نیسان با هوش مصنوعی زمان تست خودروهای برقی را نصف می‌کند + ویدیو

01

از 02

هوش مصنوعی در خدمت تحول تست خودروهای نیسان

این پروژه نوآورانه با بهره‌گیری از یادگیری ماشینی، تعداد آزمایش‌های فیزیکی لازم برای هر خودرو را کاهش داده و همزمان سرعت توسعه، دقت و پایداری را افزایش می‌دهد. فناوری هوش مصنوعی Monolith ابتدا برای اعتبارسنجی تست خودروی برقی نیسان LEAF ساخت سندرلند به کار گرفته شد و اکنون قرار است در آزمایش‌های گسترده‌تر مدل‌های آینده نیسان در اروپا استفاده شود. مهندسان مرکز فنی نیسان اروپا در کرنفیلد، بریتانیا با استفاده از این پلتفرم هوش مصنوعی، بیش از ۹۰ سال داده‌های تست شرکت را تحلیل خواهند کرد تا پیش‌بینی دقیق‌تری از نتایج آزمایش‌های فیزیکی داشته باشند.

دِوِچ توضیح داد: «مدل‌های یادگیری ماشینی Monolith که با ترکیبی از داده‌های تاریخی آزمایش و شبیه‌سازی‌های دیجیتال آموزش دیده‌اند، امکان کاهش وابستگی به نمونه‌های فیزیکی را فراهم کرده و زمان توسعه و مصرف منابع را به شکل چشمگیری کاهش می‌دهند» با بهره‌گیری از این پایگاه داده عظیم و یادگیری ماشینی، سیستم می‌تواند عملکرد خودروهای نیسان در شرایط متنوع را پیش از ورود به مسیرهای تست واقعی پیش‌بینی کند.

دِوِچ ادامه داد: «این رویکرد نه تنها زمان رسیدن خودرو به بازار را تسریع می‌کند، بلکه تعهد ما به نوآوری و پایداری را نیز تقویت می‌کند. با نگاهی به آینده، هوش مصنوعی نقش محوری در طراحی، تست و ارائه نسل بعدی خودروها به مشتریان خواهد داشت.»

بخوانید: پیشرفت شگفت‌انگیز در هوش مصنوعی با الگوبرداری از مغز حشرات

02

از 02

طراحی خودرو مبتنی بر یادگیری ماشینی

نیسان اعلام کرده که نتایج اولیه همکاری با Monolith نویدبخش بوده است. در یکی از مراحل این پروژه، هوش مصنوعی Monolith برای آزمایش عملکرد اتصالات پیچ در شاسی خودروهای نیسان با سیستم یادگیری ماشینی به‌کار گرفته شد این سیستم نه تنها بهینه‌ترین محدوده گشتاور برای پیچ‌ها را تعیین کرد، بلکه اولویت‌بندی آزمایش‌های بعدی برای مهندسان را نیز پیشنهاد داد، که منجر به کاهش ۱۷ درصدی آزمایش‌های فیزیکی نسبت به روش‌های سنتی شد.

مسئولان نیسان معتقدند که اجرای همین روش در تمام برنامه‌های خودرو می‌تواند زمان کل تست‌ها را به نصف کاهش دهد. ریچارد اهلفلد، مدیرعامل Monolith، تصریح کرد: «ماموریت ما توانمندسازی مهندسان با ابزارهای هوش مصنوعی است تا توسعه محصولات هوشمندتر و سریع‌تر انجام شود.»

پلتفرم Monolith با استفاده از مدل‌های یادگیری ماشینی آموزش‌دیده روی داده‌های گسترده آزمایش‌ها و شبیه‌سازی‌ها قادر است عملکرد خودرو را پیش‌بینی کرده، ناهنجاری‌ها را شناسایی کند و حتی آزمایش بعدی را در عرض چند دقیقه پیشنهاد دهد. ابزارهایی مانند Next Test Recommender و Anomaly Detector فرآیند تست را سریع‌تر، دقیق‌تر و کم‌هزینه‌تر می‌کنند. اهلفلد در بیانیه‌ای افزود: «همکاری ما با نیسان نشان می‌دهد که یادگیری ماشینی چگونه می‌تواند راندمان و نوآوری مهندسی خودرو را به سطح بالاتری برساند و ما مشتاقانه این مسیر را ادامه می‌دهیم.»