Cambio a la izquierda impulsado por la IA
En el proceso de desarrollo de vehículos, es ventajoso para las empresas desplazarse a la izquierda en el ciclo V tanto como sea posible. Al evitar los cambios de diseño en las últimas fases, los equipos de ingeniería pueden conseguir importantes ahorros de tiempo y costes y ayudar a que los productos lleguen antes al mercado.
La inteligencia artificial (IA) es una herramienta cada vez más popular que permite a los equipos de ingeniería desplazarse hacia la izquierda. Por ejemplo, los ingenieros pueden entrenar redes neuronales para que busquen entre enormes cantidades de datos y modelos de simulación y ayuden a identificar la configuración ideal de un vehículo o componente.
Impulsado por la IA, el esfuerzo por cambiar a la izquierda es más urgente que nunca a medida que el mundo transita hacia un futuro más sostenible con la electrificación. Muchos fabricantes de equipos originales (OEM) están en proceso de transición de la producción de motores de combustión interna (ICE) a vehículos impulsados por baterías. Cada uno de estos vehículos cuenta con años de datos de desarrollo y modelos de simulación que ahora deben adaptarse a la electrificación.
Redes neuronales para fijar objetivos de vehículos
Simcenter Engineering Services y Hyundai Motor Group se asociaron para utilizar la IA con el fin de reducir el proceso de optimización de parámetros para el Genesis GV 80.
Al comienzo de su viaje hacia la electrificación, Hyundai Motor Group (HMG) reconoció la necesidad de implementar la IA para permitir un cambio sin fisuras hacia la izquierda en el proceso de desarrollo de vehículos eléctricos. En 2023, se asociaron con Simcenter Engineering and Consulting services para construir las redes neuronales que les permitirán definir los requisitos basados en la arquitectura en la fase de concepto del desarrollo del vehículo.
Al principio del proceso de diseño (a la izquierda del ciclo en V), los equipos de ingeniería suelen tener una estimación de lo que les gustaría ver en su próxima generación de vehículos, incluida la masa, el tamaño, la tecnología de suspensión, etc. Estas primeras ideas deben explorarse y analizarse de la forma más eficiente posible para definir el diseño y la configuración ideales. El establecimiento de objetivos para atributos como la masa óptima, la cinemática, la facilidad de conducción, la conducción y el manejo proporciona a los equipos de ingeniería indicadores clave de rendimiento (KPI) subjetivos que deben cumplir. Cuanto antes se alcancen estos objetivos, más tiempo y costes ahorrará la empresa.
Ilsoo Jeong, ingeniero de confort, forma parte del equipo de desarrollo virtual de confort de conducción de Hyundai Motor Group. Su equipo se encargó de fijar objetivos para el desarrollo del chasis del Genesis GV 80, que saldrá al mercado en una futura generación como vehículo eléctrico (VE).
“Nuestro objetivo era lograr el máximo confort y maniobrabilidad, por lo que tuvimos que considerar cientos de parámetros del chasis, como la distribución de masas, la cinemática de la suspensión o el sistema de montaje”, explica Jeong. “También tuvimos que considerar cómo tendrían que cambiar estos diseños y configuraciones teniendo en cuenta que el motor de combustión interna se sustituirá por una batería”.
“Además, queríamos poder realizar análisis de sensibilidad para entender rápidamente cómo los cambios en el diseño de un componente pueden afectar al rendimiento de otros. Nos dimos cuenta de que la IA podía ayudarnos a conseguirlo de forma rápida y eficaz. Nos asociamos con Simcenter Engineering and Consulting Services para construir estas redes neuronales porque tenían la mayor experiencia en Simcenter Amesim, nuestra herramienta preferida, y por su amplia experiencia en el proceso de desarrollo de vehículos.”
Optimización de la arquitectura del VE
En otro proyecto, el equipo de Simcenter Engineering Services había colaborado con los ingenieros de HMG para desarrollar una arquitectura en el software Simcenter Amesim que pudiera utilizarse para evaluar diversas maniobras del vehículo y proporcionar un posprocesamiento automático.
Esta arquitectura permitía ponderar criterios por separado -incluidos 52 KPI individuales para cada requisito- para obtener una puntuación global, y podía manejar más de 350 parámetros como entrada.
En este proyecto, Simcenter Engineering Services amplió este trabajo para aplicarlo al chasis. Utilizando los objetivos proporcionados por HMG, los ingenieros de Simcenter generaron más de 200.000 modelos de simulación en Simcenter Amesim y los validaron con vehículos reales. Guardaron los resultados de la simulación en un sistema informático de alto rendimiento (HPC) para que pudieran ejecutarse más rápidamente en el futuro.
“Simcenter Amesim fue la fuerza impulsora de nuestra decisión de seleccionar a Siemens para este proyecto”, explica Jeong. “Sólo Simcenter Amesim tenía las capacidades para realizar el número de simulaciones que necesitábamos, así como la flexibilidad para atributos como la frecuencia NVH. Simcenter Amesim también era ventajoso porque nos permitía trabajar con nuestras propias plantillas en lugar de con una preconfeccionada”. En cuanto a flexibilidad y tiempo de simulación, Simcenter Amesim fue la mejor elección”.
Utilizando el software Simcenter Reduced Order Modeling, Simcenter Engineering Services creó y entrenó una red neuronal para obtener resultados de simulación que permiten la optimización directa de los modelos más adelante en el proceso. Esta red neuronal se integra con el software HEEDS para ayudar a los ingenieros de HMG a identificar la configuración ideal del vehículo.
“Si nuestros objetivos o parámetros cambian, ya no tendremos que empezar todo el proceso desde cero”, afirma Jeong. “Ahora podemos encontrar el conjunto óptimo de parámetros muy rápidamente buscando a través de la red neuronal construida por Simcenter Engineering Services. La posibilidad de recuperar fácilmente los resultados de la simulación nos permite informar rápidamente al equipo de cada subsistema sobre la configuración ideal. Más adelante en el desarrollo, también podremos comparar eficazmente el rendimiento de conducción del vehículo con nuestros objetivos utilizando los datos de referencia recuperados por la red neuronal.”
Ahorro de tiempo gracias a la IA
La colaboración con Simcenter Engineering Services y el uso del software Simcenter han supuesto importantes ventajas en el proceso de ingeniería para el equipo de Jeong.
“Antes de este proyecto, una evaluación de requisitos tardaba dos minutos en ejecutarse en simulación”, afirma Jeong. “Utilizando la red neuronal desarrollada por Simcenter Engineering Services, esto se redujo a una décima de segundo. Del mismo modo, el proceso de optimización de los parámetros de nuestros subsistemas solía durar una semana. Con la ayuda de Simcenter Engineering Services, se ha reducido a 15 minutos”.
Juntos, Jeong y el equipo de Simcenter Engineering Services están trabajando para obtener aún más beneficios de eficiencia de esta red neuronal. Pronto se integrarán con el software Teamcenter para enlazar completamente y proporcionar trazabilidad a parámetros y requisitos. Esto permitirá a un director de programa sin conocimientos de simulación introducir directamente sus requisitos y utilizar parámetros de un proyecto anterior para ejecutar simulaciones directamente en la web. A continuación, podrán predecir el rendimiento del sistema u optimizar los conjuntos de parámetros de los subsistemas, acercando el poder de la simulación de sistemas a los no expertos.
“La cartera Simcenter de Siemens y los servicios de ingeniería Simcenter seguirán siendo un socio de desarrollo especial para HMG”, afirma Jeong. “Nuestras empresas mantienen una sólida relación y estoy deseando colaborar en futuros proyectos”.