Gracias a los recursos de computación de alto rendimiento que Lenovo pone a disposición del equipo de MotoGP de Ducati, sus miembros no solo han logrado optimizar su gestión y trabajo diario. También han logrado otros avances, entre los que está el desarrollo de modelos de moto más complejo, lo que les ha permitido probar diferentes posibilidades sin necesidad de contar con equipamiento físico en el mundo real hasta mucho después de haber realizado todas las pruebas.
Más modelado lleva a un progreso más rápido y a dejar menos cabos sueltos, incluso en el mundo de los motores de motos, extremadamente complejos. En temporadas anteriores, por ejemplo, el modelado de algo como la dinámica de fluidos de un motor de combustión interna no habría sido posible. Pero ahora sí lo es. Todo gracias a lo que ha ganado el equipo Ducati en potencia de procesado, además de la capacidad de monitorizar distintas propiedades físicas de las motos con una amplia gama de sensores.
Para ayudar a Ducati a sacar el máximo partido posible de estas posibilidades, Lenovo diseñó a medida un cluster de computación de alto rendimiento basado en los servidores ThinkSystem SD530, SR630 y SR650, lo que abrió la puerta a Ducati para poder modelar incluso los escenarios más complejos, y además hacerlo rápido.
Las herramientas de Big Data y el soporte de Lenovo ayudan también a conseguir los datos obtenidos de los sensores y monitores de las motos. Las estaciones de trabajo ThinkPad P1 extraen los datos directamente de las motos, consiguiendo información con rapidez cuando es necesario hacerlo. Por otro lado, gracias al machine learning se consigue superar las limitaciones del modelado estándar. Además, esta tecnología logra un impulso fuerte de los servidores en el edge de Lenovo, con la flexibilidad suficiente para conseguir rendimiento y predicción en diversos contextos.
Un ejemplo de esto lo encontramos en el caso de laos neumáticos, que parece que no son muy complejas, pero las apariencias engañan. Están compuestas de goma y elementos sintéticos combinados en una estructura compleja cuyo comportamiento no captan con facilidad los modelos. Y la predicción del comportamiento de los neumáticos es crítico para conseguir la victoria. Si un motorista quema sus neumáticos demasiado pronto en una carrera, el desastre está asegurado. Gracias al machine learning y la potencia de proceso que proporciona Lenovo, el equipo Ducati cuenta con más facilidades para conseguir predecir este comportamiento.
El machine learning también reduce las dificultades y tareas que llevaban tiempo, gracias a la automatización. Los algoritmos de randomizado, además, pueden comprobar distintas configuraciones de componentes para ver cuáles funcionan mejor, liberando a los ingenieros de Ducati para que puedan centrarse en la innovación de alto nivel, y que algunas de sus innovaciones lleguen también a las motos de carretera de la compañía.
Gracias a la simulación de configuraciones de motos con algoritmos como estos, ejecutados en portátiles ThinkPad, los ingenieros de Ducati han elevado la eficiencia un 25%, y rebajado el tiempo de toma de decisiones más de un tercio, algo nada desdeñable en un entorno en el que cada segundo cuenta. Además, con una mayor eficiencia, lo que da más tiempo para pensar en la próxima gran idea que podría cambiar la competición.
