Nissan e Monolith: l’IA accelera lo sviluppo dei futuri veicoli

🔔 Vuoi ricevere le notizie di Montagne & Paesi sul tuo smartphone? WhatsApp | Telegram

(Adnkronos) – La rinnovata collaborazione tra Nissan e Monolith conferma quanto l’intelligenza artificiale stia diventando un elemento strategico nello sviluppo automobilistico moderno. Le due realtà hanno siglato un nuovo accordo triennale che punta a rendere più rapida, efficiente e sostenibile la progettazione dei futuri modelli, riducendo la dipendenza dai test fisici e accelerando l’introduzione delle novità sul mercato. Un percorso che sostiene direttamente il piano industriale Re:Nissan, focalizzato sull’ottimizzazione delle risorse, sull’innovazione tecnologica e su un miglioramento concreto del time-to-market.
 La tecnologia sviluppata da Monolith è già stata impiegata nel programma di validazione della nuova Nissan LEAF prodotta a Sunderland, e verrà estesa alla futura gamma destinata al mercato europeo.  Il valore aggiunto risiede nella capacità di trasformare una vasta eredità di know-how in un vantaggio competitivo misurabile: oltre 90 anni di dati reali provenienti da prove su strada e da collaudi interni vengono elaborati per prevedere con precisione l’esito dei test fisici, consentendo agli ingegneri del Nissan Technical Centre Europe di concentrarsi sulle decisioni cruciali di progetto.La tecnologia sviluppata da Monolith è già stata impiegata nel programma di validazione della nuova Nissan LEAF prodotta a Sunderland, e verrà estesa alla futura gamma destinata al mercato europeo.  Il valore aggiunto risiede nella capacità di trasformare una vasta eredità di know-how in un vantaggio competitivo misurabile: oltre 90 anni di dati reali provenienti da prove su strada e da collaudi interni vengono elaborati per prevedere con precisione l’esito dei test fisici, consentendo agli ingegneri del Nissan Technical Centre Europe di concentrarsi sulle decisioni cruciali di progetto.  L’estensione dell’accordo nasce dai risultati ottenuti nella precedente fase di sperimentazione, dedicata ai giunti bullonati dei telai. Grazie ai modelli predittivi basati su machine learning, è stato possibile individuare la coppia di serraggio ottimale e stabilire una gerarchia delle verifiche necessarie.  Il beneficio è tangibile: una riduzione del 17% dei test fisici rispetto al processo tradizionale e, applicando su scala lo stesso metodo, la possibilità di dimezzare i tempi di collaudo per l’intera produzione europea. 
—motoriwebinfo@adnkronos.com (Web Info)

📲 Ricevi gratis le notizie di Montagne & Paesi sul tuo telefonino!

Iscriviti al nostro canale WhatsApp ufficiale per restare sempre aggiornato su notizie e curiosità dalle valli.

👉 Clicca qui per iscriverti al canale

📢 Seguici anche su Telegram!

Unisciti al canale Telegram di Montagne & Paesi per ricevere tutte le news in tempo reale.

👉 Clicca qui per iscriverti su Telegram

Exit mobile version
document.addEventListener("DOMContentLoaded", function() { // Se esiste già non fa nulla if (!document.querySelector("#content")) { // Prova a trovare il contenuto principale più probabile const main = document.querySelector("main, .site-main, .content-area, #primary, .container, .page-content"); if (main) { main.setAttribute("id", "content"); } } });
Panoramica privacy

Questo sito Web utilizza i cookie in modo che possiamo offrirti la migliore esperienza utente possibile. Le informazioni sui cookie sono memorizzate nel tuo browser e svolgono funzioni come riconoscerti quando ritorni sul nostro sito Web e aiutare il nostro team a capire quali sezioni del sito Web ritieni più interessanti e utili. Puoi trovare maggiorni informazioni sul nostro trattamento dei dati personali nella nostra Privacy Policy

Cookie strettamente necessari

I cookie strettamente necessari dovrebbero essere lasciati attivi in modo che possiamo salvare le tue preferenze per la scelta dei cookie.

Cookie di terze parti

Questo sito web utilizza Google Analytics per raccogliere informazioni anonime quali il numero di visitatori nel sito e le pagine più visitate.

Lasciare attivo questo cookie ci aiuta a migliorare il nostro sito web.