Η Monolith, πάροχος λογισμικού τεχνητής νοημοσύνης (AI) στις πιο καινοτόμες ομάδες μηχανικών στον κόσμο, ανακοινώνει σήμερα την έναρξη μιας νέας μελέτης Forrester Consulting 2024 με τίτλο AI for EV Battery Validation.
Η μελέτη αποκαλύπτει ότι σχεδόν τα δύο τρίτα των ηγετών της αυτοκινητοβιομηχανίας αναμένουν ότι ο πιθανός αντίκτυπος της τεχνητής νοημοσύνης θα είναι εξαιρετικά ή πολύ σημαντικός, με περισσότερους από τους μισούς να αναφέρουν το μηχανικό AI (EngAI), μια έξυπνη μορφή τεχνητής νοημοσύνης που μαθαίνει από μεγάλες ποσότητες μηχανικών δεδομένων βοηθήστε τις δοκιμαστικές ομάδες να καταλάβουν διαφορετικά δυσεπίλυτα προβλήματα—απαραίτητα για να παραμείνουν ανταγωνιστικοί στην ανάπτυξη μπαταριών ηλεκτρικών οχημάτων (EV).
Η νέα μελέτη εξέτασε 165 ανώτερους υπεύθυνους λήψης αποφάσεων στον τομέα της μηχανικής αυτοκινήτων στη Βόρεια Αμερική και τις μεγάλες ευρωπαϊκές αγορές αυτοκινήτων για να διερευνήσει τις απόψεις τους σχετικά με την εφαρμογή του EngAI στην ανάπτυξη μπαταριών ηλεκτρικών οχημάτων. Σε έναν κλάδο που κυριαρχείται όλο και περισσότερο από την εξισορρόπηση των φαινομενικά αντικρουόμενων στόχων της γρηγορότερης κυκλοφορίας στην αγορά και της διατήρησης υψηλής ποιότητας προϊόντων, η μελέτη παρέχει πληροφορίες από πρώτο χέρι σχετικά με τις πιέσεις που αντιμετωπίζουν οι παίκτες της μηχανικής αυτοκινήτων για τη δημιουργία κορυφαίων οχημάτων και πού. Οι έξυπνες τεχνολογίες όπως η τεχνητή νοημοσύνη μπορούν να αντιμετωπίσουν αυτές τις πιεστικές προκλήσεις για να επιταχύνουν την καινοτομία.
Αντικατοπτρίζοντας την εστίαση της βιομηχανίας στην εισαγωγή ανταγωνιστικών, βιώσιμων προϊόντων στην αγορά το συντομότερο δυνατό, η μελέτη σημειώνει πώς το 64% των ηγετών της μηχανικής αυτοκινήτων τονίζουν την ανάγκη μείωσης του χρόνου και της προσπάθειας που δαπανάται για την έγκριση μπαταριών EV. Επίσης, δύο στους τρεις πιστεύουν ότι είναι απαραίτητο να μειωθεί η εξάρτηση από φυσικές δοκιμές, διασφαλίζοντας παράλληλα τη συμμόρφωση με τα πρότυπα ασφάλειας και ποιότητας.
Παρά αυτήν την επείγουσα ανάγκη, το 66% των ανώτερων υπευθύνων λήψης αποφάσεων συμφωνεί ότι είναι απαραίτητο να μειωθεί η εξάρτηση από τις φυσικές δοκιμές διασφαλίζοντας παράλληλα τη συμμόρφωση με την ασφάλεια και τα πρότυπα, και το 62% συμφωνεί ότι τα τρέχοντα εργαλεία εικονικής επικύρωσης, συμπεριλαμβανομένης της φυσικής προσομοίωσης, είναι επαρκή. δεν διασφαλίζουν πλήρως ότι ο σχεδιασμός των μπαταριών πληροί όλα τα κριτήρια έγκρισης.
Ο αντίκτυπος που έχει όλο και περισσότερο το EngAI στην αυτοκινητοβιομηχανία έχει οδηγήσει τους ηγέτες της μηχανικής αυτοκινήτων να επικεντρωθούν περισσότερο στην τεχνολογία. Ενώ το 44% των ερωτηθέντων εκφράζει σοβαρές ανησυχίες σχετικά με τον πιθανό αντίκτυπο της τεχνολογίας στο εργατικό δυναμικό της εταιρείας τους, περισσότεροι από τους μισούς (58%) λένε ότι η τεχνητή νοημοσύνη είναι κρίσιμη για να διασφαλιστεί ότι θα παραμείνουν ανταγωνιστικοί στην ανάπτυξη μπαταριών EV.
Πρόσφατα, η αυτοκινητοβιομηχανία έχει δει απρόβλεπτα επίπεδα ζήτησης για ηλεκτρικά οχήματα, σε συνδυασμό με ευρύτερες μακροοικονομικές συνθήκες. Οι εμπορικές πιέσεις που γίνονται αισθητές σε αυτό το περιβάλλον οδηγούν τους ανώτερους υπεύθυνους λήψης αποφάσεων μηχανικής να αναζητήσουν έξυπνες λύσεις για τη μείωση του κόστους και του χρόνου ανάπτυξης, και η EngAI αναμένεται να κάνει κύματα από αυτή την άποψη.
Οι ερωτηθέντες αναμένουν ότι το EngAI θα συντομεύσει τους κύκλους ανάπτυξης ετών, τριμήνων ή μηνών, συμπεριλαμβανομένων των δοκιμών χαρακτηρισμού κυττάρων (61%), δοκιμών μονάδων και πακέτων (56%), ρυθμιστικών δοκιμών (53%) και δοκιμών βελτιστοποίησης χρέωσης (48%). Στο μεταξύ, αναμένουν ότι η τεχνητή νοημοσύνη θα εξοικονομήσει μεταξύ 10 και 10 εκατομμυρίων δολαρίων. USD σε περισσότερα από 100 εκατ. USD σε δοκιμές μπαταρίας γήρανσης και διάρκειας ζωής (37%), επαναλαμβανόμενες δοκιμές αστοχίας (39%), δοκιμές θερμικής διαφυγής (36%) και ρυθμιστικές δοκιμές. (32 τοις εκατό).
