Nissan ha decidido ampliar tres años su alianza estratégica con Monolith, compañía especializada en IA aplicada al desarrollo automovilístico, con el objetivo de transformar por completo los procesos de validación y reducir la dependencia de pruebas físicas costosas. La tecnológica británica aporta una plataforma capaz de analizar noventa años de datos internos de la marca y generar predicciones con alta precisión, permitiendo acelerar ciclos de diseño y centrarse en decisiones de ingeniería de mayor valor.
Una plataforma entrenada con 90 años de test e integrada en la estrategia Re:Nissan
El fabricante considera esta IA como un pilar clave dentro de su estrategia corporativa Re:Nissan, introducida inicialmente durante el desarrollo del Nissan Leaf totalmente eléctrico para realizar validaciones basadas en IA. La plataforma de Monolith no es un simple entorno de simulación: utiliza un repositorio masivo de datos de pruebas reales, capturados durante décadas por los ingenieros de la compañía, y permite predecir con precisión los resultados de test físicos utilizando modelos avanzados de machine learning.
En el Nissan Technical Centre Europe, ubicado en Cranfield (Reino Unido), los ingenieros ya emplean esta tecnología en tareas de análisis predictivo. Su objetivo es reducir prototipos, minimizar iteraciones estándar y concentrarse en la resolución práctica de problemas, algo que hasta ahora requería repeticiones constantes de test tradicionales. La compañía prevé aplicar esta metodología a todos los nuevos modelos europeos, acelerando el desarrollo sin mermar la calidad del producto final.
El piloto evitó un 17% de pruebas y aspira a reducir tiempos a la mitad
La ampliación del acuerdo se basa en un piloto previo en el que la IA ayudó a determinar el par de apriete óptimo de tornillería. En ese proyecto, la plataforma identificó con precisión qué pruebas aún debían realizarse manualmente y cuáles podían omitirse, reduciendo un 17% el número de test físicos respecto al procedimiento tradicional. Para la compañía, este resultado confirma que los modelos de aprendizaje automático pueden ahorrar tiempo y recursos sin comprometer la seguridad ni el rendimiento.
Las previsiones a futuro son aún más significativas. Según Nissan, si este enfoque se extendiera a toda la gama europea, el tiempo total de pruebas podría reducirse hasta un 50%, acelerando de forma notable la llegada de nuevos vehículos al mercado. Según Emma Deutsch, directora del centro técnico europeo, los modelos de IA disminuyen la dependencia de prototipos y aportan validaciones fiables en fases tempranas. Por su parte, Dr. Richard Ahlfeld, CEO de Monolith, afirma que herramientas como Next Test Recommender y Anomaly Detector permiten acortar ciclos de desarrollo sin que ello afecte a la calidad o al rendimiento de los vehículos.
Vía: NotebookCheck
