Искусственный интеллект добрался до автомобильной резины

17.04.2024 

 

Производители шин желают выпускать продукцию с более стабильными характеристиками и увеличенным сроком службы благодаря революционной решениям машинного обучения, использующих возможности искусственного интеллекта, для обнаружения структурных изменений, происходящих во время эксплуатации автошины.

Различные решения для проектирования активно внедряются по всему миру, корейская компания Nexen не так давно так же заявила и проектировании протектора по средствам искусственного интеллекта.

 

Технология Tire Leap AI Analysis, получившая свое название за способность «прыгать» вперед во времени путем прогнозирования состояния шин на основе прошлых тенденций, была разработана совместно инженерами японского производителя Sumitomo Rubber Industries в Кобе и исследователями из лаборатории Хасеяма Университета Хоккайдо в Саппоро. Он использует передовую технологию на основе искусственного интеллекта для моделирования последующих характеристик резиновых соединений, используемых в шинах, и определяет, как структурные изменения влияют на показатели автошины в различных дисциплинах на процессе эксплуатации.

Структурные изменения возникают из-за износа резины, вызванного такими факторами, как жара и стиль вождения. Типы и степень износа широко варьируются. Раньше было неясно, насколько структура использованной шины отличается от конструкции новой. Каждый клиент при покупке нового летнего комплекта резины ориентирубется на различные показатели: энергоэффективность, шум и аквапланирование. Однако на ссколько данные показатели актуальны через 5 тыс. км? Как сильно премиальная или бюджетная китайская резина проседает от первоначальных характеристик?

 

Для разработки колес с повышенной долговечностью и более длительным сроком эксплуатации крайне важно выяснить причину деградации, а затем предоставить отзывы о выборе и составе материалов, используемых при производстве.

Использование искусственного интеллекта для понимания ньюансов проектирования шин

Автошины изготавливаются из различных материалов, однако более тонкая надстройка осуществляется за счет процентного соотношения того или иного компонента. Пропорции материалов, соединения и взаимодействия между ними, формирую широкий диапазон характеристик, определяющих свойства моделей.

Объединив структурные данные с информацией о сырье, можно с высокой степенью точности определить возможности колес, такие как топливная экономичность, сцепление и износостойкость. Свойства определяют эксплуатационные характеристики автошины и изменяются из-за механической нагрузки и износа во время эксплуатации. Понимание взаимодействия между резиновыми соединениями и того, как свойства резины изменяются после продолжительной езды, имеет решающее значение для разработки колес, которые будут работать лучше.

Анализ сложных взаимодействий между соединениями и того, как на них влияет износ, оставался наиболее острой и проблематичной задачей. Используя систему обработки изображений на основе искусственного интеллекта, Tire Leap AI Analysis анализирует внутреннюю структуру резиновых смесей на основе изображений, полученных электронной микроскопией. По закономерностям старения и износа, обнаруженным на электронных микрофотографиях использованных колес, он может затем точно оценить возможности автошины после использования.

Технология может «изучить» показатели шины. Сравнивая показатели старой и новой автошины, можно определить, где произошли структурные изменения, и оценить физические свойства резины в областях, которые претерпели эти изменения.

Анализ Tire Leap может точно обнаружить различные изменения в характеристиках, например, насколько резина деформировалась под воздействием внешних сил во время использования. Затем он может предсказать, как внутренняя структура автошины будет меняться с течением времени.

Передача большего количества данных в технологию на основе искусственного интеллекта позволит ей продолжать учиться и развиваться, увеличивая количество факторов и нюансов, оказывающих наибольшее влияние на те или иные свойства. За счет машинного обучения можно сделать некий прогноз характеристик резиновых смесей с еще большей точностью.

Технология может привести к разработке новых резиновых смесей, которые менее склонны к ухудшению характеристик из-за износа и обеспечивают более стабильные показателей в течение длительного периода, что приведет к снижению скорости износа и повышению безопасности на протяжении всего срока службы колес.

Выпуск умных колес

Машинное обучение уже использовалось при разработке колес Enasave Next III от Sumitomo Rubber Industries, которые более экономичны, устойчивы к износу и обеспечивают стабильное отслеживание движения в течение всего срока службы, чем другие шины на рынке.

Автошина не только достигла максимально возможного рейтинга (ААА-а) в соответствии с японской системой маркировки колес по показателям топливной экономичности и сцепления с мокрой дорогой, но также вдвое снизили ухудшение характеристик, которое происходит с течением времени.

Технология позволила компании ускорить исследования и разработки в рамках программы Performance Sustaining Technology, целью которой является минимизировать ухудшение характеристик колес из-за износа и времени, позволяя резине дольше сохранять характеристики «как новые».