En este, así como en otros procesos, las decisiones operativas por parte de los ingenieros dependen en gran medida de su comprensión en el tema de las aplicaciones, incluyendo suposiciones y estimaciones para simplificar y resolver los problemas que se presenten. Sin embargo, estas suposiciones, a menudo presentan errores en comparación con el comportamiento real de una aplicación, aquí es donde entra el apoyo de la inteligencia artificial.
La exorbitante cantidad de información y recursos que actualmente transitan por la red mundial han ayudado al desarrollo de lo que se conoce como Aprendizaje de Máquina (ML, por sus siglas en inglés) entendido según el informático, Arthur Samuel, como una rama de estudio de las ciencias computacionales en la que las máquinas adquieren la capacidad de aprendizaje sin necesidad de códigos de programación establecidos, es decir, su rendimiento se da en función de los datos de los que aprende, mejorando contínuamente en sus modelos predictivos.
Aunque esta idea comenzó a desarrollarse hace más de cinco décadas, hoy adquiere mayor relevancia debido al uso que se le ha dado a escala industrial. Por medio de la compilación y asociación de datos de campo y conocimientos, el también conocido como aprendizaje automático, permite un mayor nivel de precisión general en la toma de decisiones y la mejora del rendimiento del diseño de proyectos.
Esta modalidad en inteligencia artificial ha sido permitido utilizar softwares como el director de optimización de diseño multidisciplinario (MDOD, por sus siglas en inglés) que utiliza datos de simulación para la detección y solución de anomalías.
“La optimización de diseño multidisciplinario ha tomado una relevancia mayor al momento de hablar de exigencias y requerimientos en cualquier producto; sin embargo, trabajar en aplicaciones de este tipo, suele ser complicado al momento de configurar y resolver algunos problemas, sobre todo hablando de aplicaciones a gran escala, por ello es necesario enfocarse en este tipo de inteligencia automática para facilitar la labor de operación con una interfaz menos complicada de manejar”, apuntó Ottmar Kappes, director general de Altair México.
El software director de optimización de diseño multidisciplinario está pensado como un entorno desarrollado para aplicaciones de ingeniería. Por medio de su interfaz de usuario intuitiva, emplea la Inteligencia de máquinas para dar retroalimentación rápida a los equipos de diseño. ¿Cómo lo hace? Por medio de superficies de sub-respuesta para desacoplar el problema y reducir la cantidad de datos necesarios para predecir con precisión el rendimiento. Estos datos se recopilan con métodos de muestreo que conducen al uso de la Inteligencia de máquinas, empleada también en el proceso de optimización como parte del método de búsqueda para reducir el tamaño de datos requerido.
Otra aplicación del Aprendizaje de Máquinas en el diseño y optimización de automóviles se puede ver en el uso de sensores para diagnóstico y pronóstico en componentes importantes para los vehículos con el objetivo es reconocer anomalías antes de que conduzcan a problemas irreversibles.
Con estas nuevas aplicaciones tecnológicas, la industria del automóvil tiene el potencial de seguir creciendo en términos de eficiencia y mayor seguridad para el conductor gracias al análisis predictivo para reducir y evitar problemas que, en ocasiones, pueden ser de consecuencias graves.