcsolat erősítése.

A hallgatók nem kizárólag elméleti szinten találkoznak az additív gyártással. Saját konstrukcióikon keresztül tapasztalhatják meg, hogyan kell egy alkatrészt additív gyártásra tervezni, milyen szempontok határozzák meg a technológia és az alapanyag kiválasztását, illetve hogyan illeszthető a 3D nyomtatás egy komplex mérnöki fejlesztési folyamatba.

Ez a tapasztalat túlmutat magán a versenyautón. Az additív gyártás egyre több iparágban jelenik meg a termékfejlesztéstől és prototípusgyártástól egészen a végfelhasználásra szánt alkatrészek előállításáig. A Formula Student projekt így olyan gyakorlati mérnöki környezetet teremt, amelyben a hallgatók már tanulmányaik során ipari szemléletet és közvetlen technológiai tapasztalatot szerezhetnek.

A VARINEX számára ezért a felsőoktatással kialakított együttműködés nem pusztán egy versenycsapat támogatását jelenti. A vállalat célja, hogy a korszerű additív gyártási technológiák az ipari szereplők mellett a jövő mérnökei számára is hozzáférhetők legyenek.

Az additív gyártás mint mérnöki eszköz

A Formula Student különösen jól szemlélteti, hogyan változott meg a 3D nyomtatás szerepe az elmúlt években. A technológia már nem csupán arra szolgál, hogy gyorsan elkészüljön egy prototípus. Megfelelő mérnöki tervezéssel a teljes fejlesztési folyamat hatékonyabbá válhat: rövidebb iterációs ciklusok, nagyobb geometriai szabadság és tömegoptimalizált konstrukciók érhetők el.

A BME Formula Racing Team fejlesztéseinek támogatása egyben azt is megmutatja, milyen eredményeket hozhat az ipar és a felsőoktatás közötti technológiai együttműködés. A hallgatók valódi mérnöki problémákon dolgozhatnak korszerű gyártási megoldásokkal, miközben az ipar olyan szakemberek képzéséhez járul hozzá, akik már pályakezdőként gyakorlati tapasztalattal rendelkeznek a digitális és additív gyártás területén.

A versenypályán minden gramm és minden fejlesztési nap számít. Az ipari 3D nyomtatás pedig éppen ott kínál előnyt, ahol a Formula Student mérnökeinek a legnagyobb szükségük van rá: gyorsabb fejlesztést, nagyobb tervezési szabadságot és optimalizált alkatrészek létrehozásának lehetőségét biztosítja.

www.varinex.hu

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Ipar

Bemutatkozik a Siemens Designcenter

Az NX és a Solid Edge jövője – magyarországi ősbemutató. Az idei esztendő egy olyan változást hozott a CAD/CAM/CAE/PLM világban, amire a 2D/3D áttérés óta nem volt példa. A Siemens bejelentette a Designcentert.

A Siemens gépészeti tervezőszoftver-portfóliójának történetében mérföldkőnek számító Designcenter létrejötte egy tudatosan felépített technológiai és piaci stratégia eredménye, amely hivatalosan a 2026. júniusi szoftverkiadással jelent meg a gépészeti CAD/CAM/CAE/PLM piacon.

A Designcenter nem egy teljesen új, a semmiből megírt program, hanem a Siemens korábbi, piacvezető tervezőmegoldásainak egy közös, modern márka alá vonása és szorosabb integrációja a legmodernebb technológiákat ötvözve.

NX… Solid Edge… Designcenter

A Siemens először a 2025-ös Realize Live felhasználói konferencián vetítette előre az új irányt. Itt mutatták be a Designcentert mint a gépészeti tervezőszoftverek új gyűjtőnevét. A cél az volt, hogy a piacon ne egymástól elszigetelt, silószerű megoldásokként (külön NX és külön Solid Edge) jelenjenek meg, hanem egyetlen skálázható, rugalmas ökoszisztémaként, amely a startupoktól kezdve a hatalmas autóipari vagy repülőgépipari OEM vállalatokig minden igényt kiszolgál.

A Siemens Designcenter egy olyan modern technológiai és innovációs platform, amely a digitális termékfejlesztést, a mérnöki tervezést és a gyártás-előkészítést támogatja a legújabb szoftveres megoldások segítségével.

A Designcenter megismerése fontos lehet a

ügyvezetők, cégvezetők és tulajdonosok számára, hogy megismerhessék, hogy egy modern tervező platform hogyan tud költséghatékony is lenni, és hogyan alakítja át radikálisan a ROI számítását a mérnöki tervezési projektek esetében
tervezési és fejlesztési vezetők számára, akiknek fontos, hogy a határidőre tervezésben és gyártásban hogyan segítenek a csúcskategóriás funkciók mellett az AI eszközök
digitális transzformációs és innovációs vezetők, akiknek ki kell jelölni a vállalat számára a következő évekre egy megbízható platformot és mérnöki innovációs irányt
CAD/CAM mérnökök és termékfejlesztők, akik kíváncsiak arra, hogy az iparág legszélesebb modulválasztéka hogyan nyújt minden mérnöki kihívásra hatékony megoldást
fenntarthatósági és minőségirányítási szakemberek, akik számára fontos, hogy már a tervezőasztalon monitorozzák a termék széndioxid lábnyomát és a közben biztosítsák a mérnöki projektek és adatok egységes kezelését

Magyarországon először élőben

A Siemens 2026. szeptember 10-én egy egész napos szakmai rendezvény keretében mutatja be a Designcentert a hazai mérnököknek, tervezőknek, gyártómérnököknek. A rendezvény helyszíne a Siemens Zrt. székháza.

A rendezvény fő témái:

Designcenter platform áttekintés
Mérnöki tervezés AI eszközökkel
Immerzív tervezési megoldások
Következő generációs végeselem
Integrált gyártási-megmunkálási portfolio
Magyarországi ügyfélpéldák és panelbeszélgetés a mérnöki tervezés jövőjéről

A rendezvény szakmai és értékesítési partnere graphIT Kft. (www.graphit.hu ) A graphIT Kft. a Siemens Digital Industry Software Expert Partnere, a Designcenter Solid Edge, NX, Teamcenter, Simcenter, Plant Simulation, Process Simulate, Opcenter, Mendix és egyéb Siemens termékek magyarországi forgalmazója és bevezető partnere.

A Designcenterrel kapcsolatos szakmai anyagokat a https://graphitblog.hu/designcenter/ címen lehet olvasni.

A rendezvényen való részvétel ingyenes, de előzetes regisztrációhoz kötött. A rendezvény részletes programja és a regisztrációs űrlap az alábbi linken látható: https://resources.sw.siemens.com/hu-HU/nx-realize-club-budapest-september-10-2026/

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!