Nissan, geleceğin elektrikli ve akıllı otomobillerini çok daha kısa sürede yollara çıkarmak için geliştirme süreçlerini kökten değiştirmeye hazırlanıyor.
Şirket, bu amaçla bir süredir birlikte çalıştığı yapay zeka şirketi Monolith ile iş birliğini üç yıl daha uzattı. Hedef net: pahalı ve zaman alan fiziksel testlerin önemli bir kısmını, yapay zeka destekli sanal doğrulamalarla değiştirmek ve mümkünse geliştirme süresini yarıya kadar indirmek.
Bu yapay zeka çözümü, Nissan’ın küresel stratejisinin – “Re:Nissan” – önemli bir parçası haline gelmiş durumda. Monolith’in platformu, basit bir simülasyon aracı olmaktan çok daha fazlasını yapıyor. Yapay zeka, Nissan’ın 90 yılı aşkın süredir biriktirdiği gerçek araç test verilerini analiz ederek, belirli bir parçanın veya tasarım değişikliğinin gerçekte nasıl davranacağını yüksek doğrulukla tahmin etmeye çalışıyor. İngiltere Cranfield’daki Nissan Technical Centre Europe ekibi, bu sistemi şimdiden aktif olarak kullanıyor. Böylece mühendisler, her defasında sıfırdan prototip üretip test yapmak yerine, yapay zekanın yönlendirmesiyle yalnızca en kritik ve gerekli testlere odaklanabiliyor.
Şirket, Monolith teknolojisini ilk kez yeni nesil tamamen elektrikli Nissan Leaf’in geliştirilmesinde kullanmıştı. Araç üzerindeki belirli testler, fiziksel olarak yapılmadan önce yapay zeka ile doğrulanmış, böylece süreç hem hızlanmış hem de maliyetler azalmıştı. Şimdi ise şirket, bu yaklaşımı sadece tek bir modelle sınırlı bırakmak istemiyor; özellikle Avrupa pazarına yönelik gelecek modellerde yapay zeka destekli doğrulamayı çok daha geniş ölçekte devreye almayı planlıyor.
Ortaklığın uzatılmasına giden yolu açan en somut örneklerden biri, vida sıkma tork değerlerinin optimizasyonuna yönelik pilot projeydi. Monolith’in yapay zekası, “hangi koşullarda gerçekten fiziksel test yapmaya gerek var, hangilerinde yalnızca tahmin yeterli” sorusuna ikna edici cevaplar üretmeyi başardı. Sonuç olarak bu alandaki fiziksel test sayısı, klasik yöntemlere kıyasla yaklaşık %17 oranında azaldı. Otomobil devine göre bu sadece başlangıç: aynı metodoloji tüm araç geliştirme süreçlerine yayılırsa, Avrupa’da toplam test süresinin teorik olarak %50’ye kadar kısalabileceği öngörülüyor.
Avrupa Teknik Merkezi Direktörü Emma Deutsch, makine öğrenimi modellerinin prototiplere olan bağımlılığı azalttığını ve mühendislerin enerjisini “tekrar eden standart testlerden” alıp “karmaşık sorun çözme ve nihai tasarım kararlarına” kaydırdığını vurguluyor. Monolith CEO’su Dr. Richard Ahlfeld ise, platformun “Sonraki Test Önericisi” ve “Anomali Dedektörü” gibi araçlarla, hangi testin gerçekten gerekli olduğunu akıllıca önceliklendirebildiğini, böylece hem kaliteyi koruyup hem de geliştirme döngülerini ciddi şekilde kısaltabildiklerini belirtiyor.
