Oprogramowanie do inżynierii motoryzacyjnej

Osiągi pojazdu dotyczą ogólnych możliwości, wydajności i funkcji pojazdu, obejmujących takie aspekty jak przyspieszenie, zasięg akumulatora, bezpieczeństwo, aerodynamika i zarządzanie wodą, zaawansowane systemy wspomagania kierowcy (ADAS), zarządzanie energią i temperaturą, parametry wibroakustyczne (NVH) oraz akustyka, wytrzymałość i trwałość, sterowanie pojazdem i prowadzenie pojazdu.

Inżynieria osiągów dla branży motoryzacyjnej wynika z wymagań biznesowych i umożliwia kompleksową optymalizację systemu dzięki zapewnieniu zamkniętej pętli wirtualnego testowania i monitorowania. Stosując strategię przesunięcia w lewo, producenci i dostawcy w branży motoryzacyjnej dążą do zapewnienia lepszej wartości biznesowej poprzez wykrywanie potencjalnych problemów na wczesnym etapie cyklu rozwoju. Stosując symulację na wczesnym etapie procesu projektowania i przeprowadzając wirtualne testy pod kątem zgodności produktów z wymaganiami, mogą wcześnie wykrywać problemy i korygować je w zrozumiałym cyfrowym bliźniaku. Ponadto mogą analizować alternatywne projekty na wcześniejszym etapie projektowania, kiedy zmiany są jest łatwiejsze do wprowadzenia i mają mniej dotkliwe skutki.

Symulacja wielodomenowa dotyczy analizy wielu jednoczesnych zjawisk fizycznych zachodzących w systemie lub systemów oraz interakcji między nimi. Wielodomenowe oprogramowanie do inżynierii motoryzacyjnej rozwijane w oparciu o wymagania konsumentów i biznesowe ma na celu szybsze projektowanie bezpiecznych i wydajnych produktów. Umożliwia modelowanie złożoności, badanie możliwości produktów działających w rzeczywistych warunkach i odkrywanie potencjalnych problemów na wczesnym etapie cyklu rozwoju.

Przykładem niech będą zespoły zajmujące się opracowywaniem, projektowaniem i inżynierią akumulatorów samochodowych, które muszą zintegrować inżynierię elektrochemiczną, elektryczną, termiczną i konstrukcyjną. Realizowanie izolowanych kampanii ukierunkowanych na te odrębne cechy spowoduje wygenerowanie nadmiarowych, a czasem sprzecznych modeli i zestawów danych. Natomiast zastosowanie kompleksowego podejścia wielodomenowego pozwala dokładnie zrozumieć, jak podzespoły będą funkcjonować po zintegrowaniu, i zapewnia, że już pierwszy prototyp będzie działał zgodnie z planem.

Czasy, w których testy samochodów (systemów) były przeprowadzane na prototypach, już dawno minęły. Dziś rozwój nie kończy się na końcu cyklu weryfikacji i walidacji, jest natomiast kontynuowany w pętli zamkniętej z wykorzystaniem danych historycznych, testowych i pochodzących z eksploatowanych do tworzenia modeli opartych na testach, które określają związek między charakterystyką pojazdu a jego osiągami.

Dobrym przykładem jest testowanie systemu w oparciu o model (MBST). MBST to platforma inżynieryjna wykorzystująca trzy kluczowe rozwiązania: modele wirtualne, systemy wirtualno-fizyczne i fizyczne prototypy. Wykorzystuje dane testowe do budowania, walidacji i ulepszania modeli symulacji, identyfikuje interakcje za pomocą architektury XiL w różnych scenariuszach i wzbogaca dane testowe o modele symulacji dla fizycznych prototypów. Producenci korzystający z MBST są bardziej wydajni, szybsi i unikają błędów wynikających z przesyłania danych lub przetwarzania końcowego.

Innym doskonałym przykładem jest wirtualne prototypowanie. Wirtualne prototypowanie to skuteczna metoda testowania, która pozwala na analizę alternatywnych złożeń pojazdu przed zbudowaniem fizycznych prototypów. W szczególności koncentruje się na parametrach NVH i wykorzystuje analizę ścieżki transferu (TPA) opartą na komponentach do szybkiej oceny różnych projektów, co oszczędza koszty dzięki wczesnemu wykrywaniu i kontrolowaniu problemów.

Korzystanie z tradycyjnych metod projektowania i inżynierii jest utrudnione z powodu rozpowszechnionych obecnie złożonych przepływów informacji. Wykorzystanie sztucznej inteligencji (AI) i uczenia maszynowego (ML) przyspiesza podejmowanie decyzji, zwiększając produktywność zespołów inżynierskich i umożliwiając opracowywanie innowacyjnych produktów w krótszym czasie. Rozwiązanie Simcenter, przydatne na każdym etapie cyklu rozwoju, stanowi platformę umożliwiającą stosowanie sztucznej inteligencji w celu bezproblemowego wykorzystania danych historycznych, unikania błędów, przyspieszenia analizy i optymalizacji projektów.

Na przykład w systemach pojazdów autonomicznych sztuczna inteligencja i uczenie maszynowe są używane do integrowania ludzkich zachowań z analizami otoczenia wykonywanymi przez urządzenia. Obecne systemy analizy otoczenia stosowane w pojazdach autonomicznych prawie dorównują ludzkim zdolnościom sensorycznym, zwłaszcza w standardowych warunkach, ale nie sprawdzają się w ekstremalnych warunkach pogodowych i złożonych scenariuszach. Proces tworzenia scenariuszy w systemie Simcenter pomaga generować krytyczne scenariusze dla producentów OEM i dostawców pojazdów autonomicznych, zapewniając zgodność z normami bezpieczeństwa, takimi jak bezpieczeństwo zamierzonej funkcjonalności (SOTIF).