Когда мы встретились со Стерлингом Андерсоном в 2024 году, он занимал пост главного директора по продукту в Aurora — стартапе по разработке беспилотных автомобилей, который он соучредил в 2016 году после нескольких лет работы в Tesla. Однако чуть больше года назад Андерсон покинул мир стартапов ради чего-то более устоявшегося, заняв должность главного директора по продукту в General Motors, крупнейшем автопроизводителе страны. С тех пор он имеет прекрасное представление о том, как GM вступает в то, что он называет третьей эпохой инженерии и дизайна.
«Было время, когда люди смотрели на птиц и думали: „Хорошо, эти крылья работают довольно неплохо. Давайте разработаем что-то, похожее на них“», — сказал Андерсон, описывая первый век инженерии. «И они просто итеративно пришли к чему-то, что было лишь условно осуществимо».
Первые несколько сотен лет изобретательства «были эпохой высокоэмпирической итеративной разработки дизайна и инженерии», — отметил он. «И под этим я подразумеваю, что люди в основном исходили из того, что знали или видели, создавали прототипы чего-то, что было на это похоже, и, возможно, немного меняли детали, надеясь улучшить производительность, тестировали, итерировали и проходили через этот медленный процесс проб и ошибок, пока не получали что-то, что работало с натяжкой».
Второй век начался, когда компьютеры стали достаточно мощными, чтобы взять на себя часть начальной работы. «Мы начали видеть, как инструменты виртуальной разработки, в функционально специфических областях, улучшают работу людей, чтобы им не приходилось прибегать к эмпирической прототипной разработке», — сказал Андерсон.
«Например, мы увидели, как CFD [вычислительная гидродинамика] начало влиять на аэродинамиков», — продолжил он. «Мы увидели, как FEA [анализ методом конечных элементов] влияет на инженеров-конструкторов. Мы видели множество других виртуальных инструментов… но эстафета разработки оставалась прежней, а именно: дизайн передавал эстафету аэродинамике, которая передавала эстафету конструкциям, и эстафета всегда возвращалась, когда они находили что-то, что нужно было исправить другим».
,
Но мир Андерсона недавно вступил в свою третью эпоху, «которую GM действительно активно продвигает, — это коллапс этих функций в единый, широко информированный, в значительной степени вероятностный метод проектирования, разработки и производства этих активов», — объяснил он. И да, под вероятностным он подразумевает ИИ/машинное обучение.
Вероятная причина
Использование симуляции для инженерных работ, таких как CFD, — в отличие от использования физических моделей в аэродинамической трубе — ускорило эту работу, но сложность симуляции означает, что она очень требовательна к вычислительным ресурсам и времени. Однако можно научить компьютер виртуализировать этот анализ, а затем запускать множество виртуализаций параллельно с помощью ИИ/МО; на прошлой неделе мы сообщали о таком примере, когда IBM и производитель гоночных автомобилей Dallara опубликовали исследование, показывающее, что такой подход дает достаточно коррелированные данные для использования.
Когда понимаешь, насколько быстрее работают эти новые инструменты, становится предельно ясно, почему GM их принимает. «Наши прогоны FEA, которые исторически занимали 15 часов на один прогон? Теперь они занимают одну минуту», — сказал мне Андерсон.
Вместо того чтобы настраивать симуляцию для ночного запуска и надеяться, что ничего не пойдет не так, «когда вы запускаете это за одну минуту, вы просто прогоняете итерации гораздо быстрее и можете провести гораздо более широкий набор тестов, чем могли бы когда-либо сделать раньше, просто исходя из доступного вам времени», — отметил Андерсон.
Но охват этих новых инструментов виртуализации выходит далеко за рамки раннего инженерного анализа и областей аэродинамики или структурного проектирования, распространяясь на другие направления бизнеса GM: автоспорт, энергетику и аккумуляторы, оборону и даже лунную программу.
,
«Мы используем виртуальные инструменты не просто для проверки нашей работы после того, как мы завершили проектирование автомобиля, а фактически предоставляем нашим инженерам виртуальную среду, где они могут одновременно оптимизировать аппаратное и программное обеспечение, а также влиять на разработку аппаратного обеспечения, программного обеспечения или производительность автомобиля так, как этого не делает никто в отрасли, особенно в том масштабе и с той скоростью, с которой работаем мы», — заявил Джейсон Фишер, исполнительный директор по виртуальной интеграции инженерии в GM.
«Прелесть этих виртуальных инструментов заключается в нашем сотрудничестве с нашей командой автоспорта с NASCAR и Формулой-1», — продолжил Фишер. «Мы совместно разрабатываем многие из этих инструментов, а затем независимо разрабатываем инструменты в зависимости от того, у кого из организаций есть сильные стороны и пропускная способность для этого. И когда одна сторона опережает другую, мы садимся и проводим ежемесячную передачу технологий между автоспортом и, скажем так, производственной стороной, чтобы убедиться, что мы все видим новейшие и лучшие технологии и используем самые современные методы».
Управляй до постройки
Один из примеров, который Андерсон и Фишер продемонстрировали мне, — это использование виртуализации для проведения теста управляемости разрабатываемого автомобиля, в частности, теста на уклонение по версии Consumer Reports, где автомобиль должен на скорости объехать препятствие. Вместо того чтобы подключать все различные субкомпоненты электроники автомобиля на испытательном стенде, чтобы проверить их взаимодействие без ошибок, GM теперь моделирует все датчики, электронные блоки управления, доменные контроллеры и так далее.
«У нас есть защита интеллектуальной собственности на то, как мы настроили эту систему в General Motors, что позволяет нам воссоздать поведение автомобиля с точки зрения физики», — сказал Фишер. «Таким образом, мы можем одновременно запускать производительность автомобиля, электронные блоки управления и программное обеспечение в этой виртуальной среде, и мы действительно можем расширить наше исследование пространства проектирования. Это позволяет нам изменять физические параметры и проводить тысячи экспериментов, чтобы увидеть, как логика управления справляется с этим», — добавил Фишер.
,
Поскольку условия, такие как дорожное покрытие, можно легко изменять в цифровом виде, стало просто итерировать по гораздо большему количеству вариаций, чем это было возможно ранее. «Тогда вы начинаете получать результат, который хорошо работает не в этом конкретном маневре, а который на самом деле устойчив к [реальному] миру», — сказал мне Фишер.
Безопасность при столкновениях улучшается, поскольку инженеры могут выявлять слабые места и укреплять их задолго до того, как физический автомобиль столкнется с неподвижной конструкцией на скорости 40 миль в час. «На выполнение этого уходит около 15–18 часов, в зависимости от сложности», — отметил Фишер. «Мы используем вероятностные методы, искусственный интеллект, и можем сократить это время примерно до одной минуты. И дело не в экономии времени, позволяющей кому-то пойти домой и поспать. Дело в том, что через минуту мы знаем ответ и можем начать оптимизировать эту структурную производительность, что дает нам возможность рассмотреть другие аспекты».
Система ОВК (отопление, вентиляция и кондиционирование) нового автомобиля — еще один пример. Вместо того чтобы независимо проектировать и оптимизировать отдельные компоненты, а затем соединять и калибровать их, GM теперь может одновременно сбалансировать поток воздуха и поведение хладагента с комфортом в салоне, делая за дни или часы то, на что раньше уходили месяцы или недели. «Это действительно дает нашим инженерам время для более глубокого изучения и творческого подхода к дизайну, а не для выполнения повторяющихся задач или этого итерационного изнурительного труда», — сказал Фишер.
Это касается и их коллег, которые проектируют заводы для сборки автомобилей, которые GM продает клиентам: цифровые двойники новых сборочных линий создаются задолго до установки какого-либо реального оборудования, чтобы устранить все ошибки.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Jonathan M. Gitlin
