Topmanagers in de auto-industrie noemen Engineering AI van cruciaal belang om concurrerend te blijven bij de ontwikkeling van batterijen voor elektrische voertuigen (EV). Met Engineering AI wordt een ‘verstandige vorm van kunstmatige intelligentie’ bedoeld die leert van massa’s technische gegevens om testteams te helpen in de ontwikkelingsfase. Dit blijkt uit de nieuwe Forrester Consulting 2024-studie getiteld AI for EV Battery Validation.
De nieuwe studie is gehouden in opdracht van een startup in AI-software genaamd Monolith, onder meer gebruikt door Siemens, Honeywell en de BMW Group. 165 senior besluitvormers op het gebied van autotechniek in Noord-Amerika en grote Europese automarkten werden gevraagd naar mening over de toepassing van EngAI bij de ontwikkeling van EV-batterijen.
Dr. Richard Ahlfeld, CEO en oprichter van Monolith, zei: “De ontwikkeling van EV’s en in het bijzonder batterijen is zeer competitief en dat brengt veel druk met zich mee om sneller te gaan. Technische AI kan veel sneller problemen leren oplossen dan welk mens dan ook, en dat is wat leiders in de auto-industrie beginnen te begrijpen.”
“Natuurlijk is er onzekerheid en onbegrip rond AI, maar als je iets wat voorheen vijf jaar duurde in drie jaar moet persen, moeten ingenieurs het beste halen uit de nieuwe tools die tot hun beschikking staan. AI die speciaal is gebouwd voor engineering biedt een intelligente, kosteneffectieve oplossing voor leiders in de auto-industrie om sneller een voorsprong op de concurrentie te krijgen.”
Tijdsdruk
Het onderzoek weerspiegelt de nadruk die de industrie legt op het zo snel mogelijk op de markt brengen van concurrerende, duurzame producten en benadrukt hoe 64% van de leiders in de autotechniek de noodzaak benadrukken om de tijd en moeite die besteed worden aan de validatie van EV-batterijen te verminderen. In dezelfde geest geloven twee van de drie dat het noodzakelijk is om de afhankelijkheid van fysieke tests te verminderen, terwijl nog steeds wordt voldaan aan veiligheids- en kwaliteitsnormen.
Ondanks deze dringende behoefte is 66% van de senior besluitvormers het ermee eens dat het absoluut noodzakelijk is om de afhankelijkheid van fysieke tests te verminderen en toch te zorgen voor naleving van de veiligheids- en kwaliteitsnormen, waarbij 62% het ermee eens is dat hun huidige virtuele validatietools, inclusief fysieke simulatie, niet volledig garanderen dat batterijontwerpen aan alle validatiecriteria voldoen.
Zorgen arbeidsplaatsen
De invloed die EngAI in toenemende mate heeft in de auto-industrie heeft geleid tot meer aandacht voor de technologie onder leiders op het gebied van autotechniek. Hoewel 44% van de respondenten zich ernstig zorgen maakt over het mogelijke effect van de technologie op het personeelsbestand van hun bedrijf, heeft meer dan de helft (58%) verklaard dat AI van cruciaal belang is om concurrerend te blijven op het gebied van de ontwikkeling van EV-batterijen.
Respondenten verwachten dat EngAI jaren, kwartalen of maanden zal besparen in ontwikkelingscycli, onder andere bij het testen van celkarakterisering (61%), het testen van modules en packs (56%), het testen van regelgeving (53%) en het testen van laadoptimalisering (48%).
Ondertussen verwachten ze dat AI hen zal helpen kostenbesparingen te realiseren van $10 miljoen tot meer dan $100 miljoen in verouderings- en levensduurtests van batterijen (37%), het herhalen van tests als gevolg van storingen (39%), thermische runaway-tests (36%) en regelgevende tests (32%).
Het platform van Monolotih analyseert en leert van informatie en genereert op basis daarvan nauwkeurige, betrouwbare voorspellingen waarmee engineeringteams dure, tijdrovende testprogramma’s voor prototypes kunnen terugdringen. Monolith integreert zeer effectieve innovaties zoals een ‘Next Test Recommender’ tool en de eerste AI-aangedreven ‘Anomaly Detector’ functionaliteit in de industrie en claimt ingenieurs intelligente oplossingen te bieden om producten van hogere kwaliteit te ontwikkelen in de helft van de tijd.
