میشلن از زمان معرفی اولین تایر رادیال، در سال ۱۹۴۶ در خط مقدم فناوری تایر بوده است. این شرکت همچنین از اواسط دهه ۱۹۷۰ در آمریکای شمالی به تولید و توسعه صنعت تایر روی آورده و حدود یک سال است که متیو کیب، میشلن آمریکای شمالی را اداره می‌کند. کیب با بیش از ۲۰ سال سابقه در این شرکت، در این جایگاه جدید و خاص تازه‌کار است. پیشینه او در مهندسی است و او بسیار هیجان‌زده است که وارد جزئیات توسعه تایر شود.
وبسایت motor1 که یکی از پرمخاطب ترین منابع صنعت تایر و خودرو است در مورد اینکه چگونه شبیه‌سازی و تحلیل المان محدود، توسعه تایر را تغییر داده‌اند و اینکه چگونه چاپ سه‌بعدی و هوش مصنوعی، امکاناتی را که قبلاً ناشناخته بودند، آشکار می‌کنند، با او صحبت کرده است که در ادامه می خوانید.
شما مدت زیادی است که با میشلن هستید، 20 سال؛ مسیر توسعه تایر در این مدت در این شرکت چگونه تغییر کرده است؟
من یک مهندس مکانیک هستم و آن سال ها که وارد این مجموعه شدم، قدرت تحلیل المان محدودی داشتیم؛ شما یک برنامه را اجرا می‌کردید، هشت ساعت طول می‌کشید. یعنی یک شب می‌خوابیدید و آن برنامه اجرا می‌شد. امروزه، اینها چیزهایی هستند که در یک دقیقه اتفاق می‌افتند. بنابراین، قدرت پردازش و این واقعیت که می‌توانیم از همه این ابزارها برای رسیدن سریع‌تر به راه‌حل، به ما کمک می‌کند تا خیلی سریع‌تر از همیشه در این فرآیند پیش برویم و اکنون، می‌توانیم سوالات متفاوتی نسبت به گذشته بپرسیم.
اگر بتوانید پنج شبیه‌سازی را همزمان اجرا کنید و نتایج آن به شما تجزیه و تحلیل مقایسه‌ای بین این چیزهای مختلف را ارائه دهد، می‌توانید یک مسیر را انتخاب کنید و شروع به حرکت کنید. این امر سطح جدیدی از خلاقیت را ایجاد می‌کند، زیرا اگر بتوانید فرضیه خود را به سرعت آزمایش کنید و فرصت‌های مختلفی را برای به‌کارگیری چیزی که به آن فکر کرده‌اید پیدا کنید، خب، حالا شاید بتواند به واقعیت تبدیل شود. در حالی که قبلاً، به دلیل زمانی که برای رسیدن به آنجا لازم بود، کمی بیشتر بود، طبعا در امتحان کردن همه گزینه ها مردد بودیم. این به شکوفایی خلاقیت‌های بزرگ کمک می‌کند.
برخی از سوالات مختلفی که می‌پرسید چیست؟
خب، یکی از حوزه‌هایی که در مورد آن صحبت خواهم کرد، مقوله شرایط آب و هوایی است. می‌بینید که دسته‌بندی تایرهای همه‌فصلی در حال گسترش است. بیست سال پیش، بحث این بود که «چگونه می‌توانیم یک تایر گل و برف بهتر بسازیم؟ چگونه می‌توانیم تایری بسازیم که هم در شرایط بارانی خوب باشد و هم در شرایط برفی، یا هر ترکیب دیگری از عناصری که به دنبالش بودیم؟
حالا می‌گوییم نه تنها می‌توانیم تایری تولید کنیم که در شرایط بارانی خوب باشد، که برای رانندگی روزانه در طول تابستان عالی باشد، بلکه می‌توانیم دانه‌های برف کوهستانی شدید داشته باشیم و می‌توانیم در فضایی بازی کنیم که نه برای همه، بلکه برای بخش بزرگی از جمعیت، وقتی سالانه برف می‌بارد، یا اگر سالی چند بار برف می‌بارد، می‌توانند با اطمینان از ایمن بودن محصول خود استفاده کنند.
قبلاً وقتی در مورد امتحان کردن چیزها صحبت می‌کردیم، بحث این بود که «چگونه می‌توانیم در هر یک از آن دسته‌بندی‌های دیگر کمی بهتر شویم»، اما اکنون جهش‌هایی می‌کنیم و می‌گوییم: چگونه می‌توانیم چیزی را که در گذشته انجام نداده‌ایم، آزاد کنیم؟»
بله بدیهی است که نمی‌توانید از شر برخی ملاحظات خلاص شوید. اما این ملاحظه‌ها خیلی کوچک‌تر شده و وسعت توانایی یک تایر خیلی بزرگ‌تر می‌شود. ما به آن به عنوان یک رشته فکر می‌کنیم. بنابراین اگر تمام آن عناصر مختلفی را که سعی در بهینه‌سازی آنها داریم – مقاومت غلتشی، ترمزگیری در حالت خشک، لغزش در آب، برف و غیره – رسم کنید، در نهایت به چیزی می‌رسید که ما آن را نمودار عنکبوتی می‌نامیم. در آن نمودار عنکبوتی، قبلاً مجبور بودیم با دایره‌ای که شبیه این بود بازی کنیم [یک دایره کوچک را تقلید می‌کند]. خب، حالا می‌توانیم رشته را خیلی طولانی‌تر کنیم.
در میشلن، ما به “عملکرد کامل” خود افتخار می‌کنیم، بنابراین سعی می‌کنیم در یک چیز عالی و در بسیاری از چیزهای دیگر واقعاً متوسط نباشیم. بله، بسته به محصول، ما ممکن است برجسته تر عمل کنیم، اما معتقدیم مصرف‌کننده بسته عملکرد کامل را می‌خواهد.
بنابراین، همانطور که از این مرحله عبور می‌کنیم – که از دیدگاه مهندسی واقعاً جالب است – چه ابزار رمزگشایی بزرگی می‌تواند به ما کمک کند تا بتوانیم به نقاط بیشتری برسیم و بدون از دست دادن آن چیزی که در طرف دیگر است، به عملکرد مورد نظر خود برسیم؟ بله آن ابزار رمزگشایی بزرگ، ابزارهای شبیه‌سازی هستند و معتقدم پیشرفت‌های زیادی در ترکیب‌سازی حاصل شده و شبیه‌سازی ترکیبات یکی از سخت‌ترین کارها است.
اما کاری که می‌توانید با بخش فناوری انجام دهید، اگر آزمایش‌هایی دارید که قابل تکرار هستند، کاری که 20 سال پیش نمی‌توانستیم انجام دهیم این است که می‌توانید آزمایش‌هایی را تنظیم کنید که تمام شب اجرا شوند در حالی که شما آنجا نیستید. و سپس روز بعد برمی‌گردید و یک سری آزمایش دارید و اکنون می‌توانید بگویید، باشه “بیایید این داده‌ها را پردازش کنیم.”
بدیهی است که بخش پردازش داده‌ها بسیار پیشرفته‌تر از آن زمان است. اما اکنون می‌توانید روال‌های خودکار را تنظیم کنید تا بتوانید برگردید و [کامپیوتر] کارهایی را برای شما یک شبه یا برای هفته‌ها انجام دهد که قبلاً نمی‌توانستیم انجام دهیم. می‌توانیم آن را در یک اتاق تاریک قرار دهیم و رهایش کنیم، مثلاً مدتی آزمایش‌های دیوانه‌وار انجام دهیم و بعد برگردیم و از خودمان بپرسیم: «خب، در آن مدت چه اتفاقی افتاده؟»
بیست سال پیش، قدرت پردازش، حافظه و چیزهایی از این قبیل، محدودیتی برای ما بودند تا بتوانیم در هر میلی‌ثانیه، سطح داده‌های مورد نیازمان را ثبت کنیم، زیرا فایل‌هایی تولید می‌کردند که برای مدیریت بسیار بزرگ بودند. خب، امروز می‌توانیم این کار را انجام دهیم. آن را در فضای ابری بارگذاری می‌کنیم و این فرصت را داریم که به آنچه در طول زمان اتفاق افتاده است، نگاهی بیندازیم. بنابراین، این واقعاً به ما کمک می‌کند تا خلاق‌تر باشیم.
حالا که همه این امکانات مختلف را در دسترس دارید و می‌توانید چیزهای متفاوتی را نسبت به قبل امتحان کنید. چگونه آن سطح از پیچیدگی را مدیریت می‌کنید؟
ما در میشلن آن را به مراحلی تقسیم می‌کنیم. کاری که ما انجام می‌دهیم این است که تیم‌هایی از افراد داریم که روی «چگونه می‌توانیم یک ویژگی متفاوت در ترکیب ایجاد کنیم؟» کار می‌کنند. سال‌هاست که آنها همچنان روی «چگونه می‌توانم گرمای کمتری از حرکت ایجاد کنم؟» یا چیزی شبیه به این تمرکز می‌کنند.
در پایین‌دست، افراد دیگری را دارید که با بازاریابی در ارتباط هستند و می‌گویند: «بسیار خب، اگر قرار است یک تایر چهارفصل بسازم، این چه شکلی است؟» و بنابراین تیم بازاریابی وارد می‌شود و می‌گوید: «بسیار خب، من یک تایر چهارفصل می‌خواهم: این چیزی است که من به دنبالش هستم.»
سپس گروه دیگری وجود دارد که این نوع کتابخانه از نوآوری‌های دیوانه‌وار را که در حال ظهور هستند، در نظر می‌گیرد. به عنوان مثال، ما تصمیم گرفتیم که آنها نوعی ترکیب آلی را در رابر ما قرار دهند که قبلاً هرگز انجام نداده بودیم. سپس تیم بعدی این منابع را می‌گیرد و می‌گوید: «از آموخته‌های آنها چه چیزی می‌توانم استخراج کنم و آن را به داشته‌هایمان تزریق کنیم تا بتوانیم محصول بعدی را بسازیم؟»
از آنجا که ما طیف کاملی از محصولات را داریم، از لاستیک‌های خودروهای سواری گرفته تا لاستیک‌های کشاورزی، از معدن گرفته تا کامیون‌ها، می‌توانیم ببینیم که چگونه می‌توانیم از برخی از آن فناوری‌هایی که در یک مکان شروع شده‌اند استفاده کنیم و چگونه می‌توانند راه خود را در سفر به مکان‌های دیگر باز کنند. و گاهی اوقات، با چیزی برمی‌گردد که هرگز انتظارش را نداشتیم.
می‌خواهم در مورد هوش مصنوعی صحبت کنم. همه همیشه در مورد هوش مصنوعی صحبت می‌کنند و همه احساس فشار می‌کنند که در مورد آن صحبت کنند، اما به نظر شما کجا بر توسعه لاستیک تأثیر می‌گذارد؟
کمی در مورد شبیه‌سازی صحبت کردیم، اما حالا می‌توانید هوش مصنوعی را روی لاستیک‌های کاملاً تکمیل‌شده اعمال کنید. خب، چطور می‌توانیم سناریوهای مختلفی را برای آزمایش لاستیک‌هایمان با هوش مصنوعی معرفی کنیم؟ به‌طور سنتی، بدون هوش مصنوعی، معرفی متغیرها به برنامه می‌تواند دشوار باشد. کاری که هوش مصنوعی می‌تواند انجام دهد، اگر به روش صحیح به آن بدهید، این است که ترکیبی از متغیرها را بگیرید و آنها را به شبیه‌سازی خود اضافه کنید.
ما خیلی خیلی از این فاصله داریم که بگوییم «برای من یک تایر طراحی کن که این شکلی باشد» و هوش مصنوعی به نحوی با این ترکیب عناصر برگردد. کاری که می‌توانیم انجام دهیم این است که از آن در مراحل مختلف برای کمک به خودمان استفاده کنیم.
مثالی که در ذهن دارم این است که وقتی به مجموعه داده‌های بزرگ نگاه می‌کنید، انسان‌ها می‌توانند الگوها را شناسایی کنند، اما هوش مصنوعی همچنین می‌تواند الگوها را شناسایی کند و گاهی اوقات می‌تواند الگوهایی را که ما ندیده‌ایم شناسایی کند. این ما را در مسیر جدیدی قرار می‌دهد. کاری که هوش مصنوعی می‌تواند انجام دهد این است که به ما کمک کند تا این عناصر مختلف را به هم مرتبط کنیم.
این در مورد درخواست از آن برای توسعه یک تایر نیست، بلکه در مورد این است که «من این مجموعه داده‌های عظیم را دارم، چه همبستگی بین این دو آزمایش به ظاهر بی‌ربط می‌بینید؟» و سپس ممکن است برگردد و داده های گاها بی ربط را که یک انسان هیچ گاه قادر به ایجاد ارتباط بین آنها نبود، به هم مرتبط سازد. حالا اگر بتواند بگوید که چه همبستگی بین داده ها وجود دارد، مهندسان ما می‌توانند آن را به مرحله بعدی ببرند و بگویند: «خب، چرا این همبستگی؟ چه چیزی ممکن است باعث آن شده باشد؟ چه کاری می‌توانیم انجام دهیم؟ چگونه می‌توانیم از آن به نفع خود استفاده کنیم؟»
من فکر می‌کنم این به عنوان یک تعریف برای ما عمل می‌کند که بتوانیم با داده‌ها به روشی متفاوت رفتار کنیم تا بتوانیم آن را تجزیه و تحلیل کنیم و سپس به تلاش ادامه دهیم. همه چیز در مورد کمک به ما برای دیدن این است که کجا می‌توانیم کمی بیشتر تلاش کنیم؛ به خصوص، اکنون که داده‌های شما بیشتر و بیشتر از همیشه است.
شما در مورد توانایی ساخت قالب یا قطعات مختلف صحبت می‌کنید، خلاقیتی که می‌تونید به عنوان یه مهندس داشته باشید وقتی که محدود به روش‌های سنتی ماشینکاری نیستید، باورنکردنیه.
من همیشه اینو می‌گم: وقتی تازه مهندس شده بودم، قطعاتی رو طراحی می‌کردم که نمی‌شد تولیدشون کرد و می‌رفتم و با ماشین‌کار می‌نشستم، و اونا می‌گفتن «ببین، اگه می‌خوای این کار رو بکنی، ابزارت باید از این مسیر بیاد و بعد باید از وسط قطعه‌ات رد بشه و بعد از این مسیر بره و این اصلاً امکان‌پذیر نیست.» هیچ مسیر فیزیکی برای انجام این کار وجود ندارد. این دیگر محدودیت نیست.
بنابراین، وقتی می‌توانید انواع مواد مختلف – فلزات و البته انواع مختلف پلیمرها – را چاپ سه‌بعدی کنید، می‌توانید سطحی از خلاقیت را در مهندس ایجاد کنید که ما هنوز به آن نرسیده‌ایم. این در مورد قالب‌ها صدق می‌کند، در مورد تجهیزاتی که در کارخانه‌هایمان داریم نیز صدق می‌کند. در مورد بسیاری از چیزهایی که می‌توانید تجهیزات را مقاوم‌تر کنید نیز صدق می‌کند. می‌توانید شکل‌هایی ایجاد کنید، شاید در لاستیک‌ها، که قبلاً هرگز نمی‌توانستیم ایجاد کنیم.
این واقعاً با آنچه در شبیه‌سازی در مورد آن صحبت کردیم، همسو است. این فقط راه دیگری برای آزاد کردن خلاقیت ماست تا بتوانیم چیزی را امتحان کنیم که قبلاً هرگز امکان‌پذیر نبود.
آخرین چیزی که می‌خواستم در مورد آن بپرسم، تایرهای EV است. میشلن تایرهای مخصوص EV زیادی تولید نمی‌کند. چرا اینطور است؟
این یک سوال عالی است و سوالی است که ما در میشلن با آن دست و پنجه نرم کردیم. در نهایت، این یک انتخاب است و انتخابی که تصمیم گرفتیم انجام دهیم. ما فکر می‌کنیم اگر مصرف‌کننده‌ای برای خرید یکی از محصولات ما می‌آید و اندازه و نسبت‌های مناسبی برای وسیله نقلیه‌اش دارد، می‌خواهیم بتواند محصولی متناسب با آن داشته باشد.
چیزهایی که رانندگان خودروهای برقی به آن اهمیت می‌دهند، ما نیز به آن اهمیت می‌دهیم. هر لاستیکی که در میشلن توسعه می‌دهیم، به دنبال مقاومت غلتشی بهتر است که منجر به برد و طول عمر می‌شود. طول عمر یک سوال بزرگ در حوزه خودروهای برقی است، اما همچنین سوال بزرگی برای دیگران است.
چه شما یک خودروی برقی، چه هیبریدی یا یک خودروی احتراق داخلی سنتی داشته باشید، می‌خواهیم بتوانیم آن محصول را در اختیار شما قرار دهیم و صادقانه بگویم، آن را برای مصرف‌کننده‌ای که از قبل انتخاب‌های مختلف زیادی دارد، کمتر پیچیده کنیم. بنابراین ما می‌گوییم: ما محصولی خواهیم ساخت که برای همه مناسب باشد؛ چه صاحب یک خودروی برقی یا هیبریدی و یا بنزینی باشید.
ما در میشلن فکر می‌کنیم چیزهایی که آنها در حوزه خودروهای برقی به آن اهمیت می‌دهند، در حوزه خودروهای احتراق داخلی نیز مورد توجه قرار می‌گیرند؛ شاید کمی متفاوت تر. اما احساس می‌کنیم با انجام این کار، مصرف‌کننده آسان‌تر می تواند تصمیم بگیرد.