Software de ingeniería automotriz

El rendimiento del vehículo se relaciona con las capacidades generales, la eficiencia y la funcionalidad de un vehículo, abarcando aspectos como la aceleración, la autonomía de la batería, la seguridad, la aerodinámica y la gestión del agua, los sistemas avanzados de asistencia al conductor (ADAS), la gestión energética y térmica, el ruido, las vibraciones y la dureza (NVH) y la acústica, la resistencia y la durabilidad, los controles del vehículo y el manejo del vehículo.

La ingeniería de rendimiento automotriz está impulsada por los requisitos comerciales y ofrece optimización del sistema de extremo a extremo a través de un bucle continuo de monitoreo y pruebas virtuales. Utilizando una estrategia de desplazamiento a la izquierda, los fabricantes y proveedores de automóviles tienen como objetivo proporcionar un mejor valor comercial mediante el descubrimiento de problemas potenciales al principio del ciclo de desarrollo. Mediante el uso de la simulación en las primeras etapas del proceso de diseño y la comprobación virtual de si los productos cumplen los requisitos, pueden detectar problemas de forma temprana y rectificarlos en un gemelo digital comprensible. Además, pueden explorar alternativas de diseño en una fase más temprana de la fase de diseño, cuando cambiar los diseños es más fácil y menos disruptivo.

Una simulación multifísica se refiere al análisis de múltiples fenómenos físicos simultáneos de un sistema o sistemas y las interacciones entre ellos. Impulsado por las demandas de los consumidores y los requisitos comerciales, el software de ingeniería automotriz multifísica tiene como objetivo diseñar productos seguros y de alto rendimiento más rápido. Permite modelar la complejidad, explorar las posibilidades de los productos que operan en condiciones reales y descubrir posibles problemas en las primeras etapas del ciclo de desarrollo.

Tomemos, por ejemplo, el desarrollo, el diseño y la ingeniería de baterías de vehículos que deben integrar la ingeniería electroquímica, eléctrica, térmica y estructural. La ejecución de campañas aisladas dirigidas a estos atributos separados generará modelos y conjuntos de datos redundantes y, a veces, contradictorios. En cambio, el uso de un enfoque multifísico todo en uno le permite comprender exactamente cómo funcionarán los componentes cuando se integren con otros y garantiza que incluso el primer prototipo funcione según lo planeado.

La época en que se realizaban pruebas automotrices (de sistemas) en prototipos ha quedado atrás. Hoy en día, el desarrollo no se detiene al final del ciclo V. En su lugar, continúa en un bucle infinito mediante el uso de datos históricos, datos de prueba y datos de vehículos en uso para crear modelos basados en pruebas que definen la relación entre las características del vehículo y su rendimiento.

Un buen ejemplo son las pruebas de sistemas basados en modelos (MBST). MBST es un marco de ingeniería que emplea tres soluciones clave: modelos virtuales, sistemas físico-virtuales y prototipos físicos. Utiliza datos de prueba para construir, validar y mejorar modelos de simulación, identifica interacciones a través de XiL en varios escenarios y mejora los datos de prueba con modelos de simulación para prototipos físicos. Los fabricantes que utilizan MBST son más eficientes, más rápidos y evitan errores en la transferencia de datos o en el posprocesamiento.

Otro ejemplo destacado es el prototipado virtual. La creación de prototipos virtuales es un método de prueba eficiente que permite explorar alternativas de ensamblaje de vehículos antes de que se construyan prototipos físicos. Aborda específicamente el rendimiento de NVH y utiliza el análisis de ruta de transferencia (TPA) basado en componentes para evaluar rápidamente varios diseños, ahorrando costos al detectar y controlar los problemas de manera temprana.

Los métodos tradicionales de diseño e ingeniería tienen dificultades con los complejos flujos de trabajo actuales. Aprovechar la inteligencia artificial (IA) y el aprendizaje automático (ML) acelera la toma de decisiones, mejora la productividad de los equipos de ingeniería y desarrolla productos innovadores en plazos más cortos. Adaptándose a cualquier etapa del ciclo de desarrollo, Simcenter ofrece un marco para aplicar la inteligencia artificial para aprovechar los datos históricos, evitar errores, acelerar el análisis y optimizar los diseños con confianza.

Por ejemplo, en los sistemas de vehículos autónomos, la IA y el ML se utilizan para integrar el comportamiento humano en la percepción de las máquinas. Si bien los sistemas actuales de percepción de vehículos autónomos casi coinciden con las capacidades sensoriales humanas, especialmente en condiciones estándar, se quedan cortos en condiciones climáticas extremas y escenarios complejos. El proceso de creación de escenarios de Simcenter ayuda a generar escenarios críticos para los fabricantes de equipos originales y los proveedores de AV, lo que garantiza el cumplimiento de estándares de seguridad como la seguridad de la funcionalidad prevista (SOTIF).