Nissan e Monolith: l’IA accelera lo sviluppo dei futuri veicoli

(Adnkronos) – La rinnovata collaborazione tra Nissan e Monolith conferma quanto l’intelligenza artificiale stia diventando un elemento strategico nello sviluppo automobilistico moderno. Le due realtà hanno siglato un nuovo accordo triennale che punta a rendere più rapida, efficiente e sostenibile la progettazione dei futuri modelli, riducendo la dipendenza dai test fisici e accelerando l’introduzione delle novità sul mercato. Un percorso che sostiene direttamente il piano industriale Re:Nissan, focalizzato sull’ottimizzazione delle risorse, sull’innovazione tecnologica e su un miglioramento concreto del time-to-market.
 La tecnologia sviluppata da Monolith è già stata impiegata nel programma di validazione della nuova Nissan LEAF prodotta a Sunderland, e verrà estesa alla futura gamma destinata al mercato europeo.  Il valore aggiunto risiede nella capacità di trasformare una vasta eredità di know-how in un vantaggio competitivo misurabile: oltre 90 anni di dati reali provenienti da prove su strada e da collaudi interni vengono elaborati per prevedere con precisione l’esito dei test fisici, consentendo agli ingegneri del Nissan Technical Centre Europe di concentrarsi sulle decisioni cruciali di progetto.La tecnologia sviluppata da Monolith è già stata impiegata nel programma di validazione della nuova Nissan LEAF prodotta a Sunderland, e verrà estesa alla futura gamma destinata al mercato europeo.  Il valore aggiunto risiede nella capacità di trasformare una vasta eredità di know-how in un vantaggio competitivo misurabile: oltre 90 anni di dati reali provenienti da prove su strada e da collaudi interni vengono elaborati per prevedere con precisione l’esito dei test fisici, consentendo agli ingegneri del Nissan Technical Centre Europe di concentrarsi sulle decisioni cruciali di progetto.  L’estensione dell’accordo nasce dai risultati ottenuti nella precedente fase di sperimentazione, dedicata ai giunti bullonati dei telai. Grazie ai modelli predittivi basati su machine learning, è stato possibile individuare la coppia di serraggio ottimale e stabilire una gerarchia delle verifiche necessarie.  Il beneficio è tangibile: una riduzione del 17% dei test fisici rispetto al processo tradizionale e, applicando su scala lo stesso metodo, la possibilità di dimezzare i tempi di collaudo per l’intera produzione europea. 
—motoriwebinfo@adnkronos.com (Web Info)