Por Royston Jones, PhD, Head Global de Automotivo & Transporte, Siemens Digital Industries Software
A simulação tem sido uma tecnologia-chave da indústria automotiva por muitas décadas. Simulações preditivas permitem que engenheiros e designers compreendam como partes de um veículo, ou até veículos inteiros, irão operar sob diversas condições antes mesmo de construí-los fisicamente. Isso tem se mostrado especialmente útil em casos de questões complexas, como testes externos de aerodinâmica em túnel de vento ou testes de segurança veicular (crashworthiness ou “resistência ao choque”, em português). Por que gastar tempo e recursos físicos realizando essas avaliações difíceis quando elas podem ser completadas muito mais rapidamente de forma virtual?
No entanto, os veículos projetados hoje são notavelmente diferentes e mais complexos do que os veículos projetados, digamos, há uma década. Enquanto os veículos do passado eram tradicionalmente produtos centrados na mecânica, os veículos atuais são produtos multifísicos em vários aspectos. Muitos modelos estão substituindo motores de combustão interna por baterias elétricas, além de se tornarem veículos definidos por software, incorporando software, sensores e eletrônicos que coletam dados em tempo real em todo o veículo.
Esses veículos elétricos geram calor, exigindo novos sistemas de resfriamento para evitar o superaquecimento das baterias. A quantidade de novas físicas a ser calculada a partir dessas tecnologias pode ser desafiadora para softwares de simulação tradicionais, criando o risco de gargalos no processo de design.
No entanto, existe outra tecnologia que também tem se destacado recentemente e que tem o potencial de aliviar esses gargalos: a inteligência artificial (IA). A IA pode trabalhar em velocidades incríveis, gerando resultados em segundos em vez de horas ou dias, mas como ainda está em sua infância, isso pode ocorrer às custas da precisão inicial. Felizmente, a combinação de IA com simulação pode ajudar a alcançar o melhor dos dois mundos. Ao utilizar dados ricos de simulação para treinar modelos de IA, que podem então ser usados para explorar rapidamente um espaço de design e orientar simulações adicionais, o processo de design existente pode ser aprimorado, tornando-se mais rápido e flexível.
O estado da IA no automotivo
No momento em que este artigo foi escrito, a presença da IA e sua influência no design automotivo ainda são pequenas, mas estão crescendo. Afinal, a IA ainda é relativamente nova, e tentar aplicá-la em situações para as quais não foi treinada vem com seus próprios desafios, como o risco de redução da precisão.
Se há uma coisa em que a IA é boa, no entanto, é aprender rapidamente a partir de dados históricos. Engenheiros podem educar e treinar a IA usando dados de veículos e suas simulações, aumentando o conhecimento da IA ao longo do tempo. Eventualmente, a IA pode aprender o suficiente para capturar aspectos-chave de projetos e usos de veículos anteriores, produzindo simulações mais precisas e aprimorando o processo de design da próxima geração. A influência da IA no design automotivo e na simulação provavelmente aumentará a cada nova geração de veículos.
Por que IA?
Embora alguns possam questionar o valor de usar IA enquanto ainda está em sua infância, existem muitas razões para começar a usar IA em simulações automotivas agora. Além de treiná-la cedo para aumentar sua expertise no futuro, os modelos atuais de IA ainda podem ajudar engenheiros e designers acelerando a conclusão de simulações complexas.
Considere os maiores obstáculos de tempo nas simulações hoje: a criação do modelo de simulação e o tempo necessário para gerar e processar dados a partir da simulação. Agora aplique isso às simulações mais complexas da indústria automotiva, como os testes de aerodinâmica externa e de segurança mencionados anteriormente. Em testes de colisão, por exemplo, os engenheiros podem rodar muitas simulações de colisão diferentes no espaço de design, gerando uma grande quantidade de dados a serem processados. A última coisa que os engenheiros querem é passar dias analisando cada simulação individualmente e criar outro gargalo.
A IA pode automatizar tarefas simples, como identificar a simulação mais relevante para análise adicional, economizando enormes quantidades de tempo para engenheiros e designers. Por exemplo, uma coisa em que a IA já se mostrou eficiente é reconhecer padrões de dados, o que pode ser especialmente útil em simulações que lidam com geometrias complexas, como testes de colisão. A IA pode agrupar todas as simulações geradas no espaço de design em tipos distintos de comportamento do sistema de colisão, restringindo o campo de investigação e apresentando insights-chave.
Dessa forma, engenheiros e designers podem se concentrar nos insights mais importantes e evitar o processo demorado de analisar volumes de dados, permitindo avançar mais rapidamente para as próximas etapas do processo de design. Além disso, quanto mais a IA evolui, melhor ela pode lidar com dados físicos e geométricos de alta complexidade, expandindo os tipos de simulações que pode aprimorar.
Copilotos em que você pode confiar
Os exemplos descritos acima são apenas o começo. A IA também tem imenso potencial para se tornar copilotos e bancos de conhecimento que podem reforçar a expertise e a criatividade dos engenheiros.
Existem duas áreas gerais em que esse tipo de aplicação se enquadra. A primeira é o copiloto interno dentro de um software específico. Esse copiloto pode então se tornar altamente especializado nesse software, tornando-se um assistente valioso para seus usuários. Ferramentas de simulação são um alvo principal para copilotos, e em empresas onde engenheiros mais experientes estão se aposentando, os copilotos podem ajudar engenheiros recém-contratados a se familiarizar com o software de simulação.
A outra área de aplicação de copilotos envolve integrar a IA mais profundamente em uma plataforma de software, a ponto de governar um processo inteiro por meio de um fluxo de trabalho automatizado. Engenheiros podem instruir esses agentes diretamente quando desejarem, por exemplo, alterar uma parte específica da estrutura de um produto. A IA pode realizar a mudança sozinha (por exemplo, alterar o modelo de simulação e então rodar a simulação). Isso pode acelerar significativamente o processo de design, automatizando muitas operações rotineiras e dando mais tempo aos engenheiros para explorar diferentes opções de design e estimular sua criatividade.
Claro, como mencionado anteriormente, a IA ainda está em sua infância, e a extensão completa dessas capacidades ainda não é comum. O que é certo, no entanto, é que ela está aprendendo rapidamente. A tecnologia de IA está avançando junto com a indústria automotiva, tornando-se uma ferramenta poderosa na caixa de ferramentas do engenheiro, ajudando a equilibrar softwares de simulação com a crescente complexidade multifísica dos veículos atuais. Ao investir em IA desde cedo, as empresas podem colher seus benefícios à medida que a tecnologia amadurece, acelerando as capacidades de simulação, bem como a digitalização da indústria automotiva e de transporte.
Sobre o Autor
Royston Jones, PhD, é Head Global de Automotivo & Transporte da Siemens Digital Industries Software. O Dr. Jones atuou anteriormente como CTO de Product Design e Vice-Presidente Sênior do Vertical Automotivo Global da Altair antes de sua aquisição pela Siemens.
Por mais de 40 anos, Jones tem ajudado clientes a impulsionar a inovação em seus produtos e processos por meio de simulação, otimização e, mais recentemente, IA. Ele também desempenhou papel fundamental no desenvolvimento de soluções avançadas para o setor automotivo, incluindo metodologias para reduzir o peso do veículo (‘C123Process’) e otimizar o desempenho de pacotes de baterias, reduzindo significativamente o tempo de design.
Jones possui Ph.D., M.Sc. e B.Sc. em engenharia civil pela Swansea University, além de uma posição honorária de professor em sua School of Engineering.
