Штучний інтелект покращує характеристики автомобільної гуми

Виробники шин бажають випускати продукцію з більш стабільними характеристиками та збільшеним терміном служби завдяки революційним рішенням машинного навчання, що використовують можливості штучного інтелекту, для виявлення структурних змін, що відбуваються під час експлуатації автошини.

Різні рішення для проектування активно впроваджуються по всьому світу, корейська компанія Nexen не так давно так само заявила і про проектування протектора за допомогою штучного інтелекту.

Технологія Tire Leap AI Analysis, що отримала свою назву за здатність «стрибати» вперед у часі шляхом прогнозування стану шин на основі минулих тенденцій, була розроблена спільно інженерами японського виробника Sumitomo Rubber Industries у Кобе та дослідниками з лабораторії Хасеяма Університету Хоккайдо в Сапко. Він використовує передову технологію на основі штучного інтелекту для моделювання наступних характеристик гумових з'єднань, що використовуються в шинах, та визначає, як структурні зміни впливають на показники автошини у різних дисциплінах на процесі експлуатації.

Структурні зміни виникають через знос гуми, викликаний такими факторами, як спека і стиль водіння. Типи та ступінь зносу широко варіюються. Раніше було незрозуміло, наскільки структура використаної шини відрізняється від нової конструкції. Кожен клієнт при купівлі нового літнього комплекту гуми орієнтується на різні показники: енергоефективність, шум та аквапланування. Однак наскільки ці показники актуальні через 5 тис. км? Як сильно преміальна або бюджетна китайська гума просідає від початкових характеристик?

Для розробки коліс з підвищеною довговічністю та більш тривалим терміном експлуатації дуже важливо з'ясувати причину деградації, а потім надати відгуки про вибір та склад матеріалів, що використовуються під час виробництва.

Використання штучного інтелекту для розуміння нюансів проектування шин

Автошини виготовляються з різних матеріалів, проте більш тонка надбудова здійснюється за рахунок відсоткового співвідношення того чи іншого компонента. Пропорції матеріалів, з'єднання та взаємодії між ними формую широкий діапазон характеристик, що визначають властивості моделей.

Об'єднавши структурні дані з інформацією про сировину, можна з високим ступенем точності визначити можливості коліс, такі як економіка палива, зчеплення та зносостійкість. Властивості визначають експлуатаційні характеристики автошини та змінюються через механічне навантаження та знос під час експлуатації. Розуміння взаємодії між гумовими з'єднаннями та того, як властивості гуми змінюються після тривалої їзди, має вирішальне значення для розробки коліс, які працюватимуть краще.

Аналіз складних взаємодій між сполуками і того, як на них впливає зношування, залишався найбільш гострим і проблематичним завданням. Використовуючи систему обробки зображень на основі штучного інтелекту Tire Leap AI Analysis аналізує внутрішню структуру гумових сумішей на основі зображень, отриманих електронною мікроскопією. За закономірностями старіння та зносу, виявленими на електронних мікрофотографіях використаних коліс, він може потім точно оцінити можливості автошини після використання.

Технологія може «вивчити» показники шини. Порівнюючи показники старої та нової автошини, можна визначити, де відбулися структурні зміни, та оцінити фізичні властивості гуми в областях, які зазнали цих змін.

Аналіз Tire Leap може точно виявити різні зміни в характеристиках, наприклад, наскільки гума деформувалася під впливом зовнішніх сил під час використання. Потім він може передбачити, як внутрішня структура автошини змінюватиметься з часом.

Передача більшої кількості даних у технологію на основі штучного інтелекту дозволить їй продовжувати вчитися та розвиватися, збільшуючи кількість факторів та нюансів, що мають найбільший вплив на ті чи інші властивості. За рахунок машинного навчання можна зробити якийсь прогноз характеристик гумових сумішей із ще більшою точністю.

Технологія може призвести до розробки нових гумових сумішей, які менш схильні до погіршення характеристик через знос та забезпечують більш стабільні показники протягом тривалого періоду, що призведе до зниження швидкості зносу та підвищення безпеки протягом усього терміну служби коліс.

Випуск розумних коліс

Машинне навчання вже використовувалося при розробці коліс Enasave Next III від Sumitomo Rubber Industries, які більш економічні, стійкі до зношування та забезпечують стабільне відстеження руху протягом усього терміну служби, ніж інші шини на ринку.

Автошина не лише досягла максимально можливого рейтингу (ААА-а) відповідно до японської системи маркування коліс за показниками паливної економічності та зчеплення з мокрою дорогою, але також удвічі знизили погіршення характеристик, що відбувається з часом.

Технологія дозволила компанії прискорити дослідження та розробки в рамках програми Performance Sustaining Technology, метою якої є мінімізувати погіршення характеристик коліс через зношування та час, дозволяючи гумі довше зберігати характеристики «як нові».