Искусственный интеллект в автомобилестроении

Автомобильные компании сталкиваются с проблемами того, что команды дизайнеров, конструкторов и разработчиков находятся под постоянным давлением из-за нехватки времени. Но этих людей проблема касается только на первых этапах – ведь далее ситуация распространяется на отдел снабжения и производителей комплектующих. Может ли искусственный интеллект (ИИ) помочь справиться с такой угрожающей динамикой? Как цепочки поставок могут стать более эффективными от привлечения искусственного интеллекта и науки о данных?

Технологии окружают нас повсюду. Многие слышали о передовых системах помощи водителю, а некоторые уже успели воспользоваться ими. Такие водители утверждают, что чувствуют позитив от опыта вождения автомобилей с искусственным интеллектом. Автомобильная промышленность может извлечь выгоду из использования специальных датчиков, действующих на производственной линии, для повышения контроля качества на беспрецедентном уровне. Упомянутый пример является одним из немногих, который взят из пользовательского опыта производственных линий автоконцернов.

Однако, в этом материале взгляд будет сосредоточен на производственных приложениях ранних стадий разработки. Интересно будет узнать, как ИИ может повлиять на процесс начальных этапов производства автомобилей? Насколько быстрее можно прорабатывать элементы дизайна кузова? Можно ли сделать более компактной цепочку поставок между поставщиками первого уровня и OEM-производителями? Как можно интегрировать инновационные разработки нейронных сетей в высокотехнологичные аспекты проектирования, такие как CAE-моделирование?

Роль поставщиков комплектующих первого уровня в цепочке поставок

Давайте сделаем шаг назад, прежде чем говорить о технологии искусственного интеллекта. Рассмотрим организацию цепочки поставок в автомобильной промышленности. Так легче будет определить самостоятельно, где ИИ сможет помочь производителям.

Поставщики первого уровня в автомобильной промышленности играют фундаментальную роль в производстве традиционных, гибридных и электромобилей. Отношения к ним, со стороны автоконцернов, традиционно отличаются от отношений с поставщиками сырья. Ведь те сторонние компании, которые делают комплектующие для новых серийных автомобилей, тоже участвуют в обеспечении дополнительной ценности, надёжности и продаваемости модели. Такие поставщики должны быть компетентны, как в проектировании, так и в производстве. Немаловажными факторами являются надёжность и ответственность.

Этап запроса цен (запрос котировок) — это когда официально инициируется конкуренция с другими поставщиками. Компаниям первого уровня предлагается подать технические и коммерческие предложения, чтобы стать поставщиками оборудования для одной или нескольких моделей автомобилей, выпускаемых автопроизводителем. Тут для многих производителей комплектующих начинает играть значительную роль фактор времени, которое требуется для правильного расчёта. Необходимо учесть множество составляющих: производственные циклы, время на разработку и опытный образец, подбор материалов, себестоимость и т.п.

Вы никогда не задумались, в чём разница между поставками запчастей на вторичный рынок и для оригинальной разработки новой марки автомобиля? На вторичном рынке продаются уже готовые, протестированные компоненты. А для автопроизводителя поставщик должен приспосабливаться к каждому новому требованию, которое может возникнуть в процессе разработки, производства, даже через несколько лет после начала серийного выпуска. Постоянное сотрудничество между выбранными поставщиками и автоконцерном может продолжаться ещё многие годы после закрытия основного контракта.

Самим производителям транспортных средств нужны запчасти, отвечающие функциональным требованиям, таким как долговечность, надёжность энергоэффективность и т. д. До 90-х годов поставщики полагались на физические прототипы и циклы испытаний. Позже автоматизированная инженерия (CAE) в сочетании с автоматизированным проектированием (CAD) помогли сократить сроки и затраты на вышеуказанные циклы. Эта революция заключалась в переходе от аналоговой к цифровой (программное обеспечение 1.0) инженерии. Наконец, после этой трансформации, происходит переход к использованию программного обеспечения 2.0. Это такое ПО, которое «подпитывается» за счёт другого. Оно получает свои сверхспособности (то есть возможности прогнозной аналитики в реальном времени), питаясь данными, поступающими из «традиционного» программного обеспечения 1.0, такого как вышеупомянутые CAD и CAE. Революционный подход заключается в создании инструментов проектирования, которые учатся на существующем опыте и помогают инженерам разрабатывать компоненты лучше и быстрее.

Для простоты и наглядности примера можно сосредоточиться на деталях традиционного автомобильного жидкостного охлаждения двигателя. Не особо углубляясь внутрь самого двигателя, можно наблюдать, что в производстве элементов системы применяются очень разные производственные процессы, инженерные навыки. Как правило, в поставках этих компонентов участвуют разные сторонние компании.

Предположим, что система состоит из помпы (водяного насоса), бачка с охлаждающей жидкостью и радиатора двигателя - это три компонента, в поставке которых может быть задействовано три поставщика. Управлять разработкой этих компонентов будут разные лаборатории и инженеры с различной специализацией. Для производства будет использоваться кардинально разное оборудование, технологические процессы и материалы. Все это подчёркивает высокую степень технической специализации сторонних поставщиков.

Стоит немного затронуть новомодную тему автономных транспортных средств, которые используют различные технологии для решения проблем эксплуатации. Такими задачами могут быть навигация по дорогам, объезд препятствий и принятие важных решений. Такие транспортные средства используют алгоритмы компьютерного зрения, которые интерпретируют данные датчиков (оптических, ультразвуковых, сенсорных). Это позволяет им «понимать» окружающую среду. Искусственный интеллект может оказать помощь в распознавании объектов «заднего плана» (приближающихся пешеходов, других объектов, скрытых угроз). Интеграция этих систем уже проводится ведущими компаниями, а на дорогах появляются беспилотные грузовики и такси. Но впереди ещё множество нерешённых проблем – от высокой стоимости датчиков (что делает почти невозможным приобретение таких аппаратов простыми обывателями), до вопросов безопасной эксплуатации.

Рост высокопроизводительной вычислительной инфраструктуры и прогресс в методах высокоточного моделирования способствовали тому, что численное моделирование стало ключевым моментом в сокращении физических испытаний и повышении производительности продукта. Однако время, необходимое для запуска моделирования, является основным узким местом в цикле проектирования для инженера и, следовательно, во всём цикле разработки автомобиля. Именно поэтому ведущие автомобильные концерны выстраивают свою современную цифровую инфраструктуру со строительством мощных дата-центров и цифровыми испытательными лабораториями.

Именно здесь искусственный интеллект оказывает большое влияние, предоставляя инженерным компаниям рабочие процессы проектирования на основе моделирования в реальном времени. Используя большой объем данных, полученных инженерными группами при разработке прошлых автомобилей, ИИ позволил сделать будущие кампании по проектированию намного короче, с меньшими усилиями по разработке и более разумным использованием компьютерных инновационных инструментов.