La inteligencia artificial da a los ordenadores la capacidad de analizar problemas y resolverlos automáticamente, de una manera similar a la que lo haría un ser humano. El potencial de la IA se está aplicando al desarrollo de sistemas de propulsión, tanto en el campo de la movilidad eléctrica como en el de la combustión interna.
Predecir la formación de espuma de aceite
En el desarrollo de motores de combustión tradicionales, por ejemplo, la IA resuelve el problema de predecir el contenido de gases en el aceite del motor. Dado que un alto contenido de gas provoca la formación de espuma en el aceite y, por lo tanto, una menor capacidad de lubricación, se debe diseñar el circuito para que genere el menor contenido posible de gas. Sin embargo, es casi imposible medirlo con el motor en marcha. Ahora, un nuevo proceso de IA de Porsche permite predecir de forma fiable el contenido de gas en el aceite del motor.
“Pudimos mantener la capacidad informática requerida por el algoritmo de IA para integrarlo fácilmente en el proceso de desarrollo del motor”, dice la ingeniera Hong Truc Jung, responsable de las herramientas de IA para los motores en Porsche. “Durante las pruebas de banco, este algoritmo se ejecuta de forma continua y nos proporciona datos relevantes”. El primer propulsor en el que se implementó este nuevo proceso de inteligencia artificial fue el bóxer de seis cilindros del Porsche Cayman GT4.
Análisis del estado de la batería para vehículos eléctricos
Por otra parte, Porsche Engineering, empresa subsidiaria de Porsche, ya es capaz de determinar la manera en la que envejecen las baterías de iones de litio. Gracias a ello, las predicciones de autonomía que proporciona el coche al usuario durante la conducción son más fiables.
El algoritmo de IA utiliza la resistencia interna de la batería para conocer su envejecimiento. Entre otras cosas, tiene en cuenta datos como la temperatura y el estado de carga, así como los resultados obtenidos en pruebas a largo plazo. En el vehículo, la inteligencia artificial se adapta al perfil de usuario del conductor para que la predicción sea cada vez más precisa.
Aprendizaje por refuerzo de Porsche Engineering (PERL)
Porsche Engineering ha creado una metodología de desarrollo particularmente flexible y con muchas aplicaciones, basada en el método de aprendizaje por refuerzo mediante el uso de inteligencia artificial. “Nuestra metodología PERL va más allá de la solución específica de tareas individuales, porque comprende las relaciones sistémicas y aprende a tomar decisiones estratégicas”, explica Matthias Bach, director senior de Aplicación de Motores y Mecánica en Porsche Engineering.
Dado que las redes neuronales del algoritmo de IA pueden modificar varios parámetros al mismo tiempo y predecir los efectos resultantes, el método PERL es ideal para tareas complejas. “Con el aprendizaje por refuerzo, podemos reducir el tiempo de desarrollo al tiempo que logramos mejores resultados que los posibles con los métodos convencionales”, agrega Bach. Actualmente, el método se está sometiendo a pruebas prácticas en el área de motores, pero se utilizará en otras, como también las relativas al chasis y la electricidad / electrónica, a medio plazo.