Η Nissan και η Monolith ανακοίνωσαν και επίσημα την επέκταση της στρατηγικής τους συνεργασίας, για τρία ακόμα χρόνια, με στόχο τον εκσυγχρονισμό της διαδικασίας ανάπτυξης νέων μοντέλων και τη μείωση των φυσικών δοκιμών μέσω της τεχνητής νοημοσύνης (AI).
Η συνεργασία αυτή εντάσσεται στο νέο σχέδιο ανάκαμψης «Re:Nissan» που στοχεύει, μεταξύ άλλων, να μειώσει τον χρόνο ανάπτυξης νέων μοντέλων, φέρνοντάς τα πιο γρήγορα στην αγορά.
Η τεχνολογία AI της Monolith εφαρμόστηκε για πρώτη φορά στις δοκιμές του νέου Nissan Leaf, ενώ θα αξιοποιηθεί σε ακόμη περισσότερες δοκιμές για τα μελλοντικά μοντέλα της μάρκας που θα φτάσουν στην αγορά τα επόμενα χρόνια.
Οι μηχανικοί του Nissan Technical Centre Europe, στο Cranfield του Ηνωμένου Βασιλείου, θα χρησιμοποιούν την τεχνολογία AI της Monolith για να προβλέπουν με ακρίβεια τα αποτελέσματα των φυσικών δοκιμών. Το μοντέλο έχει εκπαιδευτεί χρησιμοποιώντας δεδομένα από περισσότερα από 90 χρόνια δοκιμών.
Με αυτόν τον τρόπο θα μειωθεί η ανάγκη για πρωτότυπα οχήματα, θα επιταχυνθεί η ανάπτυξη νέων μοντέλων, και οι μηχανικοί θα μπορούν να επικεντρωθούν στην άμεση επίλυση τεχνικών ζητημάτων και στη λήψη κρίσιμων αποφάσεων.
Η απόφαση για την επέκταση της συνεργασίας μεταξύ της Nissan και της Monolith προέκυψε μετά από μια επιτυχημένη περίοδο δοκιμών, όπου η τεχνητή νοημοσύνη χρησιμοποιήθηκε για την αξιολόγηση της απόδοσης των μπουλονιών στο πλαίσιο των οχημάτων. Η τεχνολογία της Monolith πρότεινε το βέλτιστο εύρος ροπής και υπέδειξε με ακρίβεια ποιες πρόσθετες δοκιμές έπρεπε να πραγματοποιηθούν από τους μηχανικούς – οδηγώντας σε 17% μείωση των φυσικών δοκιμών σε σχέση με την παραδοσιακή διαδικασία.
Εφαρμόζοντας την ίδια προσέγγιση σε ολόκληρη τη διαδικασία ανάπτυξης των ευρωπαϊκών μοντέλων της Nissan, ο συνολικός χρόνος δοκιμών θα μπορούσε να μειωθεί έως και κατά 50%.
Η πλατφόρμα της Monolith δίνει τη δυνατότητα στους μηχανικούς να αξιοποιούν ιστορικά δεδομένα δοκιμών και προσομοιώσεις, ώστε να προβλέπουν τα αποτελέσματα, να μειώνουν την ανάγκη για φυσικά πρωτότυπα και να βελτιώνουν την ποιότητα των αυτοκινήτων. Εργαλεία όπως το Next Test Recommender και το Anomaly Detector αποδεικνύουν τη δέσμευση της Monolith να μειώσει τον κύκλο ανάπτυξης κατά το ήμισυ, διατηρώντας παράλληλα τα υψηλά πρότυπα ποιότητας και απόδοσης.
Η Emma Deutsch, Director of Customer Orientated Engineering and Test Operations στο Nissan Technical Centre Europe, δήλωσε: «Με την ενσωμάτωση του προηγμένου λογισμικού της Monolith και την αξιοποίηση δεκαετιών δεδομένων δοκιμών, μπορούμε να προσομοιώνουμε και να επαληθεύουμε την απόδοση των αυτοκινήτων μας με εντυπωσιακή ακρίβεια».
«Τα μοντέλα μηχανικής μάθησης, εκπαιδευμένα μέσα από ιστορικά δεδομένα και ψηφιακές προσομοιώσεις, μας επιτρέπουν να μειώσουμε τη χρήση φυσικών πρωτοτύπων, περιορίζοντας σημαντικά τον χρόνο και τους πόρους που απαιτούνται για την ανάπτυξη. Αυτή η προσέγγιση όχι μόνο επιταχύνει τον χρόνο λανσαρίσματος των νέων μοντέλων, αλλά ενισχύει και τη δέσμευσή μας για καινοτομία και βιωσιμότητα. Στο μέλλον, η τεχνητή νοημοσύνη θα διαδραματίζει ολοένα και πιο καθοριστικό ρόλο στο πώς σχεδιάζουμε, δοκιμάζουμε και φέρνουμε την επόμενη γενιά αυτοκινήτων στους πελάτες μας».
Ο Dr. Richard Ahlfeld, CEO και Ιδρυτής της Monolith, πρόσθεσε: «Αποστολή μας είναι να δώσουμε στους μηχανικούς τα εργαλεία τεχνητής νοημοσύνης που θα τους επιτρέψουν να αναπτύσσουν προϊόντα πιο έξυπνα και γρήγορα. Τα αποτελέσματα της συνεργασίας μας με τη Nissan δείχνουν πώς η μηχανική μάθηση μπορεί να ενισχύσει την αποδοτικότητα και την καινοτομία στην αυτοκινητοβιομηχανία. Είμαστε ενθουσιασμένοι που συνεχίζουμε αυτό το ταξίδι μαζί.»
