Cómo el modelado avanzado potencia la carrera de Ducati hasta el final

Read in: English Spanish

Los avances en el modelado significan que Ducati puede probar más posibilidades que nunca antes. Sus diseñadores, ingenieros y pilotos constantemente exigen predicciones más precisas de lo que sus motocicletas son capaces en la pista. Por lo tanto, no es de extrañar que estén creando algunas de las motocicletas más eficientes y potentes del mundo. 

Hubo un tiempo en que estudiar la aerodinámica de una moto MotoGP significaba construir una motocicleta de prueba, ponerla en un túnel de viento y voltear un interruptor. Cualquier cosa que quisieras probar, tendrías que construirla. 

Ya no más. Para Ducati, con la ayuda de los recursos informáticos de alto rendimiento de Lenovo, los avances en potencia informática han permitido crear modelos cada vez más complejos, probando posibilidades sin tener que introducir un producto físico en el mundo real hasta mucho, mucho más tarde. 

“Es posible modelar cada parte de la física involucrada con la moto”, dijo Davide Barana, director técnico de Ducati Corse. 

Mayor modelización significa un progreso más rápido y menos al azar, incluso en el ámbito de la dinámica de los motores, extraordinariamente compleja, de las motocicletas. En las temporadas pasadas de carreras, modelar algo como la dinámica de fluidos de un motor de combustión interna no habría sido una opción. 

Esto ha cambiado gracias a las ganancias en potencia de procesamiento y la capacidad de controlar las diferentes propiedades físicas de las motocicletas con una amplia gama de sensores. Para ayudar a Ducati a aprovechar al máximo estas ventajas, Lenovo ha diseñado un clúster de computación de alto rendimiento basado en los servidores ThinkSystem SD530, SR630 y SR650, lo que ha permitido a Ducati para modelar incluso los escenarios más complejos, rápidamente. 

“Al final, la simulación está muy, muy cerca de la realidad, por lo que sólo hay que comprobar el resultado final con las piezas reales”, explicó Barana. 

Las herramientas de Big Data y el soporte de Lenovo ayudan a evitar la salida masiva de datos de los numerosos sensores y monitores de las motos.  Las estaciones de trabajo ThinkPad P1 extraen los datos directamente de las motos, lo que proporciona información rápidamente cuando el tiempo es esencial. 

Big data tools and support from Lenovo help wrangle the massive data output from the bikes’ many sensors and monitors.  ThinkPad P1 workstations pull the data directly from the bikes, yielding insights quickly when time is of the essence.

“Las P1s son máquinas extremadamente potentes disponibles que son muy importantes para nuestro trabajo en tierra. Tenemos una gran ventaja gracias a estas máquinas”, dijo Gabriele Conti, gerente de sistemas electrónicos, Ducati Corse. 

Cuando fallan los enfoques de modelado estándar, hay otra potente herramienta en el arsenal, lista para intervenir: el aprendizaje automático. Esta potente tecnología recibe un impulso de los servidores edge de Lenovo con la flexibilidad de realizar y predecir en una amplia gama de contextos. 

Por ejemplo, los neumáticos. Puede que no parezca una parte compleja, pero las apariencias pueden ser engañosas. Como componente compuesto, están hechos de caucho y materiales sintéticos combinados en una compleja estructura cuyo comportamiento no es fácilmente captado por los modelos. 

De hecho, predecir el comportamiento de los neumáticos es crítico para la victoria. Si un piloto desgasta los neumáticos demasiado temprano durante una carrera, ocurre el desastre. 

“Es muy difícil, con un enfoque de modelado estándar, tener un buen representante del comportamiento de los neumáticos.  Y este es un muy buen ejemplo de dónde podemos beneficiarnos de un enfoque de aprendizaje automático para caracterizar nuestro neumático y administrar los neumáticos durante la carrera”, dijo Barana. 

El aprendizaje automático también elimina la embriagación que anteriormente resultaba difícil y llevaba mucho tiempo automatizarla. Los algoritmos de aleatorización pueden comprobar diferentes configuraciones de piezas para ver cuáles funcionan mejor, liberando a los ingenieros de Ducati para centrarse en innovaciones de más alto nivel. Algunas de estas innovaciones también se aplican a las motocicletas de carretera de la empresa. 

Gracias a la simulación de configuraciones de motocicleta con algoritmos como estos, los ingenieros de Ducati han aumentado la eficiencia en un 25% y reducido el tiempo de toma de decisiones en más de un tercio, ninguna pequeña hazaña en un mundo en el que cada segundo realmente cuenta. 

“Estas cifras provienen del hecho de que somos ingenieros: nos encantan los números, nos encanta medir algo. No sólo nos gusta una sensación”, dijo Conti. “Es algo que nos complace medir, para proyectar para el futuro – ¿mejoraremos de nuevo?” 

Y con una mayor eficiencia, llega más tiempo para pasar pensando en la próxima gran idea que podría cambiar el deporte de las carreras. 

“Una vez que te liberas de este sistema de prueba y error, tendrás más tiempo para pensar en una idea muy nueva, la próxima idea”, dijo Barana.

[ssba]

Join the Kind City

Experience a bold call for a new city built on empathy and community. Choose your own way through an interactive podcast with voices from around the world. Share your vision for a better tomorrow.

Become a citizen today.
Don't Miss StoryHub Updates: