historie livestreams
15 mei 2024

Rol AI in EV-batterijontwikkeling onmisbaar

Topmanagers in de auto-industrie beschouwen Engineering AI als essentieel om concurrerend te blijven bij de ontwikkeling van batterijen voor elektrische voertuigen (EV). Engineering AI, een ‘verstandige vorm van kunstmatige intelligentie’, leert van grote hoeveelheden technische gegevens om testteams te ondersteunen in de ontwikkelingsfase. Dit blijkt uit de nieuwe Forrester Consulting 2024-studie getiteld AI for EV Battery Validation.

Studieoverzicht

De studie, uitgevoerd in opdracht van AI-software startup Monolith, ondervraagt 165 senior besluitvormers in de autotechniek uit Noord-Amerika en grote Europese automarkten over het gebruik van EngAI bij de ontwikkeling van EV-batterijen. Monolith, waarvan de software wordt gebruikt door bedrijven als Siemens, Honeywell en de BMW Group, biedt inzichten in de impact van AI op de industrie.

Versnelling en concurrentie

Dr. Richard Ahlfeld, CEO en oprichter van Monolith, benadrukt: “De ontwikkeling van EV’s en vooral batterijen is zeer competitief en brengt veel druk met zich mee om sneller te gaan. Technische AI kan problemen sneller leren oplossen dan mensen, en dit wordt steeds meer erkend door leiders in de auto-industrie.”

Ahlfeld erkent dat er onzekerheid en onbegrip rond AI bestaan, maar stelt dat ingenieurs, gezien de tijdsdruk, de beste nieuwe tools moeten gebruiken. Engineering AI biedt volgens hem een intelligente en kosteneffectieve oplossing om sneller een voorsprong op de concurrentie te behalen.

Tijdsdruk

De studie onderstreept de noodzaak om zo snel mogelijk concurrerende, duurzame producten op de markt te brengen. 64% van de leiders in de autotechniek benadrukt de behoefte om de tijd en moeite voor de validatie van EV-batterijen te verminderen. Twee derde van de respondenten vindt het noodzakelijk om de afhankelijkheid van fysieke tests te reduceren, zonder concessies te doen aan veiligheids- en kwaliteitsnormen.

Huidige uitdagingen

Ondanks deze dringende behoefte is 66% van de senior besluitvormers het ermee eens dat het essentieel is om fysieke tests te verminderen en toch aan veiligheids- en kwaliteitsnormen te voldoen. 62% geeft aan dat hun huidige virtuele validatietools, inclusief fysieke simulatie, niet volledig garanderen dat batterijontwerpen aan alle validatiecriteria voldoen.

Zorgen over werkgelegenheid

De toenemende invloed van EngAI in de auto-industrie heeft geleid tot zorgen over de impact op werkgelegenheid. Hoewel 44% van de respondenten zich zorgen maakt over het mogelijke effect van de technologie op het personeelsbestand, geeft meer dan de helft (58%) aan dat AI cruciaal is om concurrerend te blijven bij de ontwikkeling van EV-batterijen.

Verwachte besparingen

Respondenten verwachten dat EngAI aanzienlijke tijdsbesparingen zal opleveren in ontwikkelingscycli, met name bij het testen van celkarakterisering (61%), modules en packs (56%), regelgeving (53%) en laadoptimalisering (48%). Daarnaast verwachten ze kostenbesparingen van $10 miljoen tot meer dan $100 miljoen in verouderings- en levensduurtests (37%), herhaling van tests door storingen (39%), thermische runaway-tests (36%) en regelgevende tests (32%).

Innovaties van Monolith

Het platform van Monolith analyseert informatie en genereert betrouwbare voorspellingen, waarmee dure en tijdrovende testprogramma’s voor prototypes kunnen worden gereduceerd. Innovaties zoals de ‘Next Test Recommender’ tool en de eerste AI-aangedreven ‘Anomaly Detector’ in de industrie helpen ingenieurs om producten van hogere kwaliteit in de helft van de tijd te ontwikkelen.

 

Bron: Aftersales magazine

Kennismaken met regionale collega’s uit de branche?

Nog vragen?

Stel je vraag via het mailadres van jouw afdeling of laat je gegevens achter. Zij helpen je graag! Voor overige vragen kun je mailen naar info@verenigingatc.com

  • Hidden
  • Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.