istanbul-ticaret-gazetesi
istanbul-ticaret-gazetesi

Elektrikli araçlara yapay zeka dopingi: Motor ısı kontrolü

Alman teknoloji firması ZF, elektrik motorlarının sıcaklık tahminini yüzde 15’ten fazla artıran yapay zeka destekli çözümü TempAI ile elektrikli araçların verimliliğinde yeni bir çığır açıyor.

Giriş: 07.07.2025 - 11:17
Güncelleme: 07.07.2025 - 11:34
Elektrikli araçlara yapay zeka dopingi: Motor ısı kontrolü

Elektrikli araç teknolojisinde önemli bir gelişme Almanya’dan geldi. Otomotiv endüstrisinin önde gelen firmalarından ZF, motor sıcaklıklarını tahmin etmede yüzde 15'in üzerinde doğruluk sağlayan yapay zeka tabanlı yeni çözümünü tanıttı. TempAI adını taşıyan bu sistem, elektrik motorlarının termal performansını optimize ederek daha fazla güç elde edilmesini sağlıyor.


YÜKSEK DOĞRULUK, YÜKSEK GÜÇ

ZF’nin geliştirdiği TempAI platformu, fiziksel modellemeye ihtiyaç duymadan, yalnızca AI desteğiyle motor içerisindeki sıcaklıkları hesaplayabiliyor. Bu sayede motorun sınırlarına daha yakın bir şekilde çalıştırılması mümkün hale gelirken, ilave donanıma da gerek kalmıyor.


ENTEGRE KONTROL MÜMKÜN

ZF’nin açıklamasına göre, mevcut kontrol üniteleri TempAI'yi çalıştırmak için yeterli. Çünkü kullanılan AI modelleri yüksek işlem gücü gerektirmiyor. Bu da teknolojinin seri üretime kolayca entegre edilebileceğini ve maliyetleri düşüreceğini gösteriyor.


VERİMLİLİKTE SIÇRAMA

Yeni teknoloji, Dünya genelinde standart kabul edilen WLTP döngüsünde yüzde 6’ya kadar daha yüksek tepe gücü sağlayabiliyor. Nürburgring gibi dinamik sürüş koşullarında ise enerji tüketimi yüzde 6 ila yüzde 18 oranında azaltılabiliyor.


MALİYET VE ZAMAN TASARRUFU

ZF’nin Ar-Ge Başkanı Dr. Stefan Sicklinger, “TempAI yalnızca verimliliği değil, geliştirme süreçlerini de hızlandırıyor. Proje başına geliştirme süresi birkaç aydan sadece birkaç güne inebiliyor,” ifadelerini kullandı. Ayrıca, daha hassas sıcaklık kontrolü sayesinde nadir toprak elementleri gibi kritik malzemelerden tasarruf da mümkün hale geliyor.


MİLYONLARCA VERİ İLE EĞİTİM

ZF, sistemin eğitilmesinde kullanılan verilerin test tezgâhları ve araç testlerinden elde edildiğini belirtti. Bu veriler, rotor hızı ve yağ sıcaklığı gibi çok sayıda değişken içeriyor. Yapay zeka algoritmaları bu veri yığınından motorun en kritik ısınma anlarını tanımlayabiliyor.