A NIO, uma empresa líder no mercado premium de veículos elétricos inteligentes, selecionou a Monolith, uma fornecedora de software de IA, para colaborar na detecção de anomalias orientada por IA para baterias EV. A parceria visa aproveitar a tecnologia de troca de baterias da NIO para obter insights sobre o uso da bateria no mundo real.
O software Anomaly Detector AI da Monolith será usado para monitorar os dados de desempenho da bateria gerados em campo. Esses dados serão comparados com os resultados dos testes e integrados nas atividades de verificação. O software permite que os engenheiros da NIO e da Monolith identifiquem anormalidades nos resultados entre canais com base em relacionamentos de sistemas complexos.
“A parceria da NIO com a Monolith exemplifica o nosso compromisso em oferecer uma experiência de utilizador premium”, disse Frank Kindermann, Chefe de Sistemas de Baterias na Europa da NIO. “98% dos nossos utilizadores nos cinco principais mercados europeus optam pela Bateria como Serviço (BaaS).” Ele acrescentou que o BaaS permite que os usuários NIO na Europa carreguem ou troquem suas baterias com flexibilidade, aumentando a conveniência e a eficiência de custos.
Os algoritmos de autoaprendizagem do Monolith automatizam a inspeção de dados brutos de teste para detectar possíveis erros ou anormalidades em centenas de canais de teste. Esta abordagem visa encontrar anomalias nos dados de teste da bateria de forma mais rápida e eficiente.
“Os algoritmos de aprendizagem profunda do Monolith permitem a detecção automática de problemas de bateria, como descarga espontânea e fuga térmica”, disse o Dr. Richard Ahlfeld, CEO e fundador da Monolith, “Tornando mais fácil a análise rápida de dados complexos do mundo real”. Esse recurso economiza tempo e recursos, ao mesmo tempo que aumenta a segurança da bateria.
A plataforma Monolith AI também inclui algoritmos projetados para reduzir o tempo de testes físicos e simulações necessárias para o desenvolvimento de produtos. O software faz previsões instantâneas usando dados de testes de engenharia, ajudando os engenheiros a identificar áreas para otimização e desenvolvimento sem extensos testes físicos repetitivos.
