Investigaciones recientes enfatizan el creciente uso de materiales compuestos avanzados en el transporte moderno, destacando su superior relación peso-resistencia. Estos materiales están reemplazando cada vez más al acero y al aluminio en carcasas para mejorar la sostenibilidad, aumentar la eficiencia y reducir las emisiones. Considerando estos avances, este artículo revisa estudios recientes sobre materiales compuestos, centrándose en modelos de evaluación de la vida a fatiga. Estos modelos, que incluyen degradación del rendimiento, daño progresivo y modelos de curva S-N, son esenciales para garantizar la fiabilidad de los materiales compuestos. Se señala que el proceso de daño por fatiga en materiales compuestos es complejo, ya que la falla puede ocurrir en la matriz, el refuerzo o en transiciones como la delaminación interlaminar e intralaminar. Además, el artículo examina críticamente la integración de técnicas de inteligencia artificial para predecir la vida a fatiga de los materiales compuestos, ofreciendo un análisis exhaustivo de los métodos utilizados para indicar las propiedades mecánicas de los compuestos de carcasas de baterías. La incorporación de redes neuronales en el análisis de la vida a fatiga mejora significativamente la fiabilidad de las predicciones. Sin embargo, la precisión del modelo depende en gran medida de los datos completos que incluye, como las propiedades del material, las condiciones de carga y los procesos de fabricación, que ayudan a reducir la variabilidad y asegurar la precisión de las predicciones. Esta investigación subraya la importancia de los avances continuos y sus significativas contribuciones científicas a la sostenibilidad del transporte, especialmente en el contexto de las tecnologías emergentes de inteligencia artificial.