Nissan, sviluppare auto senza guidarle: l’IA manda in pensione i vecchi test e dimezza i tempi

Nissan, sviluppare auto senza guidarle: l’IA manda in pensione i vecchi test e dimezza i tempi

In questo articolo

Il colosso giapponese rinnova la collaborazione con l’azienda software britannica fino al 2027. L’obiettivo è sfruttare 90 anni di dati storici per ridurre drasticamente i test fisici e velocizzare l’arrivo dei nuovi modelli su strada.

L’industria automobilistica sta vivendo una fase di profonda trasformazione digitale, dove la velocità di esecuzione è diventata un fattore critico quanto la qualità del prodotto stesso. In questo contesto, Nissan ha ufficializzato il prolungamento della sua partnership strategica con Monolith, azienda specializzata in soluzioni di intelligenza artificiale (IA) per l’ingegneria. L’accordo, esteso per ulteriori tre anni, punta a rivoluzionare le metodologie di validazione dei veicoli destinati al mercato europeo.

La collaborazione si inserisce nel più ampio piano aziendale denominato “Re:Nissan”, una strategia di rilancio che pone l’accento sull’efficienza operativa e sulla necessità di contrarre significativamente il time-to-market, ovvero il tempo che intercorre tra l’ideazione di un veicolo e la sua effettiva commercializzazione.

Nissan and Monolith have announced a three-year extension to their strategic partnership, using artificial intelligence (AI) to transform the vehicle development process and reduce the use of physical tests.

Meno test fisici grazie ai big data e all’apprendimento automatico

Il cuore tecnologico di questa alleanza risiede presso il Nissan Technical Centre Europe di Cranfield, nel Regno Unito. Qui, gli ingegneri stanno implementando un approccio che combina l’eredità storica del marchio con le più moderne tecnologie predittive. Invece di affidarsi esclusivamente a lunghi e costosi test fisici su strada o in laboratorio, il team utilizza la piattaforma IA di Monolith per analizzare un database immenso, costruito su 90 anni di attività di ricerca e sviluppo.

Il software, addestrato su questa mole di dati storici e su simulazioni digitali, è in grado di prevedere con elevata precisione come si comporterà un veicolo in determinate condizioni. Questo cambio di paradigma permette di:

  • Ridurre la dipendenza dalla costruzione di prototipi fisici.
  • Semplificare i flussi di lavoro ingegneristici.
  • Liberare risorse umane, permettendo agli specialisti di concentrarsi sul decision making e sulla risoluzione di problemi complessi piuttosto che sulla raccolta dati routinaria.

Dai test sui telai alla nuova Nissan Leaf: i risultati concreti

L’estensione dell’accordo non è un salto nel buio, ma il risultato di sperimentazioni che hanno già fornito metriche tangibili. In una fase precedente della collaborazione, Nissan e Monolith hanno applicato l’intelligenza artificiale allo studio dei giunti bullonati dei telai. L’algoritmo ha permesso di identificare la coppia di serraggio ottimale e di stabilire quali verifiche fossero realmente necessarie, eliminando quelle superflue.

Il risultato è stato una riduzione del 17% dei test fisici rispetto ai metodi tradizionali. Le proiezioni attuali indicano che, estendendo questo metodo all’intera gamma europea, si potrebbe arrivare a dimezzare i tempi complessivi di collaudo. Questa tecnologia è già stata integrata nel processo di sviluppo della nuova generazione di Nissan LEAF, prodotta nello stabilimento di Sunderland, e diventerà lo standard per i futuri modelli del marchio nel Vecchio Continente.

Le prospettive future della validazione virtuale

L’utilizzo dell’IA nell’automotive sta spostando l’equilibrio dalla validazione fisica a quella virtuale. Secondo quanto emerso dalle dichiarazioni dei responsabili del progetto, l’obiettivo non è solo la velocità, ma anche la sostenibilità del processo industriale, riducendo l’impiego di materiali e risorse energetiche legate ai test tradizionali.

Emma Deutsch, responsabile delle operazioni di test e ingegneria presso il centro tecnico europeo di Nissan, ha sottolineato come la combinazione tra machine learning e dati storici consenta oggi di simulare le prestazioni con una precisione notevole, accelerando l’innovazione. Sulla stessa linea Richard Ahlfeld, CEO di Monolith, che ha evidenziato come i risultati ottenuti con la casa giapponese siano la prova che l’apprendimento automatico è ormai uno strumento maturo per promuovere un’ingegneria più “intelligente” ed efficiente.

Con questo accordo valido fino al 2027, Nissan conferma la volontà di blindare il proprio processo di R&D, rendendolo più agile e reattivo alle mutevoli esigenze del settore della mobilità.

 

In questo articolo

Altri Tech Drive