Nissan tänker om när det gäller bilutveckling med hjälp av AI

Nissan har som mål att avsevärt påskynda sin fordonsutveckling. För detta ändamål utökar den japanska biltillverkaren sitt samarbete med AI-specialisten Monolith och förlänger det strategiska partnerskapet med ytterligare tre år. Huvudsyftet med samarbetet är att förändra hela utvecklingsprocessen och minska antalet dyra fysiska tester. Den specialiserade AI-lösningen är tänkt att hjälpa Nissan att implementera innovationer och skapa nya fordon mer effektivt och snabbare än tidigare.

Den japanska biltillverkaren ser sitt AI-system, som utvecklats i samarbete med Monolith, som en nyckelkomponent i sin globala företagsstrategi. Nissan, som fått namnet "Re:Nissan", använde Monoliths teknik för första gången under utvecklingen av den nya, helt eldrivna Nissan Leaf för AI-baserad validering av fordonstester. Nissan planerar att använda AI-mjukvaran i framtida nya modeller för den europeiska marknaden.

Monoliths teknik är inte bara ett simuleringsverktyg. AI-plattformen utnyttjar en omfattande datalagring, nämligen testdata från fordon som samlats in under nittio år av forskning och utveckling hos Nissan. Ingenjörer vid Nissan Technical Centre Europe i Cranfield, Storbritannien, använder redan programvaran. AI:n är utformad för att med hög precision kunna förutsäga resultaten av fysiska tester i verkligheten. Detta minskar beroendet av fysiska prototyper och optimerar därmed hela processen. Enligt Nissan gör detta att ingenjörerna kan fokusera mer på praktisk problemlösning och slutgiltigt beslutsfattande, istället för att upprepa standardtester.

AI-validering: Pilotprojektet har redan sparat in 17% av testerna

Beslutet att förlänga projektet med tre år fattades inte av en slump. Det är en följd av ett framgångsrikt samarbete kring en mycket specifik tillämpning: I pilotprojektet fastställde AI-tekniken det optimala vridmomentintervallet för åtdragning av skruvar. Ingenjörerna var imponerade av att AI-mjukvaran på ett tillförlitligt sätt kunde avgöra vilka ytterligare tester som fortfarande behövde utföras manuellt av specialister. De fysiska testerna inom detta område kunde minskas med cirka 17% jämfört med konventionella förfaranden utan AI.

Potentiell: Testtiderna i Europa kan halveras

Siffran 17% är uppenbarligen bara början. Nissan uppskattar att testtiden skulle kunna halveras om samma AI-strategi tillämpades på utvecklingen av hela det europeiska fordonssortimentet. Emma Deutsch, chef för Nissan Technical Centre Europe, har bekräftat att maskininlärningsmodellerna minskar beroendet av prototyper. AI kommer att spela en nyckelroll när det gäller att snabbare få ut nästa generations fordon till kunderna.

Dr. Richard Ahlfeld, VD och grundare av Monolith, tillägger att dessa AI-verktyg gynnar produktutvecklingen inom alla områden. Monoliths plattform använder verktyg som "Next Test Recommender" och "Anomaly Detector". Detta gör att utvecklingscyklerna kan halveras utan att kompromissa med fordonens kvalitet och prestanda.