機械学習によるサステナビリティの達成

機械学習によるサステナビリティの達成

Date:

Date:

2021年8月3日

2021年8月3日

Author:

Author:

ガリー・ブロットマン、CEO

ガリー・ブロットマン、CEO

私の formative years にはスポーツカーに魅了されました。私はクラシックとモダンなデザインの両方に惹かれ、最初の2台の車はアボカドグリーンの1968年フォード・マスタングと、完全装備の1983年ダットサン280zxでした。全く異なる二つのドライビング体験ですが、ひとつの共通項があります - パワーです。

大学を卒業した後、私の優先事項は変わり、私は280zxをもっと実用的な選択肢に交換することになりました。その瞬間から、運転は目的のための手段となり、必要なことではなく、やりたいことではなくなりました。

今日に至るまで、セカンドマインドに参加してからほぼ2年、家族をアメリカからイングランドに移住させた後、車は再び私にとって優先事項となりましたが、その理由は異なります。ケンブリッジに移った際、私たちは電動自転車を購入し、車を買わないつもりでした。私たちはまた、ヨーロッパ中を旅行する大きな計画を持っていましたが、Covidが私たちの到着から数ヶ月のうちにそのすべてをストップさせました。必要に迫られ、私たちはイギリスのクラシックカーであるミニクーパーを購入しました。私たちはロックダウンを乗り越え、最初の機会にイングランドを海岸から海岸へ、そしてその間の多くのポイントを信頼できるミニで探検するために轍に出ました。私は本当に運転を楽しむことがどういうことかを忘れており、車が可能にする探検の自由を失っていました。しかし、この自由には追加の個人的責任も伴い、私の人生の他の側面にも共通の課題 - 環境への影響を最小限に抑えることがあります。

私は一人ではありません。私の個人的および職業的なネットワークの中で、運転を楽しむ人や、車を主な交通手段として依存している人を見つけるのは難しいでしょうし、彼らの個人的な炭素フットプリントについて心配していない人はいません。そして、消費者の需要が増加するにつれて、自動車メーカーにとっての課題も増えており、すべてのメーカーがゼロエミッションモビリティへの数十年にわたる移行の真っ只中で、積み上がるエンジニアリングデザインと生産の複雑さに取り組んでいます。

厳しい排出基準、非効率な生産プロセス、そして顧客の期待の拡大は自動車業界、特にパワートレインエンジニアリングにとって完璧な嵐を作り出しました。内燃機関、多彩なハイブリッド、純粋なバッテリー電動を含めた膨大な数のパワートレイン構成は、短期的および長期的にほとんど克服不能な生産の課題を提示します。実用的で最新の機械学習によって運営される大きな変化が必要です。これは、最も複雑な最適化の問題を解決し、生産時間と資源消費を劇的に削減するためのものです。

市場に登場するバッテリー電動車の明らかな洪水にもかかわらず、世界中の90%以上の消費者は次の車の購入としてガソリン、ディーゼル、またはハイブリッド電動車を購入する予定です。* そして、純粋なバッテリー電動車が道路で主導的な地位を占めるまでには10年以上かかります。走行距離、インフラの欠如、高コストは消費者にとっての課題であり、最良の意図を持つ人でさえ、移動するためにはクラシックなミニが必要です。

では、私たちはこの移行期に緑の未来を助けるために何ができるでしょうか?過去1年半の間、セカンドマインドは、マツダのような自動車メーカーと協力し、パワートレインの ECU キャリブレーション時間を短縮するためにエンジニアリングデザインの複雑さを管理する手助けをしています。私たちはまた、次世代のパワートレインとデザインプロセスの開発を最適化するための新しい、より効率的な方法を模索しています。これは、広範な自動車産業の持続可能な未来を確保するためのものです。

私のチームと私は、長い電動化への移行における自動車エコシステムが直面している課題や、顧客の期待、規制のプレッシャー、地球のニーズをバランスさせることの複雑さを理解しています。私がマスタングを運転していた時よりも、今は緑の交通手段の選択肢がはるかに多くなっていますが、それでも車は多くの人にとって重要な移動手段であり、私たちの使命は、自動車デザインにおける革新者がクリーンな車を作り、市場により早く提供し、機械学習を通じて持続可能性目標を達成する手助けをすることです。

出典: デロイト、2021年グローバル自動車消費者調査

Share