Por: Royston Jones, PhD, Director Global de Automoción y Transporte, Siemens Digital Industries Software

La simulación ha sido una tecnología clave en la industria automotriz durante muchas décadas. Las simulaciones predictivas permiten a los ingenieros y diseñadores comprender cómo funcionarán las piezas de un vehículo, o incluso vehículos completos, en una multitud de condiciones antes de fabricarlos físicamente. Esto ha resultado especialmente útil en casos complejos, como las pruebas aerodinámicas externas en túneles de viento o las pruebas de resistencia a choques. ¿Por qué dedicar tiempo y recursos físicos a realizar estas difíciles evaluaciones cuando se pueden completar mucho más rápido de forma virtual?

Sin embargo, los vehículos que se diseñan hoy en día son muy diferentes y más complejos que los diseñados, por ejemplo, hace una década. Mientras que los vehículos del pasado eran tradicionalmente productos centrados en la mecánica, los actuales son productos multifísicos en muchos sentidos. Muchos modelos están sustituyendo los motores de combustión interna por baterías eléctricas, además de convertirse en vehículos definidos por software, que incorporan software, sensores y componentes electrónicos que recopilan datos en tiempo real en todo el vehículo.

Estos vehículos eléctricos generan calor, por lo que requieren nuevos sistemas de refrigeración para evitar que las baterías se sobrecalienten. La cantidad de nuevos cálculos físicos que deben realizarse a partir de estas tecnologías puede suponer un reto para el software de simulación tradicional, lo que conlleva el riesgo de que se produzcan cuellos de botella en el proceso de diseño.

Sin embargo, existe otra tecnología que también ha ido ganando terreno últimamente y que tiene el potencial de aliviar estos cuellos de botella: la inteligencia artificial (IA). La IA puede funcionar a velocidades increíbles, generando resultados en segundos en lugar de horas o días, pero como aún se encuentra en una fase incipiente, esto puede suponer inicialmente un sacrificio en cuanto a precisión. Afortunadamente, combinar la IA con la simulación puede ayudar a obtener lo mejor de ambos mundos. Al aprovechar los abundantes datos de simulación para entrenar modelos de IA, que luego pueden utilizarse para explorar rápidamente un espacio de diseño y guiar simulaciones adicionales, el proceso de diseño de productos existente puede mejorarse para que sea más rápido y flexible.

El estado actual de la IA en la industria automotriz

En el momento de redactar este artículo, la huella de la IA y su influencia en el diseño automovilístico es pequeña, pero va en aumento. Al fin y al cabo, la IA es todavía bastante nueva, y tratar de aplicarla a situaciones para las que no está preparada conllevará sus propios retos, como el riesgo de reducir la precisión.

Sin embargo, si hay algo en lo que destaca la IA es en su capacidad para aprender rápidamente a partir de datos históricos. Los ingenieros pueden educar y entrenar a la IA utilizando datos de vehículos y sus simulaciones, mejorando así sus conocimientos con el tiempo. Con el tiempo, la IA puede aprender lo suficiente como para captar aspectos clave de los diseños y usos anteriores de los vehículos y producir simulaciones más precisas, mejorando así el proceso de diseño para la próxima generación. Es muy probable que la influencia de la IA en el diseño y la simulación automotrices aumente con cada nueva generación de vehículos.

Por qué IA?

Aunque algunos puedan cuestionar la utilidad de utilizar la IA cuando aún se encuentra en una fase incipiente, existen numerosas razones para empezar a utilizarla ahora mismo en las simulaciones automovilísticas. Además de entrenarla desde el principio para aumentar su experiencia en el futuro, los modelos actuales de IA pueden ayudar a los ingenieros y diseñadores acelerando la realización de simulaciones complejas.

Consideremos los mayores obstáculos que plantean actualmente las simulaciones y que requieren mucho tiempo: la creación del modelo de simulación y, a continuación, la cantidad de tiempo necesario para generar y calcular los datos de la simulación. Ahora apliquemos esto a algunas de las simulaciones más complejas de la industria automotriz, como las pruebas de aerodinámica externa y resistencia a los choques mencionadas anteriormente. En las pruebas de choque, por ejemplo, los ingenieros pueden realizar muchas simulaciones de choque diferentes en el espacio de diseño, lo que genera una gran cantidad de datos que procesar. Lo último que desean los ingenieros es pasar sus días analizando cada simulación y crear otro cuello de botella.

La IA puede automatizar tareas sencillas, como identificar la simulación más relevante para su posterior análisis, lo que ahorra una gran cantidad de tiempo a los ingenieros y diseñadores. Por ejemplo, una de las cosas en las que la IA ya ha demostrado su eficacia es en el reconocimiento de patrones de datos, lo que puede resultar especialmente útil en simulaciones que tratan con geometrías complejas, como las pruebas de choque. La IA puede tomar todas las simulaciones generadas en el espacio de diseño y agruparlas en distintos tipos de comportamiento del sistema de choque, lo que reduce el campo de investigación y presenta información clave.

De esta manera, los ingenieros y diseñadores pueden centrarse en los conocimientos clave y saltarse el laborioso proceso de examinar grandes volúmenes de datos, lo que a su vez les permite avanzar más rápidamente a las siguientes etapas del proceso de diseño. Además, cuanto más evoluciona la IA, mejor puede manejar datos físicos y geométricos de mayor complejidad, ampliando así los tipos de simulaciones que puede mejorar.

Copilotos en los que puedes confiar

Los ejemplos descritos anteriormente son solo el principio. La IA también tiene un inmenso potencial para convertirse en copilotos y bancos de conocimiento que pueden reforzar la experiencia y la creatividad de los ingenieros.

Hay dos áreas generales en las que se engloban este tipo de aplicaciones. La primera se desarrolla como copiloto interno dentro de un software concreto. Este copiloto puede llegar a conocer muy bien ese software, convirtiéndose en un valioso asistente para sus usuarios. Las herramientas de simulación son un objetivo principal para los copilotos y, en las empresas en las que se jubilan los ingenieros más experimentados, los copilotos pueden ayudar a los ingenieros recién contratados a familiarizarse con el software de simulación.

La otra área de aplicación del copiloto consiste en integrar la IA más profundamente en una plataforma de software hasta el punto de controlar todo un proceso a través de un flujo de trabajo agentivo. Los ingenieros pueden dar instrucciones a estos agentes directamente cuando lo deseen, por ejemplo, para realizar un cambio en una parte concreta de la estructura de su producto. La IA puede realizar el cambio por sí misma (por ejemplo, cambiar el modelo de simulación y luego ejecutar la simulación). Esto puede acelerar significativamente el proceso de diseño, automatizando muchas de sus operaciones rutinarias y dando a los ingenieros más tiempo para explorar y simular diferentes opciones de diseño y desarrollar su creatividad.

Por supuesto, como se mencionó anteriormente, la IA aún se encuentra en una etapa inicial y el alcance total de estas capacidades aún no es habitual. Sin embargo, lo que es seguro es que está aprendiendo rápidamente. La tecnología de IA avanza junto con la industria automotriz, convirtiéndose en una herramienta poderosa en la caja de herramientas del ingeniero que puede ayudar a equilibrar el software de simulación con la creciente complejidad multifísica de los vehículos actuales. Al invertir en IA desde el principio, las empresas pueden cosechar sus frutos a medida que madura, acelerando las capacidades de simulación y la digitalización de la industria automotriz y del transporte.

Royston Jones, PhD, es director global de Automoción y Transporte de Siemens Digital Industries Software. El Dr. Jones ocupó anteriormente los cargos de director de Tecnología de Diseño de Productos y vicepresidente sénior de Automoción Global de Altair antes de su adquisición por parte de Siemens.

Durante más de 40 años, Jones ha ayudado a los clientes a impulsar la innovación en sus productos y procesos mediante la simulación, la optimización y, más recientemente, la inteligencia artificial. También ha desempeñado un papel fundamental en el desarrollo de soluciones de vanguardia para la industria automotriz, incluidas metodologías para reducir el peso de los vehículos («C123Process») y optimizar el rendimiento de las baterías, al tiempo que se reduce significativamente el tiempo de diseño.

Jones tiene un PhD, un M.Sc. y un B.Sc en ingeniería civil por la Universidad de Swansea, además de ser profesor honorario en su Facultad de Ingeniería.