Nissan mở rộng hợp tác với công ty AI Monolith thêm ba năm nhằm tăng tốc phát triển xe và giảm số bài kiểm tra vật lý tốn kém. Họ kỳ vọng trí tuệ nhân tạo sẽ rút ngắn thời gian thử nghiệm và giúp ra mắt xe nhanh hơn cho thị trường châu Âu.
Nissan đang nỗ lực đẩy nhanh quy trình phát triển ô tô bằng cách mở rộng mối hợp tác chiến lược với Monolith — một chuyên gia về trí tuệ nhân tạo — thêm ba năm. Mục tiêu chính là chuyển đổi toàn bộ quy trình phát triển và giảm các thử nghiệm vật lý tốn kém bằng các giải pháp AI chuyên dụng.
Nền tảng AI của Monolith không chỉ là công cụ mô phỏng đơn thuần mà còn khai thác một kho dữ liệu khổng lồ: dữ liệu thử nghiệm từ gần chín mươi năm nghiên cứu và phát triển của Nissan. Các kỹ sư tại Nissan Technical Centre Europe ở Cranfield (Anh) đã bắt đầu sử dụng phần mềm để dự đoán chính xác kết quả các thử nghiệm vật lý trong thế giới thực.
Nhờ khả năng dự đoán này, Nissan giảm sự phụ thuộc vào nguyên mẫu vật lý, tối ưu hóa quy trình và giúp kỹ sư tập trung vào việc giải quyết vấn đề thực tế và đưa ra quyết định cuối cùng thay vì lặp lại các kiểm tra tiêu chuẩn.
Trong dự án thí điểm, công nghệ AI đã xác định được dải mô-men xoắn tối ưu khi siết ốc, nhờ đó giảm khoảng 17% số bài kiểm tra vật lý so với quy trình truyền thống. Kết quả này khiến Nissan mở rộng hợp tác thêm ba năm và tin rằng còn nhiều tiềm năng hơn nữa.
Nissan ước tính nếu áp dụng phương pháp AI tương tự cho toàn bộ dòng xe châu Âu, thời gian thử nghiệm có thể giảm tới một nửa. Emma Deutsch, Giám đốc tại Nissan Technical Centre Europe, xác nhận các mô hình máy học giúp giảm nhu cầu nguyên mẫu và sẽ đóng vai trò then chốt để đưa thế hệ xe tiếp theo đến khách hàng nhanh hơn.
Dr. Richard Ahlfeld, CEO kiêm nhà sáng lập Monolith, cho biết nền tảng của họ cung cấp nhiều công cụ hỗ trợ phát triển sản phẩm như "Next Test Recommender" (gợi ý thử nghiệm tiếp theo) và "Anomaly Detector" (phát hiện bất thường). Những công cụ này giúp rút ngắn chu kỳ phát triển mà không làm giảm chất lượng và hiệu suất của xe.
Nguồn: Notebookcheck
Nissan đang nỗ lực đẩy nhanh quy trình phát triển ô tô bằng cách mở rộng mối hợp tác chiến lược với Monolith — một chuyên gia về trí tuệ nhân tạo — thêm ba năm. Mục tiêu chính là chuyển đổi toàn bộ quy trình phát triển và giảm các thử nghiệm vật lý tốn kém bằng các giải pháp AI chuyên dụng.
Re:Nissan và ứng dụng thực tế
Hệ thống AI hợp tác giữa Nissan và Monolith mang tên "Re:Nissan" đã được thử nghiệm trong quá trình phát triển mẫu Nissan Leaf chạy điện hoàn toàn, dùng để xác thực các bài kiểm tra xe bằng AI. Nissan dự định áp dụng phần mềm này cho các mẫu xe mới sắp ra mắt tại châu Âu.Nền tảng AI của Monolith không chỉ là công cụ mô phỏng đơn thuần mà còn khai thác một kho dữ liệu khổng lồ: dữ liệu thử nghiệm từ gần chín mươi năm nghiên cứu và phát triển của Nissan. Các kỹ sư tại Nissan Technical Centre Europe ở Cranfield (Anh) đã bắt đầu sử dụng phần mềm để dự đoán chính xác kết quả các thử nghiệm vật lý trong thế giới thực.
Nhờ khả năng dự đoán này, Nissan giảm sự phụ thuộc vào nguyên mẫu vật lý, tối ưu hóa quy trình và giúp kỹ sư tập trung vào việc giải quyết vấn đề thực tế và đưa ra quyết định cuối cùng thay vì lặp lại các kiểm tra tiêu chuẩn.
Trong dự án thí điểm, công nghệ AI đã xác định được dải mô-men xoắn tối ưu khi siết ốc, nhờ đó giảm khoảng 17% số bài kiểm tra vật lý so với quy trình truyền thống. Kết quả này khiến Nissan mở rộng hợp tác thêm ba năm và tin rằng còn nhiều tiềm năng hơn nữa.
Nissan ước tính nếu áp dụng phương pháp AI tương tự cho toàn bộ dòng xe châu Âu, thời gian thử nghiệm có thể giảm tới một nửa. Emma Deutsch, Giám đốc tại Nissan Technical Centre Europe, xác nhận các mô hình máy học giúp giảm nhu cầu nguyên mẫu và sẽ đóng vai trò then chốt để đưa thế hệ xe tiếp theo đến khách hàng nhanh hơn.
Dr. Richard Ahlfeld, CEO kiêm nhà sáng lập Monolith, cho biết nền tảng của họ cung cấp nhiều công cụ hỗ trợ phát triển sản phẩm như "Next Test Recommender" (gợi ý thử nghiệm tiếp theo) và "Anomaly Detector" (phát hiện bất thường). Những công cụ này giúp rút ngắn chu kỳ phát triển mà không làm giảm chất lượng và hiệu suất của xe.
Nguồn: Notebookcheck
Bài viết liên quan
