Inici » Casos d’èxit »
SEAT S.A. és un fabricant d’automòbils amb seu a Catalunya. Actualment, és una companyia subsidiària del grup alemany Volkswagen. SEAT es posiciona en el mercat i en el Grup Volkswagen com un fabricant amb perfil juvenil i esportiu.
SEAT té interès en el desenvolupament d’ARCO, una eina basada en una metodologia de Machine Learning coneguda com Proper Generalized Decomposition (PGD) per a resoldre paramètricament l’anàlisi NVH (Noise, Vibration and Harshness) d’una carrosseria caracteritzada per variables de disseny de material i/o geomètriques. El comportament en proves de NVH juga un paper crític per assegurar que el producte compleix amb els criteris de soroll i vibració, millorant així el confort, la qualitat i la satisfacció del client.
Aquesta eina és la continuació natural de desenvolupaments previs fets en Matlab entre SEAT i LaCàN. LaCàN disposa de la llibreria ePGD que està específicament dissenyada per a resoldre problemes com aquest. El codi de la llibreria ePGD ha estat desenvolupat per l’inLab FIB utilitzant C++ i Python, i escalant la solució (en paral·lel) amb PETSC i OpenMPI.
SEAT s’ha posat en contacte amb inLab FIB i LaCàN per a plantejar-los la possibilitat de desenvolupar un projecte junts on es pugui escalar l’ús d’ARCO i la llibreria ePGD, actualment validada per a models senzills, per a resoldre problemes paramètrics de NVH amb una geometria realista d’un cotxe. El mètode desenvolupat haurà de permetre en el futur una generalització del procés per a altres geometries i paràmetres.