Akkumulátorok fejlesztése prediktív mesterséges intelligencia-modellekkel

• · A korábbi akkumulátor-tesztadatokon alapuló prediktív modellezés felgyorsítja a legfontosabb teljesítménymutatók értékelését
• · A McKinsey egyik tanulmánya szerint az adatközpontú mesterséges intelligencia-megközelítések 20–80%-kal gyorsíthatják a kutatási és fejlesztési folyamatokat
• · Karcsúbb fizikai tesztkampányok validált előrejelző modellek révén

A Jungheinrich, az ipari berendezések világszerte vezető gyártója, az akkumulátoros ipari járművek fejlesztését gyorsítja az akkumulátor-tesztadatok modellezésével. Ehhez a vállalat a Monolith-tal működik együtt, amely adatvezérelt mérnöki és validációs folyamatokhoz kínál mesterséges intelligencia szoftvereket.

Az akkumulátor-technológiák rohamos fejlődése miatt az akkumulátorok teljesítményének megbízható értékelése, valamint integrálása az új járműplatformokba egyre összetettebb mérnöki és validációs feladatot jelent. Az együttműködés keretében a Jungheinrich mérnökei korai akkumulátor-tesztadatokat elemeznek, és a Monolith mesterséges intelligencián alapuló mérnöki eszközeinek segítségével ebből előrejelzéseket vezetnek le a termékre vonatkozó teljesítménymutatókra vonatkozóan. Ehhez gépi tanulási modelleket képeznek ki és validálnak valós tesztadatokkal, hogy korai szakaszban megbízható eredményeket nyerjenek a gyorsabb, megalapozottabb műszaki döntésekhez, és egyúttal csökkentsék a fizikai tesztkampányok terjedelmét.

A Jungheinrich fejlesztéseihez akkumulátor-teszteket végez, és eközben jelentős mennyiségű műszaki mérési és tesztadatot generál. A projekt keretében ezeket az adatkészleteket átviszik a Monolith mérnöki eszközeibe, hogy prediktív AI-modelleket képezzenek és validáljanak. 

Miközben a Jungheinrich bővíti elektromos termékportfólióját, az együttműködés célja a tesztadatok előrejelző modellekké történő átalakításával az akkumulátor-technológiák értékelésének és kiválasztásának optimalizálása. A mesterséges intelligencia alkalmazása a mérnöki munkában egyre nagyobb jelentőségre tesz szert, mivel a gyártókra egyre nagyobb nyomás nehezedik, hogy fenntarthatóbb termékeket szállítsanak, miközben csökkentik a fejlesztési időt és a költségeket. A McKinsey vizsgálatai arra utalnak, hogy a mesterséges intelligencián alapuló megközelítések 20–80%-kal gyorsíthatják a kutatási és fejlesztési folyamatokat a komplex gyártóiparban.

A Monolith ehhez egy mesterséges intelligenciával támogatott mérnöki szoftvert biztosít, amelynek célja a prototípusok és tesztkampányok iránti igény csökkentése, ezáltal segítve a mérnöki csapatokat abban, hogy a kritikus tervezési és validációs kérdésekre összpontosítsanak. Ezen felül a Jungheinrich hozzáférést kap egy központi mérnöki intelligencia-platformhoz, amelyen a csapatok biztonságosan hozzáférhetnek a tesztadatokhoz, a modellekkel kapcsolatos ismeretekhez, valamint a különböző fejlesztési programokból származó, következő kísérletekre vonatkozó ajánlásokhoz. A skálázható megoldás elősegíti a döntések korábbi meghozatalát a fejlesztési ciklusban, miközben csökkenti a költségeket és a tesztelési ráfordításokat. „Mivel tovább bővítjük elektromos ipari járműveink kínálatát, az akkumulátor-technológiák gyors és megbízható értékelésének képessége döntő fontosságú versenyelőnyünk megőrzése szempontjából. Az együttműködésnek köszönhetően jobban kihasználhatjuk tesztadatainkat, hogy korábban felismerjük az akkumulátorok kritikus teljesítményjellemzőit, és intelligensebb műszaki döntéseket hozzunk, amelyek támogatják a következő generáció hatékonyabb, fenntarthatóbb termékeit” – nyilatkozta Dr. Andreas Münz, a Jungheinrich AG HW Testing, Corporate Infrastructure & Test Methods részlegének vezetője.

„Az elektromosítás a kulcs ahhoz, hogy az ipari berendezések szektorát felkészítsük a jövőre, és az akkumulátorok teljesítményének optimalizálása ma központi tényező abban, hogy milyen gyorsan lehet új termékeket kifejleszteni és piacra vinni. A mesterséges intelligencia alkalmazásával a tesztadatok értékelésében segítünk a Jungheinrich csapatainak, hogy a komplex akkumulátor-adatsorokat hasznosítható ismeretekké alakítsák – ami viszont lehetővé teszi számukra, hogy gyorsabb és biztonságosabb döntéseket hozzanak, miközben csökkentik a költséges fizikai tesztektől a függőséget” – emelte Dr. Richard Ahlfeld, a Monolith vezérigazgatója és alapítója.

Kép: A Jungheinrich a Monolith prediktív mesterséges intelligencia modelljeinek segítségével gyorsabban értékeli az akkumulátorok teljesítményét, és csökkenti a fejlesztési és tesztelési költségeket.