Reinova ha annunciato NEXUS, una nuova piattaforma AI-native che integra dati sperimentali, digital twin, machine learning e AI Agent trasformando le informazioni generate durante i test in conoscenza industriale riutilizzabile.
Il progetto nasce con l’obiettivo di superare la frammentazione tra progettazione, simulazione, testing e validazione e potrà trovare applicazione in diversi settori, dall’automotive e mobilità elettrica alle applicazioni marine, ai sistemi industriali e ai BESS, i sistemi di accumulo energetico a batteria.
Alla base di NEXUS ci sono dati fisici misurati e validati, generati in laboratorio e interpretati da tecnici e specialisti. Gli AI Agent potranno così supportare gli ingegneri nell’individuazione delle evidenze disponibili e degli eventuali gap di validazione, suggerendo i test necessari e contribuendo alle decisioni nelle fasi di sviluppo e rilascio.
Secondo Reinova, il modello permette di ridurre tempi di analisi e numero di prototipi fisici, ottimizzare l’utilizzo dei banchi prova e migliorare la tracciabilità delle decisioni tecniche e di compliance. La piattaforma è già stata utilizzata in alcuni progetti pilota, tra cui lo sviluppo per un cliente europeo di una batteria multichemistry, realizzata in tempi ridotti rispetto ai tradizionali cicli di sviluppo.
Reinova ha annunciato NEXUS, una nuova piattaforma AI-native che integra dati sperimentali, digital twin, machine learning e AI Agent trasformando le informazioni generate durante i test in conoscenza industriale riutilizzabile.
Il progetto nasce con l’obiettivo di superare la frammentazione tra progettazione, simulazione, testing e validazione e potrà trovare applicazione in diversi settori, dall’automotive e mobilità elettrica alle applicazioni marine, ai sistemi industriali e ai BESS, i sistemi di accumulo energetico a batteria.
Alla base di NEXUS ci sono dati fisici misurati e validati, generati in laboratorio e interpretati da tecnici e specialisti. Gli AI Agent potranno così supportare gli ingegneri nell’individuazione delle evidenze disponibili e degli eventuali gap di validazione, suggerendo i test necessari e contribuendo alle decisioni nelle fasi di sviluppo e rilascio.
Secondo Reinova, il modello permette di ridurre tempi di analisi e numero di prototipi fisici, ottimizzare l’utilizzo dei banchi prova e migliorare la tracciabilità delle decisioni tecniche e di compliance. La piattaforma è già stata utilizzata in alcuni progetti pilota, tra cui lo sviluppo per un cliente europeo di una batteria multichemistry, realizzata in tempi ridotti rispetto ai tradizionali cicli di sviluppo.