Non lo sapevamo, ma le nostre auto sono già disegnate dall'AI

1 ora fa 1

L'industria automotive sta già usando strumenti software basati sull'AI per ridurre i costi di progettazione: le nostre auto le disegna anche l'algoritmo.

Giuseppe Croce

30 novembre - 11:50 - MILANO

La tecnologia Cad (Computer Aided Design, design aiutato dal computer) e Cae (Computer Aided Engineering, progettazione aiutata dal computer) è parte integrante del flusso di sviluppo dell'industria automobilistica già da decenni, ma da alcuni anni al Cad e al Cae si è aggiunta una robusta dose di AI. Sì, l'intelligenza artificiale, anche quella "generativa", è entrata ampiamente nel processo industriale che porta dal bozzetto alla concessionaria e questo, nell'immediato, può aiutare le case automobilistiche ad abbattere i costi di sviluppo dei nuovi modelli. Nel medio periodo, invece, potrà ridurre i tempi di sviluppo dei nuovi modelli in maniera significativa.

L'AI DISEGNA GIà LE AUTO

—

I costruttori di auto hanno oggi due urgenze: la prima è diminuire i costi di sviluppo dei nuovi prodotti, per far fronte a margini sempre più bassi, la seconda è creare prodotti che rispettino una normativa, di sicurezza e ambientale, sempre più stringente. Per gli ingegneri è un rompicapo sempre più difficile da risolvere e il tempo non è dalla loro parte: i migliori produttori automotive europei e americani sviluppano un nuovo modello in 4-5 anni, i cinesi ci riescono in 18-24 mesi. Chi prima arriva, molto spesso, si prende una bella fetta della torta e lascia poco agli altri. L'AI entra nel processo proprio per risolvere questo problema: il primo pregio dell'intelligenza artificiale generativa, infatti, è proprio quello di permettere agli ingegneri di progettare e testare nuove soluzioni in un tempo nettamente inferiore rispetto al passato. Il fatto che il processo di sviluppo costi anche meno è un plus, ma non è nemmeno il vantaggio principale. Aziende come la francese Dassault Systèmes, la tedesca Siemens, le americane Autodesk, Ptc, Altair Engineering, nTop, Ansys, sviluppano software di Cad e Cae con funzioni di AI avanzata che permettono di "inventare" soluzioni ingegneristiche nuove, in grado di risolvere i problemi per i quali sono state create e di integrarsi, al contempo, nel progetto già sviluppato. Se è necessario, ad esempio, sviluppare una nuova sospensione per un modello già esistente, perché si vuole creare una versione più sportiva e performante dell'auto, si dovranno rispettare alcuni limiti imposti dal fatto che il resto del pianale resterà sostanzialmente invariato. Bisognerà disegnare componenti più rigidi ed efficaci, ma che calzino a pennello nello spazio disponibile, siano compatibili con i punti di ancoraggio esistenti, siano anche realizzabili dagli eventuali fornitori esterni. Ecco, allora, che l'AI generativa può creare decine di alternative percorribili, in base ai dati esistenti. E può farlo in poche ore, mentre per un team di ingegneri ci vorrebbero giorni, se non settimane. Discorso identico per le variazioni di carrozzeria: un semplice restyling della mascherina frontale comporta potenziali variazioni dell'aerodinamica, dei consumi di carburante (e di conseguenza delle emissioni di CO2), dell'assorbimento degli urti, del flusso d'aria che raffredda il radiatore. Anche in questo caso l'AI può disegnare decine di design diversi basati sui dati inseriti dagli ingegneri, accelerando moltissimo lo sviluppo dei nuovi componenti.

IL FUTURO: IL GEMELLO DIGITALE

—

Tutto questo non è il futuro, ma il presente: case auto come Renault, Volkswagen, Mahindra e Neta (brand della cinese Hozon Auto) usano già le soluzioni AI di Dassault Systèmes, Ford e General Motors usano i software di nTop, il produttore tedesco di componentistica auto ZF usa software Ansys, come anche Hyundai, Marelli, Ford, Lucid Motors, Rivian e persino Oracle Red Bull Racing. Il futuro dell'AI applicata all'industria automotive, invece, è solo all'inizio e si chiama "digital twin". I gemelli digitali sono riproduzioni completamente digitali di un prodotto o di una struttura, che servono per fare simulazioni completamente virtuali. Creando un modello completamente digitale di un'automobile e inserendola in un ambiente altrettanto virtuale, ma che riproduce città e altri ambienti reali, è possibile accumulare dati sul comportamento su strada di quell'auto ancor prima di produrla. In questo caso l'AI non serve solo a creare nuovi componenti per risolvere i diversi problemi che saltano fuori man mano che si testa il gemello digitale, ma serve persino a inventarsi i problemi stessi, a creare uno scenario in cui l'auto potrebbe essere coinvolta ma che è difficile o costoso da mettere in pratica. L'industria automotive usa già i digital twin per simulazioni a livello di singolo componente e, in alcuni casi, di intero veicolo. Un uso massiccio di questi sistemi in ambienti simulati complessi, però, necessita una enorme capacità di calcolo che, al momento, non solo costa ma è anche difficile da ottenere, gestire e manutenere. Soprattutto a livello di sicurezza informatica: esistono servizi di calcolo in cloud che offrono alle industrie una grandissima potenza di elaborazione, ma far girare su un server esterno un gemello digitale di un modello di auto non ancora in produzione è qualcosa di estremamente problematico: il rischio maggiore, infatti, è quello della fuga di dati causata da un attacco informatico al fornitore esterno. In un caso del genere il gemello digitale della nostra auto potrebbe finire in mano ad un competitor ancor prima che il gemello reale veda la luce.