De acordo com pt.wedoany.com-A BorgWarner compartilhou, na Conferência Anual de Automóveis da China da MathWorks, realizada em junho de 2026, um método de estimativa online da temperatura do motor elétrico baseado em aprendizado de máquina. O método utiliza redes de aprendizado profundo para prever em tempo real as temperaturas do rotor e do estator do motor. Atualmente, a validação em bancada foi concluída, e os testes de integração veicular serão realizados em seguida.
Utilizar IA para prever condições operacionais não é uma tecnologia nova, mas um problema real sempre persiste: como implantar de forma confiável um modelo de IA treinado em ambiente Python em uma plataforma embarcada? Da integração do modelo à geração de código, da validação por simulação à implantação final, cada etapa pode apresentar incertezas. Esta é a questão central para a implantação em larga escala da IA embarcada na indústria automotiva atual.
Shucheng Dong, especialista-chefe e gerente de equipe da equipe de tecnologia automotiva da MathWorks China, mencionou que o MATLAB possui mais de 130 toolboxes de produtos, mas os usuários, devido aos ciclos de desenvolvimento, não os utilizam plenamente. A maioria dos toolboxes subutilizados apresenta um alto nível de especialização, exigindo que os usuários tenham uma base teórica sólida em áreas como teoria de controle e otimização. A versão R2026a está mudando isso.
Em abril de 2026, a MathWorks lançou a versão 2026a (R2026a) da família de produtos MATLAB e Simulink, cujo núcleo é o fluxo de trabalho orientado por IA Agêntica. Com base no MATLAB MCP Core Server, o agente de IA pode interagir com MATLAB/Simulink, não apenas fornecendo sugestões de otimização, mas também executando operações como geração de código, análise de código, criação e edição de modelos, formando um ciclo fechado de design assistido por IA generativa e computação verificável. O papel da IA Agêntica é permitir que engenheiros, sem a necessidade de estudar profundamente teorias interdisciplinares, utilizem toolboxes avançados por meio de linguagem natural, acessando assim funcionalidades que antes não ousavam ou não sabiam usar.
O MATLAB Agentic Toolkit e o Simulink Agentic Toolkit fornecem ao Coding Agent conhecimento especializado sobre os fluxos de trabalho e as normas de uso do MATLAB e Simulink. Quando combinados, o sistema de IA generativa pode escrever código no estilo MATLAB/Simulink, gerar e executar testes automaticamente, diagnosticar e corrigir erros, utilizar de forma mais eficiente as capacidades integradas do MATLAB e Simulink, e, além de melhorar a qualidade da engenharia, reduzir gastos desnecessários de tokens.
A solução fornecida pela MathWorks cobre um processo totalmente rastreável e verificável, do treinamento à implantação. As capacidades do conjunto de ferramentas R2026a podem ser compreendidas em três níveis: a camada de desenvolvimento e treinamento de algoritmos fornece um ambiente completo de modelagem e treinamento, suportando o design de estruturas de rede como LSTM, otimização de hiperparâmetros e gerenciamento do processo de treinamento; na camada de integração de modelos e validação por simulação, o Simulink oferece blocos para importar diretamente modelos de rede neural treinados, permitindo simular o processo de inferência dentro do Simulink. A versão R2026a também suporta a simulação de código C e C++ no modelo, sem restrições de linguagem e sem necessidade de wrappers adicionais; na camada de geração de código e implantação embarcada, os modelos aprovados na validação por simulação podem gerar nativamente código C para implantação em MCUs automotivos.
Os três níveis formam um ciclo fechado completo: dos dados ao modelo, do modelo à validação por simulação, da validação à geração e implantação de código, cada etapa é rastreável e repetível. No entanto, ciclo fechado não é sinônimo de automação. A implantação em MCUs ainda enfrenta restrições práticas como velocidade de inferência e uso de memória. Compressão de rede, poda e perda de precisão são trade-offs que devem ser enfrentados no processo de engenharia.
Tihuan Zhang, gerente de arquitetura de sistemas da divisão PDS da BorgWarner (China) R&D Co., Ltd., destacou que sensores de temperatura não podem ser instalados no rotor do motor durante rotação em alta velocidade. O método tradicional de fluxo magnético apresenta erros significativos em regiões de baixa velocidade e baixo torque, enquanto o método de rede térmica exige que os engenheiros tenham conhecimento teórico profundo em estruturas de motores e transferência de calor.
Zhang afirmou que o valor da IA reside em substituir a modelagem física complexa por dados, reduzindo a barreira de desenvolvimento. O projeto segue o grupo de processos MLE do ASPICE 4.0, transformando o processo de aprendizado de máquina em uma atividade de engenharia avaliável, verificável e rastreável através do MLE e SUP.11. O núcleo é reduzir a incerteza do controle do processo, não negar a incerteza. Da definição do problema, requisitos de desempenho e restrições operacionais, à preparação do conjunto de dados e otimização de hiperparâmetros, passando por testes em nível de componente, testes de robustez e, finalmente, validação em bancada e veicular, cada etapa possui requisitos de processo claros. O fluxo de trabalho MBD garante a rastreabilidade de todo o processo, desde a preparação dos dados, design e treinamento da rede, validação no ambiente Simulink, até a implementação e implantação do código C.
Na visão de Zhang, o valor da reutilização técnica é ainda mais crucial: o aprendizado de máquina com IA permite a transferência de conhecimento, não apenas para temperatura, mas também para outras áreas, como sensores de posição no futuro. Os métodos de IA também podem reduzir o uso de recursos de calibração em testes de bancada. Através da combinação de simulação e IA, no modo de desenvolvimento paralelo do motor e do controle eletrônico, a validação do algoritmo pode ser realizada antecipadamente, sem a necessidade de esperar pelo motor físico.
Para a cadeia da indústria automotiva chinesa, que está em um ambiente competitivo, o valor do conjunto de ferramentas da MathWorks está em ajudar as empresas Tier 1 a alcançar, em um desenvolvimento acelerado, um acúmulo técnico de investimento único e reutilização múltipla, diluindo continuamente os custos de desenvolvimento.
Do ponto de vista das tendências da indústria, 2026 é considerado pela indústria como o ano dos agentes inteligentes, com a IA de borda migrando da nuvem para o mundo físico. A missão da MathWorks é acelerar o ritmo da engenharia e da ciência, e a Conferência Anual de Automóveis da China da MathWorks em 2026 tornou esta missão uma prática de engenharia em andamento.
