Sztuczna inteligencja eliminuje największe wąskie gardła w projektowaniu samochodów
Przez lata projektanci samochodów tworzyli liczne szkice, koncepcje i realistyczne wizualizacje, jednak ostateczny kształt produkowanych pojazdów kształtuje głównie aerodynamika. Płynność, z jaką samochód przecina powietrze, ma kluczowe znaczenie dla jego zużycia paliwa, a w przypadku samochodów elektrycznych – wpływa na zasięg i kompensuje ciężar baterii. Dotychczas proces analiz aerodynamicznych był jednak niezwykle czasochłonny i opóźniał postęp w projektowaniu.
„Wysyłaliśmy powierzchnię projektową, a następnie oczekiwanie na pełny zestaw wyników analiz mogło trwać dni lub nawet tygodnie” – mówi Bryan Styles, dyrektor ds. innowacji projektowych i operacji technologicznych w General Motors. „Do czasu otrzymania wyników projekt już ewoluował, a my musieliśmy zastanawiać się, jak te dane odnoszą się do nowej wersji powierzchni.”
AI przyspiesza proces projektowania aerodynamicznego
Przełom nadchodzi wraz z rosnącym wykorzystaniem sztucznej inteligencji w branży motoryzacyjnej. Firmy takie jak General Motors i Jaguar Land Rover wdrażają nowe narzędzia AI, które rewolucjonizują proces projektowania, eliminując historyczne ograniczenia związane z tunelami aerodynamicznymi i symulacjami CFD.
General Motors opracowało „wirtualny tunel aerodynamiczny”, czyli model AI przeszkolony na podstawie wcześniejszych analiz aerodynamicznych przeprowadzonych za pomocą komputerów. Dzięki temu projektanci i inżynierowie mogą błyskawicznie ocenić, jak dany kształt sprawdziłby się w rzeczywistym teście w tunelu aerodynamicznym. Uzyskane dane są następnie bezpośrednio wprowadzane do cyfrowych narzędzi projektowych, które kształtują samochody.
„Stosujemy to w naszych kolejnych produktach. To nie jest wizja przyszłości – to dzieje się już teraz” – podkreśla Rene Strauss, dyrektor ds. inżynierii wirtualnej integracji w GM.
Branża motoryzacyjna masowo adoptuje AI
Podejście GM nie jest odosobnione. Jaguar Land Rover również korzysta z narzędzi AI do przeprowadzania tysięcy analiz aerodynamicznych dziennie. Choć sama aerodynamika jest dobrze znaną dziedziną, każdy producent opracowuje własne modele AI, bazując na danych z istniejących samochodów, aby precyzyjniej przewidywać opór powietrza i ciśnienie aerodynamiczne.
„Im lepsze dane szkoleniowe, tym lepsza wydajność modelu” – wyjaśnia Scott Parrish, starszy specjalista techniczny i kierownik grupy badawczo-rozwojowej w GM. „Wykorzystujemy różnorodne pojazdy i modyfikujemy ich kształty, aby gromadzić coraz więcej danych do precyzyjnych prognoz. Jeśli projektant przesunie powierzchnię w górę, w dół lub na bok, nasz model AI uwzględnia te zmiany.”
Jaguar Land Rover współpracuje z zewnętrzną firmą, aby wdrożyć to rozwiązanie. Neural Concept, startup wywodzący się z École Polytechnique Fédérale de Lausanne, dostarcza narzędzia AI, które analizują tysiące projektów samochodów dziennie, znacznie skracając czas potrzebny na optymalizację aerodynamiczną.
Zalety AI w projektowaniu samochodów
- Szybkość analiz: Tradycyjne metody wymagały tygodni; AI dostarcza wyniki w minutach.
- Precyzja: Modele AI są szkolone na danych z rzeczywistych pojazdów, co zwiększa dokładność prognoz.
- Elastyczność: Projektanci mogą błyskawicznie testować różne warianty kształtów bez opóźnień.
- Oszczędność kosztów: Redukcja liczby fizycznych testów w tunelach aerodynamicznych obniża koszty rozwoju.
- Innowacyjność: Szybsze iteracje projektowe pozwalają na wprowadzanie bardziej zaawansowanych rozwiązań aerodynamicznych.
Przyszłość projektowania samochodów
Wprowadzenie AI do procesu projektowania aerodynamicznego otwiera nowe możliwości dla branży motoryzacyjnej. Firmy, które skutecznie wdrożą te technologie, zyskają przewagę konkurencyjną, oferując bardziej efektywne energetycznie i aerodynamiczne pojazdy. W miarę jak modele AI będą coraz bardziej zaawansowane, możemy spodziewać się jeszcze szybszych postępów w dziedzinie projektowania samochodów.
„AI nie tylko przyspiesza proces projektowania, ale także pozwala na eksplorację bardziej ambitnych koncepcji aerodynamicznych, które wcześniej byłyby zbyt czasochłonne lub kosztowne do przetestowania.” – Rene Strauss, GM